[发明专利]一种传感器补偿系统及其补偿方法

说明书

本发明公开了一种传感器补偿系统及其补偿方法，信号采集模块将传感器的输出信号转换为数字信号输出给深度学习网络，深度学习网络对传感器进行线性化处理，传感器、信号采集模块、深度学习网络构成线性时不变传感器，预处理模块根据线性时不变传感器的类型对线性时不变传感器的输出信号进行对应的预处理，之后再利用神经网络对线性时不变传感器进行补偿，由于在对线性时不变传感器进行补偿之前，先对线性时不变传感器进行预处理，并且，是有针对性地选择合适的方法来进行预处理，因此，可以同时保证实时性和补偿效果，即能够在保证良好补偿效果的前提下以足够快的速度对传感器进行补偿。

技术领域

本发明涉及传感器技术领域，尤其涉及一种传感器补偿系统及其补偿方法。

背景技术

传感器是检测系统中的核心元件,其测试的准确性对检测系统的性能起着决定性的作用。提高传感器性能的关键在于提高其动态特性,这也是目前国内外研究的热点。由于生产工艺等因素的限制，传感器的动态特性通常不能满足人们的需求，因此，提出对传感器进行动态补偿，以此来提高传感器的动态特性。

现有的传感器的动态补偿方法难以同时满足实时性和补偿效果，也就是说，补偿效果良好的算法通常会具有较大的时间复杂度，实时性较差，而实时性较高的补偿方法其补偿效果欠佳。

发明内容

有鉴于此，本发明提供了一种传感器补偿系统及其补偿方法，用以同时提高传感器补偿方法的实时性和补偿效果。

因此，本发明提供了一种传感器补偿系统，包括：信号采集模块、深度学习网络、预处理模块和神经网络；其中，

所述信号采集模块，用于获取传感器的输出信号，将所述传感器的输出信号转换为数字信号；

所述深度学习网络，用于获取由所述传感器的输出信号转换成的数字信号，对所述传感器进行线性化处理；其中，所述传感器、所述信号采集模块和所述深度学习网络构成线性时不变传感器；

所述预处理模块，用于获取所述线性时不变传感器的输出信号，根据所述线性时不变传感器的类型对所述线性时不变传感器的输出信号进行对应的预处理；

所述神经网络，用于获取经过预处理后的线性时不变传感器的输出信号，对经过预处理后的线性时不变传感器进行补偿。

在一种可能的实现方式中，在本发明提供的上述传感器补偿系统中，所述深度学习网络的训练过程包括：

对所述传感器输入斜坡信号，获取所述传感器的输入信号和输出信号，将所述传感器的输入信号和输出信号转换为数字信号；

对由所述传感器的输出信号转换成的数字信号进行离线处理，将由所述传感器的输入信号转换成的数字信号和经过离线处理后的数字信号作为训练集；

将获得的训练集用于所述深度学习网络的训练，获得训练好的深度学习网络。

在一种可能的实现方式中，在本发明提供的上述传感器补偿系统中，所述神经网络的训练过程包括：

对所述线性时不变传感器输入脉冲信号和扫频信号，获取所述线性时不变传感器的输入信号和输出信号；

根据所述线性时不变传感器的零点和极点的数量，确定所述线性时不变传感器的类型，并根据所述线性时不变传感器的类型，对所述线性时不变传感器的输出信号进行对应的预处理；

将由所述线性时不变传感器的输入信号转换成的数字信号和经过预处理后的输出信号作为训练集，用于神经网络的训练，获得训练好的神经网络。

在一种可能的实现方式中，在本发明提供的上述传感器补偿系统中，所述根据所述线性时不变传感器的零点和极点的数量，确定所述线性时不变传感器的类型，具体包括：

判断所述线性时不变传感器是否存在零点；