[发明专利]传感器数据处理方法、装置及计算设备

说明书

本申请公开一种传感器数据处理方法、装置及计算设备，包括：获取监测同一对象的多个传感器的多组监测数据，其中每组监测数据包括每个传感器在多个时刻下的监测数据；对每组监测数据分别进行滤波处理，以滤除每组监测数据中的异常值；对经滤波的多组监测数据进行融合，得到传感器数据的第一融合结果，其中第一融合结果包括每个时刻下多个监测数据的第一融合值；根据第一融合值判断每个时刻下多个传感器的监测数据是否整体异常，若是，则确定监测数据整体异常时刻下多个监测数据的第二融合值；利用第二融合值对第一融合结果进行修正，得到传感器数据的第二融合结果。本申请解决现有技术中传感器数据融合准确度低的技术问题。

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种传感器数据处理方法、装置及计算设备。

背景技术

数据融合技术是将多源传感器监测信息进行融合、综合为一个可信状态评估结果的过程，当前数据融合的研究分为数据级融合、特征级融合、决策级融合三个融合层次，其中，特征级、决策级融合属于高层次融合技术，目的是通过对数据提取特征、再对多种特征进行综合评估得到一个针对监测结构体状态的初步评估结论。数据级融合是针对多源同质传感器监测数据进行融合的过程，将监测同一对象的传感器监测数据进行融合得到的融合结果一般比直接监测得到的数据相对真实值误差更小。数据级融合可以提高传感器监测精度、降低噪声干扰，广泛应用于工程结构监测系统中。

当前，数据级融合技术有加权融合技术、卡尔曼滤波融合技术、贝叶斯数据融合技术等。其中卡尔曼滤波融合技术相对于其他融合技术的优点是可以在融合过程中滤去数据中的异常值，例如毛刺噪声等，且不需要考虑监测数据的先验概率，但是不足之处是在卡尔曼滤波融合过程中，对于一些由于被测对象状态突发异常而造成的异常值也可能被该算法滤去。不同于监测系统受干扰造成的异常值，这一类由于被测对象状态突发异常而造成的异常值通常反应被测对象的真实状态，在被测对象的状态监测过程中发挥着至关重要的作用，不应当滤去。综上所述，对传感器数据进行卡尔曼滤波融合虽然能去除毛刺噪声，但是也容易滤除被测对象状态突发异常而造成的异常值，造成传感器融合数据失真。

针对上述现有技术中传感器数据融合准确度低的技术问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种传感器数据处理方法、装置及计算设备，以至少解决现有技术中传感器数据融合准确度低的技术问题。

根据本申请实施例的一个方面，提供了一种传感器数据处理方法，获取监测同一对象的多个传感器的多组监测数据，其中每组监测数据包括每个传感器在多个时刻下的监测数据；对每组监测数据分别进行滤波处理，以滤除每组监测数据中的异常值；对经滤波的多组监测数据进行融合，得到传感器数据的第一融合结果，其中所述第一融合结果包括每个时刻下多个监测数据的第一融合值；根据所述第一融合值判断每个时刻下多个传感器的监测数据是否整体异常，若是，则确定监测数据整体异常时刻下多个监测数据的第二融合值；利用所述第二融合值对所述第一融合结果进行修正，得到传感器数据的第二融合结果，以将因监测数据整体异常而被滤除的传感器数据予以保留。

根据本申请实施例的另一个方面，提供了一种传感器数据处理方法，包括：获取监测同一对象的多个传感器的多组监测数据，其中每组监测数据包括每个传感器在多个时刻下的监测数据；对每一时刻下的多个传感器的监测数据进行融合，得到第四融合结果；对每组监测数据分别进行滤波处理，得到经滤波的多组监测数据；对每一时刻下的多个传感器的经滤波的监测数据进行融合，得到第五融合结果；根据所述第五融合结果和多组监测数据判断每一时刻下多个传感器的监测数据是否整体异常；若是，则利用该监测数据整体异常时刻下的第四融合结果对第五融合结果进行修正。