[发明专利]基于堆栈稀疏自编码的多维力传感器的解耦方法

权利要求书

1.基于堆栈稀疏自编码的多维力传感器的解耦方法，具体步骤如下，其特征在于：

步骤1，获取实验标定数据：利用不同质量的砝码提供标定力F作用于多维力传感器，通过采集系统获取相应的输出电压U；

步骤2，获取模拟噪声环境数据：向步骤1中获取的输出电压U中添加高斯白噪声以模拟噪声环境下所采集信号受到的干扰，此处的信噪比范围控制为20～30dB；

步骤3，增加标定数据的维度：将步骤2中得到的每4组的电压数据首尾拼接以得到U_splice，而后对U_splice归一化至[0,1]以生成训练数据U_train；

步骤4，堆栈稀疏自编码器预训练：利用步骤3获得的数据，通过逐层贪婪训练出一个含有三个隐藏层的堆栈稀疏自编码器，其具体结构为“输入层-隐藏层1-隐藏层2-隐藏层3-输出层”，其中每层的神经元个数为24-20-16-12-6；

步骤5，对预训练的堆栈稀疏自编码器进行微调，以提高模型的精确性；

步骤6，将训练获得的堆栈稀疏自编码模型嵌入传感器及其采集系统中，并实际应用。

2.根据权利要求1所述的基于堆栈稀疏自编码的多维力传感器的解耦方法，其特征在于：步骤2中模拟噪声环境下所采集的数据的过程可以表示为：

U_s＝U_n+U

式中，U为原始电压数据，U_n为高斯白噪声数据，U_s表示得到的模拟噪声环境下采集的数据，

信噪比的定义如下：

式中，P_s表示信号的功率，P_n表示噪声的功率。

3.根据权利要求1所述的基于堆栈稀疏自编码的多维力传感器的解耦方法，其特征在于：步骤3中对拼接后的样本U_splice归一化处理至[0,1]的过程可以表示为：

式中，U_train为归一化后的训练数据，min()和max()分别表示最小值和最大值。