[发明专利]一种基于贝叶斯网络的移动传感器网络降噪和校准方法

摘要

本发明提供一种基于贝叶斯网络的移动传感器网络降噪和校准方法，先将数据集分成训练集和验证集，接着对数据预处理(去噪、平滑等)，同时训练贝叶斯网络，将产生的估计真实值通过贝叶斯网络处理，然后通过校验算法校验传感器。本发明解决了传感器数据漂移和功能校准的问题，同时通过不同类型传感器的相关性来检测和纠正异常值。实验对比表明，该发明能使网络中的系统误差有很大程度的降低，传感器的数据恢复速率也有很大程度的提高。

主权项

1.一种基于贝叶斯网络的移动传感器网络降噪和校准方法，其特征在于，包括以下步骤：/n步骤(1)：将数据集分成训练集与验证集，其中训练集用A表示，验证集用B表示；训练集A是根据定义的特征，包括温度、湿度、不同污染物浓度，通过随机挑选整个数据集中80％的数据所组成的集合，用于通过最大似然法估计贝叶斯网络条件概率表中参数的值；/n而验证集B由剩余的20％数据组成，用于评估通过训练获得的贝叶斯网络的有效性跟可靠性；/n步骤(2)：根据传感器网络的结构，构建相应的贝叶斯网络；贝叶斯网络由节点跟连线组成，其中每个节点对应于一个具体的传感器；对于每个传感器节点，增加一个虚拟节点，以表示噪声带来的不确定性；所有有相关性的节点之间都通过无向的连接线相连；并使用训练集A进行训练：即通过最大似然法，对验证集B中所有特征数据进行处理，从而获得每个节点上的条件概率表中参数的值；/n步骤(3)：将多个相关联的传感器读数作为数据，输入贝叶斯网络；从而通过训练过的贝叶斯网络获得估计真实值G，估计真实值G是贝叶斯网络通过对已有多个关联传感器观测值的分析，所推断出来的最接近真实污染物浓度的一个估计值，该估计值可以用于最小化传感器的误差；/n步骤(4)：使用估计真实值G，以及传感器读数R对传感器方程F进行非线性校准；其中/n传感器读数是指从传感器上直接读取的被观测物状态，包括温度、湿度、电压值和电阻值；而传感器方程是指从被观测到的传感器读数转换到估计真实值的方程；而这一方程会随着传感器的老化而变化，需要经常性进行校准；/n步骤(5)：使用验证集B对校准后的贝叶斯网络以及传感器方程进行验证。/n