[发明专利]基于信息熵的海洋光学溶解氧传感器标定数据融合算法

说明书

本发明属于信号处理技术领域，涉及海洋光学溶解氧传感器标定数据融合算法。基于信息熵的海洋光学溶解氧传感器标定数据融合算法，主要步骤包括：1、利用MEM方法估计获得离散标定数据的概率分布；2、根据求得的标定实验测量数据的不确定度，推定有效的置信区间；依托该置信区间，进行粗差辨别和剔除；3、针对有效标定数据，开展基于信息熵的定权归一和数据融合。本发明的基于信息熵的海洋光学溶解氧传感器标定数据融合算法，解决了国产光学溶解氧传感器标定过程中的单传感器测量数据处理的难题。该算法能够最大程度克服测量过程主观因素在数据处理中的影响，充分考虑了各种不同样本数据的非线性、不确定性成分，能够有效提升测量数据的可靠性和精确度。

技术领域

本发明属于信号处理技术领域，涉及海洋光学溶解氧传感器标定数据融合算法。

背景技术

海水溶解氧是维持海洋生物生存的重要物质，是评价水体受污染情况的重要指标。快速 准确、长期连续地监测水体溶解氧浓度对于海洋环境保护、水质生态危机预报预警、海岸带 综合修复状况评价以及科学指导水产养殖都具有重要意义。现有的基于荧光猝灭原理的光学 溶解氧传感器，尤其是国产传感器存在连续工作稳定性可靠性差、易污染、易生物附着、测 量数据易漂移等问题。究其原因，在于传感器测量系统中，由于传感器精度、传输误差、计 算误差和人为干扰等因素的影响，测量数据中通常含有不确定性，需要对测量数据进行有效 处理。

目前广泛使用的方法是信息融合，也称数据融合，主要思想是通过获取多组传感器或多 次测量的信息，进行统筹考虑、整合处理，从而得到比独立传感器或单独一次测量值更可信 的数据，国内外研究人员针对类似的多传感器数据融合算法开展了大量研究。在实际工程应 用的各种测控系统中，单传感器测量或多传感器独立分布、组网测量的方式仍然广泛使用。 然而，针对单传感器信息融合问题的研究要少的多。根据统计理论分批估计的方法，含有测 量数据符合正态分布的主观假设，具有一定局限性。因此，通过开展单传感器测量系统数据 融合算法的研究来提高测量数据准确性和可靠性，仍具有十分重要的意义。

发明内容

本发明的目的就是针对现有技术中存在的不足，在前期研制的具有自主知识产权的 HJY1-1型光学溶解氧传感器的基础上，从C.E.Shannon提出的信息熵概念出发，针对该型 溶解氧传感器标定数据融合问题，提出了一种基于信息熵的单传感器融合算法，并结合光学 溶解氧传感器标定实验，对算法有效性作出评估。

本发明的基于信息熵的海洋光学溶解氧传感器标定数据融合算法，主要步骤包括：1、利 用MEM方法估计获得离散标定数据的概率分布；2、根据求得的标定实验测量数据的不确定度， 推定有效的置信区间；依托该置信区间，进行粗差辨别和剔除；3、针对有效标定数据，开展 基于信息熵的定权归一和数据融合。

所述的步骤1，离散标定数据的概率分布通过以下方法计算出，离散随机变量M的最大 离散熵为：

式中，P(m_i)为每组溶解氧浓度梯度处的测量数据样本的概率，其满足约束条件为：

式中，<f_n(m_i)>为若干函数f_n(m_i)的期望值，N为期望函数的个数；

为计算该概率分布及对应的最大熵，可运用拉格朗日乘数法，计算公式如(3)、(4)所 示：

所述的步骤2，在获得最大离散熵概率分布的基础上，估计出测量列的概率密度函数为 P(m_i)，故离散测量列的不确定度有：