传感技术数据库研究（精选11篇）
传感技术数据库研究 篇1
1 引言
数据融合的主要任务是利用传感器数据进行的状态估计。状态估计就是通过数学方法寻找与观测数据最佳拟合的状态向量。如确定运动目标的当前位置与速度;确定运动目标的未来位置与速度;确定运动目标的固有特征与特征参数。
状态估计是数据融合的主要任务之一, 状态估计主要对目标的位置和速度的估计, 本文主要介绍了应用Kalman滤波对目标进行状态估计, 并应用Matlab仿真软件实现了卡尔曼滤波算法, 进行了性能分析。提出了在数据融合仿真系统中应用扩展Kalman滤波算法对目标状态进行估计。
2 卡尔曼滤波算法
卡尔曼滤波器被广泛的应用于各个领域, 在通信、雷达、导航、自动控制等领域均可以找到它的身影, 如航天器的轨道计算、雷达目标跟踪、生产过程的自动控制等。卡尔曼滤波器在目标跟踪中具有良好的性能, 它是最佳估计并能够进行递推计算, 即它只需要当前的一个测量值和前一个采样周期的预测值就能进行状态估计, 因此它受到普遍欢迎。
在用卡尔曼滤波器解决运动目标或实体的状态估计问题时, 它的动态方程和测量方程均是线性的, 然而在很多实际应用中, 传感器所给出的是目标的斜距、方位角, 数据与目标之间是非线性的, 因此在现代雷达跟踪中采用混合坐标系。扩展卡尔曼滤波器是一种采用混合坐标系进行滤波和残差计算的卡尔曼滤波器。扩展卡尔曼滤波器与标准卡尔曼滤波器的区别在于:
(1) 在计算残差时, 采用极坐标系; (2) 在跟踪计算时, 采用直角坐标系; (3) 输出数据为直角坐标系数据; (4) 在两者的交接处进行相应的坐标变换。
混合坐标系进行卡尔曼滤波跟踪的过程如图1所示
2.1 卡尔曼滤波目标运动方程和观测方程的建立
在应用卡尔曼滤波对目标状态进行跟踪前先建立了目标运动方程和观测方程。目标运动方程用来模拟目标的运动, 设定目标的初始条件及参数, 目标将计算并公布目标的位置信息;观测方程模拟传感器对目标进行观测以及传感器的观测噪声。数据融合仿真系统建立了以下的目标运动方程和观测方程。
目标运动方程:
其中x1, x2, x3, x4分别代表距离, 速度, 方位角, 角度变化率。A为系统矩阵, T为采样周期, W (k) 为噪声项模拟大气等因素对目标的影响, 产生随机干扰。
观测方程:
其中Z1, Z2分别表示距离和方位角, C为观测矩阵, V (k) 为噪声项模拟传感器的观测误差。
2.2 卡尔曼滤波在目标状态估计中应用
式 (1-5) 中Z (k) 为当前时刻观测值, 为前一时刻对当前时刻预测值。
卡尔曼滤波增益方程为
卡尔曼滤波状态估计方程:
根据式 (1-5) (1-6) 可以得到当前状态的估计值。
状态估计协方差方程
式 (1-9) 中I为单位矩阵, P軌 (k) 为前一时刻预测协方差矩阵, P赞 (k) 为当前时刻估计协方差。
根据公式 (1-9) 得到预测协方差:
作为下一时刻的卡尔曼滤波运算参数。
由以上方程组可知, 只需要X軒 (1) , P軒 (1) , 整个卡尔曼滤波过程便可以进行下去。
3 仿真测试结果
本文应用Matlab 6.5软件实现了卡尔曼滤波算法, 并通过仿真进行了比较。
图中红色表示前一时刻预测距离值与当前估计距离值的差, 蓝色表示前一时刻角度预测值与当前角度估计值的差。从图中可以看出开始误差比较大, 随着采样周期的加多, 误差逐渐减小, 说明卡尔曼滤波对误差有很好的修正能力。图2中左图显示采样1000次的结果, 图2中右图显示采样5000次的结果, 通过比较可以看出随着采样次数的增加, 误差值趋于平稳。数值实验的结果表明, 该算法用于雷达系统中的目标进行跟踪时, 具有良好的跟踪效果。并且用在实际的项目中也取得了较满意的效果。
参考文献
[1]郑黎义.多传感器数据融合目标跟踪算法研究[D].中国工程物理研究院硕士论文, 2005.1.
[2]胡宏灿等.联合卡联合卡尔曼滤波器在数据融合中的应用[J].火控雷达技术.2005年第1期.
[3]王明辉.多传感器数据融合中几个关键问题的研究[J].西北工业大学.博士学位论文, 2000.
传感技术数据库研究 篇2
陈锡禹
【摘要】 本文简述了研究全数字化光学电流传感技术的意义，分析了国内外研究现状和研究发展趋势；以及全数字化光学电流传感技术方向目前国内的瓶颈，尚待解决的问题，未来研究的主攻方向。
关键词： 数字化 光学电流 传感技术
1、前言
随着微电子技术、光电技术、通信技术的飞速发展，智能化、数字化和网络化的测试、控制技术迅速在电力系统中得到广泛应用，并深刻改变传统电力系统的运行、维护和管理模式。[1]尤其是光电技术的应用及其与信息技术的结合，使得传统电力系统工业面临一场重大的技术变革。而今的光学电流传感技术的日益发展也对传统电力系统提出了重大挑战。
电流、电压互感器作为电量测量装置，是监测一次设备运行状态的关键，也是二次设备工作的基础。而如今的数字化光学电流传感技术离不开光学电流传感器，即那些利用光学技术直接或间接地对电流换能或测量，从而实现对电流传感的装置。[2]由于光学电流传感器与传统的电磁电流互感器相比具有非常显著的优点而受到越来越广泛的关注。近年来，此领域的研究获得许多进展，有些研究单位已进行了挂网实验，有些研究成果正进入产品转化阶段。[3]但是，我国在此领域的研发、生产和应用方面仍相对滞后,无论在科研、设备、技术、工艺,还是在应用方面都无法与欧、美国家相比。随着我国人民生活水平的不断提高及认识程度的深化，我国对于此类产品的需求会逐步增大，所以，我国开展对此的研究具有重大的社会意义巨大的经济效益。
2、国内外电力系统中光学电流传感技术发展情况
2.1我国光学电流传感技术发展
随着光学电流传感技术的发展，由于实现数字化变电站的要求，我国基于电磁感应原理的传统电磁式互感器暴露出了一系列严重的缺点。[4] 1.电磁感应式互感器的绝缘结构日趋复杂，体积大，造价随电压等级数呈指数关系上升；
2.由于其固有的铁芯会产生磁饱和、铁磁谐振等现象，造成动态范围小、频带窄等；
3.以模拟量输出不能直接与计算机相连，难以满足新一代电力系统自动化、电力数字网等发展需要。[5,6] 与之相对比的光学电流传感器，它涵盖不同的测量原理、方法及测量传输方[7]式。与传统的电磁式互感器相比，它的优点也凸显出来[8]: 1.测量频带宽，测量精度大；
2.动态范围大，可在相当宽的电流范围内保持良好的线性特性； 3.绝缘性能好，可用于传感材料的光学玻璃，传输信号的光纤； 4.无开路导致高压的危险； 5.不含油，没有爆炸危险； 6.受电磁干扰小；
7.体积小，质量轻，结构简单；
8.不含铁芯，没有磁铁共振，没有磁饱和及大电感引起的滞后现象;[9] 9.采用数字接口，通信能力强，可以直接和计算机相连，实现多功能化，智能化，数字化的要求。[10] 如果采用数字接口，通信能力强，对实现数字化电力系统有着重要的意义。由于光电传感器下传的是数字信号，与通信网络容易接口，且避免了信号在传输、储存和处理中的附加误差，提高了系统可靠性。这个特性在强电磁环境中可有效地保证信号的准确性和可靠性。同时，随着微机保护和控制设备的广泛采用，光电互感器可以直接向二次设备提供数字量，不需要保护装置中的变换器和 A/D 采样部分，使设备得到大大的简化。[11] 2.2国外光学电流传感技术发展
国外光电电流互感器的研究始于二十世纪六十年代末和七十年代初，到八十年代和九十年代初OCT己经开始了产品化研究，目前许多大公司己经形成了成套产品。具有关资料统计，到1999年底，大约有2000多台OCT挂网试运行。早在1978年，美国西屋电气公司就研制出用于SOOKV的OCT，其准确度为:比差0.3%、角差士5 ,量程3kA，挂网试运行一年。美国五大电力公司各自在1982年左右成立了OCT专题小组，且研制成功了161kV独立式OCT(1986-1988)。在1989年5月至1992年又成功地研制了最高工作电压为345kV，测量范围为20-2kA，准确等级为0.3级的计量用和保护用OCT，且挂网试运行。1991年6月ABB电力T&D有限公司公布了用于345kV变电站计量和保护的OCT系统，在运行四个月后，与标准CT比较，误差仅0.4‰ 到1994年ABB公司不仅拥有多种电压等级的交流数字光电式OCT，也开发出直流数字式OCT，并在多个地区挂网运行。日本也是较早开始OCT研究的国家之一。日本除研究SOOKV, 1000kV高压计量用OCT外，还进行SOOKV以下直到6600电压等级的GIS用或零序电流、电压光电传感器。东方电气公司和东芝公司合作，1987年8月至1989年3月研制的GIS设备用OCT在制造厂条件下长时间进行试验，运行稳定，试验数据皆符合JGC1201标准，并在1989年末通过试验鉴定。[15]
3、尚待解决的问题以及对未来的展望
与国外相对比，我国的光学电流传感器还有很大的差距。但近些年来光学电流传感器研究取得了可喜的进步，但离实用化，产品化仍然有一定距离。其障碍在于需要克服各种因素引起的系统温度与振动稳定性降低的问题。[12] 目前，已经得到普遍应用的光纤数据通信网络将逐步取代微波、载波等传统通信方式，成为电力系统通信的主干网络，将原来分布的、孤立的各发、变、配、送、用电系统融合为一个整体；光纤传感技术与故障诊断技术的结合为电力主设备的安全可靠运行提供了全新的监测手段，大大提高了电力主设备的运行管理水平；数字化、智能化电子设备和数字继电保护装置的广泛应用，在保持原有功能的基础上，提供了系统功能扩展和集成的良好平台。[13][14]
目前，我国所面临的困难还有“准确测量任何时刻的电流瞬时值”是电流互感器的理想测量品质[15]。广泛使用的铁磁线圈电流互感器，尽管稳态测量精度能[16]够满足 0.2 级的要求，然而短路故障时存在磁路饱和现象，动态测量能力差，是保护装置误动和拒动的主要原因[17]。基于Faraday电磁感应原理的Rogowski线圈电子式电流互感器，不存在磁路饱和现象[18,19]，但其在基本原理上决定了Rogowski线圈电流互感器不能测量稳恒直流，但是对于变化比较缓慢的分量，比如非周期分量，也不能保证测量精度[20]。
目前的研究多集中于测量用光学电流传感器，对线路防护(继电保护)用电流互感器的报告还不多。然而这两种用途的光学电流传感器对电力系统而言都是需要的。故对线路防护用电流互感器的研究亦应加强。
4、参考文献
多传感器融合组合导航技术研究 篇3
关键词：多传感器 组合导航 民用飞机
中图分类号：TP274. 2文献标识码：A文章编号：1674-098X（2014）09（a）-0021-01
近年来，随着GPS、格洛纳斯、伽利略和北斗全球导航卫星系统的日益完善，以飞行管理系统为核心的民用飞机机载导航设备对GNSS的依赖程度逐渐增大，特别是CAAC近年发布的PBN实施路线图要求机载导航系统逐步向RNP技术全面过渡。然而作为PBN导航技术核心定位源的GNSS有着一系列先天不足，在某些特定情况下，满足不了PBN对导航精度和连续性的较高要求，因此民用飞机必须采用多传感器融合的导航技术，提高瞬时定位精度以及GNSS不可用的情况下的导航能力。
1 多传感器组合导航技术
作为民用飞机机载航电系统的重要组成部分，机载导航设备为飞机提供全天候实时的高精度位置定位、飞行导引和完好性监控，其组成包括飞行管理系统（FMS）、全球导航卫星系统（GNSS）、惯性基准系统（IRS）、甚高频全向信标（VOR）、测距器（DME）等设备。[1]
导航系统的核心是飞行管理系统，它是一台具备各种复杂导航算法的高性能计算机，将其他导航设备发送的导航数据经过组合导航算法综合处理后得出飞机精确位置，并依据飞行员编制的飞行计划给出指引指令，引导飞机沿着既定航线飞行，取代了传统领航员的作用，大量减轻了飞行员的负担。因此，作为计算性能最强和接收信息最全的FMS理所当然是多傳感器组合导航技术的实施主体。[2]
以GPS为主的GNSS是一种覆盖全球的无源定位系统，通过接收机接收来自至少4颗卫星发出的时钟信号和星历，计算传播延时实现高精度自主实时定位，不依赖地面导航设施，在偏远地区和洋面飞行时具有突出优点，但也会受到可用卫星个数、卫星几何分布、空间射线干扰和地面地形遮蔽等因素影响，难以独自满足PBN对导航信号连续性的高要求。[3]
VOR/DME是传统的路基导航设施，通过接收地面台站发出的甚高频无线电信号结算成相对台站的方位和距离信息，结合已知的台站位置实现定位，性能可靠、便于使用，但是具有技术水平落后、导航精度不高和无法覆盖偏远山区和洋面的缺陷。
在所有的导航子系统中，惯性系统能提供的信息最全，且自主性、连续性、短期稳定性好，因此在整个区域或航路导航中始终以惯性导航系统作为基本导航手段，其它导航子系统（特别是GNSS）作为辅助手段以改善惯性系统的长期稳定性，保证导航性能符合所需导航性能要求。
导航系统的组合一般有两种基本方法：
（1）回路反馈法。即采用经典的反馈控制方法，抑制系统误差，并使子系统间性能互补。
（2）最优估计法。即采用现代控制理论中的最优估计法（卡尔曼滤波算法），从概率统计最优的角度估计出系统误差并消除之。
由于各子系统的误差源和量测中引入的误差都是随机的，所以第二种方法远优于第一种方法，卡尔曼滤波器也成为组合导航系统中最常用的算法。[4]
由于GNSS定位的高精度和实时性，采用IRS/GNSS为主用组合导航算法，可分别基于输出校正、位置组合和伪距组合的卡尔曼滤波模式。具体是用惯导和GPS输出的位置之差作为量测值，经卡尔曼滤波器估计惯导系统的各项误差，然后对惯导系统进行校正。伪距组合是一种复杂、紧密的信息综合。惯导输出位置结合GPS可见卫星位置，可以求出相应的计算距离，然后将之与GPS测量得到的距离之差作为量测值，通过卡尔曼滤波器估计惯导系统和GPS的误差量，然后进行反馈校正。在各IRS内部进行闭环修正，IRS系统的速度和姿态误差趋于收敛，即组合导航可以准确估计IRS的速度和姿态误差。在IRS/GPS组合导航状态，不使用气压高度进行高度阻尼，对GPS位置噪声有明显的抑制作用。[4]
在GNSS不可用的情况下（接收机故障或不满足信号接收要求），可采用IRS/无线电组合导航，包含IRS/DME/DME和IRS/VOR/DME这2种组合方式。IRS/无线电组合在飞行管理控制系统中进行，仅进行开环校正，目的在于对无线电推算的位置噪声进行抑制，经过对当前组合系统的性能评估，如当前状态位置精度明显优于即将引入的校准系统精度，则将延迟其进入组合状态的时间。
由于DME/DME定位精度由于VOR/DME，因此当DME台站信号良好且数量大于2时，可优先采用IRS/DME/DME组合导航，此方法基于双斜距组合方式，将DME斜距的测量误差看作由偏置误差和测量噪声误差构成，偏置误差与被测距离的远近有关，因此用刻度因子误差来描述。在构造量测前还需进行交会角判断。利用两套DME系统来确定飞机位置的定位误差却因飞机与两个地面台相对位置的不同而有较大的差异，当交会角为90°时，测距误差造成的定位误差区最小，为正方形；交会角大于90°，定位误差区域增大为菱形；若交会角接近180°，则定位误差最大。因此，在交会角在30°～150°时可采用此方法。
IRS/VOR/DME组合处理方式采用斜距/方位角组合，允许VOR和DME不在同一位置，尽管多数情况下VOR/DME地面台站是布置在同一位置的。将VOR、DME的方位和斜距测量误差看作由偏置误差和测量噪声误差构成，而DME的偏置误差与被测距离的远近有关，因此用刻度因子误差来描述。[4]
2 结语
随着航空电子技术的日新月异，以及未来对PBN技术导航精度和连续性的要求日益提高，民用飞机采用多传感器组合导航技术将成为主流，本文提出一种在FMS内部按照设备可用状态优先级实现IRS/GNSS、IRS/DME/DME、IRS/VOR/DME组合导航技术方法，可获得较为理想的导航精度和连续性。
参考文献
[1]钦庆生.飞行管理计算机系统[M].国防工业出版社，1991.
[2]Lan Moir，Allan Seabridge. Civil Avionics Systems[M]. Professional Engineering Publishing Limited，2006.
[3]Cary R.Spitzer.The Avionics Handbook[M].CRC Press LLC， 2001.
传感技术数据库研究 篇4
随着无线通信技术、传感器技术、微机电系统和信息处理技术的飞速发展,无线传感器网络的应用和研究得到了越来越多的研究机构和学者的重视。无线传感器网络是多学科高度交叉的前沿热点研究领域,传感器节点间采用多跳、无线方式通信,相互协作共同完成诸如数据采集、目标跟踪和行为监控等任务,在军事和工农业生产中有着广泛的应用前景。
无线传感器网络节点分布密集,传感器数据高度冗余,文献[1]的研究证明:在无线网络中的100米距离间传送1比特信息所消耗的能量相当于执行3000个指令所消耗的能量,因此在传输数据前对其进行压缩是一种有效的延长网络生命周期的方法。采用网内数据聚合的方法[2,3,4,5,6,7]虽然能起到一定的数据压缩作用,但其只适用于仅对检测目标的统计结果感兴趣,而不关心中间数据记录的应用。而对需要同时保留中间观测数据的应用,数据聚合方法就不能使用。传感器节点本身固有的计算能力弱、存储空间小等特点,使得传统的压缩方法又不适合于无线传感器网络的应用,因此,如何设计一种简单、有效的无线传感器网络数据压缩方案已经成为学术界和工业界急需解决的关键技术问题,具有重要的理论研究意义和实际应用价值。
1 传感器网络中的数据压缩技术
传感器节点上的能量消耗主要由三个环节组成,即:数据采集、数据处理和数据传输,其中大约80%的能量消耗在数据传输环节中[7],因此在传输数据前对其进行压缩可以有效地减少整个节点的能量消耗。设计针对传感器节点的压缩算法要考虑以下几方面的问题:
· 传感器节点处理能力有限 传感器节点的处理器速度一般都非常低,例如Crossbow公司的MICA2DOT系列传感器节点的处理速度只有4M HZ,这就要求压缩算法必须足够简单以使传感器节点能够实现实时压缩的功能。
· 传感器节点上程序内存资源有限 传感器节点上一般的内存也非常小,例如MICA2DOT上的程序内存只有128 KB,这就要求压缩算法编译后不能太大,并且压缩过程中占用内存资源不能太大。
· 算法能量消耗要尽量小 压缩的目的是减少传输数据时所消耗的能量,因此压缩算法压缩1bit信息所消耗的能量一定要小于传输1bit信息所消耗的能量,否则压缩就没有任何意义了。
根据压缩算法所依据的基本原理,可以把无线传感器网络中的数据压缩算法分为两大类。
1.1 基于数据传输特性和封包结构的压缩方法
该类算法的最大优点是计算简单,但由于没有充分利用传感器数据自身的相关性,所以压缩效率较低。此类中较为典型的两个算法是基于排序的数据压缩算法[5]和基于管道的数据压缩算法[6]。
基于排序的数据压缩算法基本思想是:在聚合节点收到不同节点发送来的数据后,对收到数据进行排序,排序的顺序代表一个数据,以此来实现数据压缩的目的。例如,四个节点(N1,N2,N3,N4)发送数据到聚合节点(Na),每个节点的数值假设是0～5,则聚合节点可以只发送N1,N2,N3三个节点的数据,而用三个节点的排列顺序代表N4节点的数据值。表1给出了三个节点的排列与数值间的一种映射关系。
基于管道的数据压缩算法基本思想是:在聚合节点收到不同节点发送来的数据后,把各个节点的数据包整合成一个单一的数据包,在整合过程中删除包头等冗余数据。例如:数据包的格式为<测量数据、节点ID、时间戳>,那么整合后的数据包格式可以为<共享前缀、后缀列表、节点ID列表、时间戳列表>,图1是基于管道数据压缩的一个例子,在这个例子中数据的总比特数从33被压缩到27[7]。
1.2 基于节点间数据相关性的压缩方法
该类算法利用节点间的数据相关性实现数据压缩的目的。在文献[8]中,作者提出用分布式提升小波的方法实现无线传感器中的数据压缩,其数据压缩过程如图2所示。在图2中传感器节点间通过交换数据实现提升小波变换的过程,图中实线为提升小波变换中的预测步骤,即产生高频数据d,图中的虚线为提升小波变换中的更新步骤,即通过两个相邻的高频数据产生低频数据y。传感器节点间通过这样的数据交换实现提升小波变换,从而实现消除节点间数据冗余的目的。
基于分布式信源编码原理的数据压缩,是另一种更为有效的利用传感器节点间数据相关性实现数据压缩的方法。其基本思想是对相关的信源进行分布式独立编码,而在解码端进行联合解码。分布式信源编码由于其固有的编码简单、不需节点间通信等特点,非常适合于无线传感器网络中数据压缩的应用,由于其充分利用了传感器数据间的相关性,所以压缩性能非常高,目前已经成为无线传感器网络数据压缩领域的研究热点。
虽然,分布式信源编码的理论在20世纪70年代即开始研究,但前二十年的研究只限于理论上推导,并没有设计实用的编码器去实现多终端信源编码,只有最近几年实用的分布式信源编码方案才开始发展起来。现阶段无线传感器网络节点各自由于其处理能力低、能量有限致使并没有进行分布式信源编码技术的研究,若能在无线传感器网络中各节点中应用分布式信源编码技术,使得各个节点能够独立地对数据进行编码,则能够有效地提升无线传感器网络数据传输性能,并且对网络连通性能起到有效的优化作用。
1999年由UIUC大学的Pradhan和Ramchandran最先提出了一种实用的分布式视频编码方案,即 :DISCUS(Distributed Source Coding using Syndromes)[9]。文献[10]在DISCUS方法的基础上,首先提出用分布式信源编码的思想解决无线传感器网络的数据压缩问题,自此分布式信源编码理论成为无线传感器网络数据压缩领域的热点研究方向,众多学者相继提出了多种解决方案[11,12,13,14,15]。这些方案的基本思路如图3所示,在编码时,图中传感器节点A不进行数据压缩,直接发送数据Y,传感器节点B用信道码对数据X进行编码产生校验信息P,B节点只发送校验信息P;在解码时,把节点A的数据Y看作为节点B数据X经过一个有噪信道后的误码数据,那么就可以用节点B传过来的校验信息P对Y进行信道解码,从而得到重建的节点B数据X。因为校验信息P一般都远小于原始信息X,所以节点B就实现了数据压缩的目的。关于分布式信源编码理论我们将在下一节详细介绍。
由上,我们能够较详细地理解分布式信源编码理论的基本原理,将此种方式分布应用到每个无线传感器网络节点中,将会有效地降低数据冗余。并且在此基础上若能实现协同传输,将有效地提升网络吞吐量以及降低网络能量,这对于无线传感器网络来说无疑是最好的优势,也可以提高压缩效率等。但是目前的无线传感器网络中,能量和算法的限制使得无线传感器网络中各个节点不能无限广泛应用协同压缩方式,以及无线传感器网络节点分布空间实际距离使得节点间不具备完善的相关性,并且也需要考虑分布式信源编码和协同传输之间的影响,因此将此方式应用到无线传感器网络中还需进一步研究。
2 分布式编码的理论基础和实现
分布式信源编码问题有很长的研究历史,1973年文献[16]发表的对相关信源进行分布式无损编码的文章标志了多终端信源率失真理论的产生,文献[16]中考虑了如图4中的对两个相关信源进行无损编码的情况。文章给出了两个相关信源编码问题的码率可达域,如图5所示。在图5中的A点,对X1编码的码率为RX1=H(X1),而对X2进行压缩时所需要的码率仅为RX2=H(X2|X1)。同样在B点,对X2编码的码率为RX2=H(X2),而对X1进行压缩时所需要的码率仅为RX1=H(X1|X2)。这就是在解码端具有边信息的无损信源编码问题的理论极限。
文献[17]确定了在解码端具有边信息的信源编码的率失真函数,这个问题在1978年时由Wyner[18]推广到连续信源。在文献[17]中Wyner和Ziv考虑的解码端具有边信息的有损信源编码问题,如图6所示,图中{(XK,YK)}
R*(d)≥RX|Y(d) d≥0 (1)
其中RX|Y(d)是编解码两端都具有边信息时候的率失真函数。并且给出上式取等号的条件为:信源为独立同分布的联合高斯信源,失真度量为最小均方差(MSE)。上面的两个理论也是分布式视频编码的理论基础。
文献[19]研究了Slepian-Wolf的推广问题即:多终端信源编码问题,其解决的问题见图5,在Tung的博士论文中给出了率失真的内外界。之后研究学者还考虑了将这个问题推广到更一般的网络模型下,在1980年,文献[20]研究了更一般网络拓扑下的Slepian-Wolf问题。文献[21]在1982年,文献[22]在1985年,分别研究了在编码端可以进行有限信息交换的多信源编码问题。
最早的Slepian-Wolf编码器是在1999年Pradhan和Ramchandran[9]设计实现的。他们的目的是用分布式编码来解决传感器网络中节点传输信息时利用其它节点已经传输的信息的问题,从而提高整个网络信息传输的速度。在他们的方法DISCUS (Distributed Source Coding using Syndromes)中,码字被分成一些陪集,传输时只传输码字的伴随式。解码时在给定陪集中选择与边信息Y最接近的码字。划分陪集采用的是基于网格的陪集构造方法。文献[23]使用嵌入式网格码构造的Slepian-Wolf编码器得到了比文献[16]中好的结果。随后,文献[24,25,26,27]提出使用Turbo码来实现Slepian-Wolf编码器。由于Turbo码良好的性能,这种方法能够很好地接近Slepian-Wolf给定的编码界。之后,文献[28]采用LDPC(low-density parity-check)码来实现Slepian -Wolf编码器,仿真结果表明其比当时所有的Turbo码的压缩性能好,更能接近理论限。
传感器节点采集的数据在空间及时间上往往具有一定的规律,能够用某种模型进行描述。无线传感器网络中的一些研究工作集中在给予某种模型进行数据融合。典型的模型包括卡尔曼滤波及概率模型等。构造出合适的针对于无线传感器网络的函数模型是无线传感器网络的所面临的重要突破问题之一。良好的、高性能的、高效率的函数模型可以很好地平衡能量、码率以及失真率之间的关系,建立起处在良好平衡点的函数模型直接影响到无线传感器网络生命期及其性能好坏。
目前将分布式信源信道联合编码技术的思想应用到无线传感器网络中的众多研究均集中在数据压缩方面,但是对于一个整个无线传感器网络体系结构来说,系统性能不仅仅取决于数据压缩程度或是数据量的大小,若要很好地提升对系统鲁棒性和高效性,针对分布式信源信道联合编码技术中差错控制以及对于无线传感器网络实际环境应用也是需要得到深入研究。
分布式信源编码理论因其固有的编码简单、抗误码等特性,得到了越来越多的研究学者的关注,其固有特性也非常适合于无线传感器网络的数据压缩要求,因此基于分布式信源编码理论的压缩算法必将成为无线传感器网络数据处理领域的研究热点。
3 研究展望
分布式信源编码技术在无线传感器网络数据压缩中的应用表现出了良好的性能,近几年来得到了研究学者的广泛关注,但此方面的研究还处于探索阶段,还有许多在无线传感器网络中应用的理论和技术问题没有解决,目前也还没有真正实用的基于多信源编码理论的无线传感器网络数据压缩算法和系统。在以下几个方面还有待做进一步深入的研究:
1) 多终端协同信源编码理论
如前所述,Kaspi在20世纪80年代对在编码端可以进行有限信息交换的多信源编码问题进行了初步研究,给出了两个信源进行交互情况下的码率可达区域,这也是协同信源编码理论的最早研究,此后很少有相关的研究结果发表。为了在无线传感器网络中使用分布式信源编码技术必须对多终端协同信源编码理论进行深入的研究,给出多终端协同编码的理论界限,从而指导数据压缩算法的设计。
2) 能量-码率-失真函数模型
经典的数据压缩理论根据率失真函数进行码率和失真之间的优化处理,但在无线传感器网络中除了码率和失真两个数据之外,另一个最为重要的数据是能量,无线传感器网络中的能量消耗直接决定了网络的生命周期,因此在设计无线传感器网络的压缩算法时必须考虑能量因素的影响。因此,面向不同的应用如何构造合适的“能量-码率-失真(Energy-Rate-Distortion,E-R-D)”函数模型是另一个需要解决的关键问题。
3) 面向数据压缩的传感器节点协同体系结构
无线传感器网络中,由于能量与算法复杂度的限制,寻求协同压缩的范围不可能无限扩大,并且节点间实际距离越大,相关性就越小,所以需要在协同范围上寻求最优值,这就归结为一个协同体系结构研究的问题。
4) 分布式信源信道联合编码技术
目前把分布式信源编码思想应用在无线传感器网络中主要集中在数据压缩问题上,而很少考虑数据的鲁棒性和误差控制等问题,因此需要对分布式信源信道联合编码技术进行深入研究,以使分布式信源编码技术更适合无线网络的应用环境。
5) 结合协同传输的多终端协同编码技术
协同传输是一种非常有效的节省无线传感器网络能量和增加吞吐量的方法,在无线传感器网络的数据传输中经常会被采用,为此需要分析协同传输与数据压缩之间的相互影响,开发多终端协同编码算法以提高压缩效率。
4 结束语
目前,基于分布式信源编码理论的多终端信源编码方案是解决传感器节点数据压缩问题的有效方法之一,但现有理论和技术尚不能满足其在无线传感器网络领域中的广泛应用,还有待对其中的基础理论和关键技术进行专门深入的研究。本文简单介绍了无线传感器网络中数据压缩的现有方法,并对分布式信源编码理论进行了详细的阐述,最后给出了目前无线传感器网络数据压缩的一些可能研究方向,希望通过此文推动国内对这一研究领域的关注,进而推动无线传感器网络技术的发展和应用。
传感技术数据库研究 篇5
【关键词】 信息技术 多信道通信技术 无线传感器 问题 措施
随着科学的进步和发展，无线传感器开始深入人们的日常生活当中，并且通过和计算机网络的配合，使人们生活的许多方面都很便捷，这也无形的推动了无线传感器网络的广泛应用。
一、无线传感器的概述
无线传感器主要的构成是由许多微型的传感器节点，这些节点的造价很便宜。它的工作原理就是通过这些传感器节点对感知的对象进行数据的采集，然后将采集的数据通过网络传输给电脑，供人们进行分析并采取措施，一般的无线通信技术主要包括红外线、蓝牙、HomeRF、IEEE80。
二、无线传感器的特点
2.1无线节点数量多、分布比较随机
无线传感器的节点是非常多的，况且每个传感器的节点的能量也是有限的，所以无线节点对感知对象的范围也是有一定要求的，不能太远。所以在用无线传感器对感知对象进行数据的采集时，就必须靠大量的无线传感器节点来实现。除此之外，传感器的每个节点的位置也是比较随机的，正因为这种节点的随机性，就会造成当节点之间有障碍物时，节点之间的无线通信就很容易受到干扰，最终影响到无线传感器对对象数据的采集工作。
2.2无线传感器网络拓扑结构极易发生改变
为了使无线传感器有节能的功能，无线传感器的节点可以在工作和休眠两种状态进行切换。在许多的现实无线传感器的应用当中，传感器的节点处在休眠的状态，当被采集对象的环境发生变化时，传感器的网络拓扑结构就很容易发生改变，最终影响到采集、传输工作。
三、无线传感器网络中的多信道MAC协议问题
多信道的MAC协议可以让无线传感器的节点分布在不同的信道中。这在很大程度上解决了节点在单个信道协议中竞争比较大的问题，当然，因为无线传感器的节点的分布是比较随机的，当大量的节点同时存在MAC协议中的同一信道中，就会造成更严重的节点竞争问题。除了节点存在竞争的问题，节点还会出现消失的问题，也就是说传感器节点在对数据进行传输时要摆脱原来的信道，无形的节点原来所在的信道就消失了。
此外，在节点通信的过程中，节点之间的竞争也会出现不公平现象，比如当两个节点在同一信道时发生重复，就会造成两个节点的竞争，然而这种竞争是不公平的，往往是周期较早的节点胜出。
四、无线传感器网络的多信道广播
无线传感器网络的多信道中的MAC的协议有非常多的优点，比如：它的吞吐量是非常大的，并且通信过程中信号非常稳定，不容易受到干扰，还有就是其在通信的时候消耗的能量是比较小的。正是因为这些优点使得多信道MAC协议别迅速的应用到许多的领域。但是，多信道MAC协议也有缺点，例如：广播支持上面的问题。
4.1广播通信存在的一些问题
广播通信是大家所熟知的一种得到非常广泛应用的通信形式，它也广泛的应用到了无线传感器网络中。当无线通信是单信道的时候，就会使得无线传感器的节点因为处在同一个信道中，再加上无线电波的广播的特点最终实现广播的传达和接收工作。然而当无线通信是多信道的时候，因为节点的节能特点导致各个节点的工作时间不一样，这也就造成了许多的传感器节点是休眠的，这样的情况就会导致信息不能正常的进行传送，广播通信也会受到影响。
所以为了解决这些问题，可以通过提出相应的解决方法进行解决。①为了使广播通信的覆盖率得到提升，而且不会造成因此而带来的高耗能，可以对节点进行转接；②对于节点的转播问题，可以通过对其引起的广播冗余问题进行研究解决来改善；③在对于广播的通信延迟问题而出现的网络故障就应该对传感器节点的转播次数进行相应的控制。
4.2分布式树形广播协议
这种协议可以很好的解决前面所提到的问题，它主要对广播训练包进行发送，在其对广播训练包发送的同时加上无线传感器形成广播树形，然后在经过这些广播数对节点广播包进行传送，这样一来就会使得广播通信的覆盖率和效率得到很大程度的提升，通信的延迟情况也不会出现了。这种协议可以适应多变的环境，而且拓展性非常强，除此之外，它还可以防止因为无线网络出现问题造成的节点结构形变问题，最终使得通信功能能够正常使用。
参 考 文 献
[1]张德升.李金宝.郭龙江等.基于多信道预约的传感器网络 MAC 协议研究[J].通信学报.2011，32（4）：126～137
[2]汪志伟 .曹建福.郑辑光等.一种面向分簇无线传感器网络的多信道跨层协议[J].西安交通大学学报.2013.47（6）：61～67
无线传感网数据聚集技术分析 篇6
1 无线传感网数据聚集技术及其分类
通常情况下, 一个无线传感器网络中都要部署大量的传感器节点, 节点对环境进行感测并把数据传送到汇聚节点, 在汇聚节点中对数据进行融合。如果在数据到达汇聚节点之前进行融合, 就可以大大减少网络中传送的数据包的数量, 有利于节约传感节点的能量消耗。这种技术被称为数据聚集技术。Elena Fosolo等人[1]这样定义数据聚集技术:“数据聚集是指在一个多跳的网络中, 采集并路由数据的过程, 其中的数据处理由中间节点进行, 目的在于减少资源的消耗 (尤其是能量) , 从而延长网络的生命周期”。
数据聚集技术在很大程度上受网络拓扑结构的影响。因此, 可以按网络结构的类型把数据聚集技术分成平面型与层次型两大类, 如图1所示。层次型数据聚集技术又可以进一步分成基于簇、基于链、基于树、基于网格等类型。
2 平面型数据聚集技术
在平面网络中, 每一个传感节点在网络中的作用是相同的, 数据聚集是由以数据为中心的路由完成的。汇聚节点以某种路由协议向传感节点发出一个查询消息, 拥有与该查询相匹配数据的节点就把响应消息发送回汇聚节点。
常见的平面型路由协议有:
泛洪协议Flooding和Gossiping协议;
信息协商传感协议SPIN;
定向扩散协议Directed Diffusion;
谣传路由Rumor routing;
基于梯度的路由Gradient-Based Routing。
平面型数据聚集技术对汇聚节点的通信与运算负担导致能量的过快消耗。一旦汇聚节点能量耗尽而死亡, 传感网络的功能就遭到破坏。平面型数据聚集技术只适用于小型网络。
为提高网络的规模性和能量有效性, 人们提出了各种层次型的数据聚集技术。
3 层次性数据汇聚技术
3.1 基于簇的数据汇聚技术
在这种层次型网络中, 网络节点被划分为簇, 每个簇都有一个特殊的节点称为簇首, 簇首节点负责聚集本簇节点的数据并把数据发送到汇聚节点, 这里介绍3种基于簇的数据汇聚协议:
1) LEACH (Low-Energy Adaptive Clustering Hierarchy)
LEACH[2]协议是第一个基于簇的数据汇聚协议, LEACH在运行过程中不断的执行簇的重构过程, 每个簇的重构过程可以用回合来描述, 每个回合可以分成两个阶段, 簇的建立阶段和传输数据的稳定阶段。在簇建立阶段, 进行簇的划分和簇首的挑选。选出的簇首向所有节点广播自己成为簇首的消息, 其他节点根据收到的消息强度决定加入哪个簇, 并告知相应的簇首, 完成簇的建立过程。
在稳定阶段, 传感器节点将数据传送到簇首节点, 簇首对采集的数据进行数据融合后再将消息传送到汇聚节点。
稳定阶段持续一段时间后, 网络将重新进入簇的建立阶段, 进行下一轮的簇的重建, 如此不断循环。
2) CAG (Clustered Aggregation Technique)
CAG[3]根据用户查询误差阈值和节点数据的空间相关性进行分簇, 从而减少传送的数据量, 满足查询的精度要求。CAG以两种模式工作:交互模式和流模式。在交互模式下, CAG对每一个查询产生一个响应;在流模式下, 对一个查询CAG生成周期性的响应。CAG的交互模式只是利用了数据的空间相关性, 数据传送的路径与查询传播的路径正好相反。在交互模式下, 每次用户需要新的数据都需要广播一个查询。
在流模式下, CAG同时利用了数据的空间相关性和时间相关性, 在流模式下只要把查询一次性注入到网络中, CAG会每隔设定的时间间隔就产生一次对该查询的响应。
3) EECDA (Energy Efficient Clustering and Data Aggregation)
EECDA[4]结合了基于簇的能量有效性的路由和数据聚集功能, 以增强网络的寿命和稳定性, 它主要用于异构的无线传感器网路。EECDA平衡了能量的消耗, 延长了网络生命周期, 与LEACH相比, 它使网络生命周期延长了51%。
3.2 基于链的数据聚集技术
在基于簇的网络中, 如果簇首节点离汇聚节点较远, 则与汇聚节点的通信会消耗更多的能量, 而在基于链的数据聚集技术中, 数据只传送给最近的邻居节点。
1) PEGASIS (Power Efficient GAthering in Sensor Information System)
PEGASIS[5]是对LEACH协议的改进, 在PEGASIS中没有簇的建立与簇首节点的选取, 每个节点用信号强度来判断到其邻居节点的距离, 然后调节自己发送信号的强度, 使只有最临近的节点才能接受到信号, 采集到的数据以点对点的方式传递、融合并最终被送到汇聚结点。传感节点与汇聚结点的通信是轮流进行的, 从而使能量消耗均衡分布在每个节点上。
2) COSEN (Chain Oriented Sensor Network for Efficient Data Collection)
COSEN[6]是基于链的两层结构的路由方案。与PEGASIS相比, 它减少了传送延迟和能量消耗。它将传感器节点按地理位置划分为多个低层的链, 对每一个低层链, 具有最多剩余能量的节点被选作链首。高层的链及其链首在低层链的基础上形成, 在数据通信时, 所有的普通节点与PEGASIS中的节点一样传送融合的数据, 通过低层链首和高层链首把数据发送到汇聚节点。COSEN引入了冗余的传送路程, 特别是在最靠近汇聚节点的地方。
3) Enhanced PEGASIS
该方法将整个传感网区域以汇聚节点为中心分成多个同心扇环, 对每个同心扇环, 用基于PEGASIS的贪心算法建立一个节点链。在数据通信时普通节点与PEGASIS中一样传送数据, 然后从最外层的扇环向内层的扇环, 进行一个多跳的, 链首对链首的数据传输过程。
3.3 基于树的数据聚集技术
在基于树的数据聚集技术中, 节点以树状结构进行组织, 汇聚结点就是树的根节点, 其他节点把数据聚集并传送到根节点, 能量有效的树的构建是这类技术的关键。
1) TREEPSI (Tree-based Efficient Protocol for Sensor Information)
在传送数据之前, 首先在所有节点中选择根节点, 并构建树。构建树的方法有两种, 第一种方法是由汇聚节点, 计算出路径, 并广播到全网络;第二种方法是在每个节点内建一个算法, 所有节点分布式构建相同的树。
在初始阶段, 根节点使用标准的树遍历算法向其子节点发送控制包来建立数据收集过程。在数据传输阶段, 所有的叶节点传送数据到它们的父节点, 父节点收到数据后与它们自己的数据融合后再发送到它们的父节点, 这一过程不断重复直到根节点收到数据。最后由根节点直接发送到汇聚节点。路径建立后可进行多轮的通信, 直到根节点耗尽能量死亡, 再构建一个新的树状路径。
2) TCDGP (Tree-Clustered Data Gathering Protocol)
TCDGP[8]协议结合了簇与树两种结构, 它把数据采集的过程分成三个阶段:第一阶段, 建立簇的阶段;第二阶段构建基于簇的树;第三阶段数据聚集阶段。
第一阶段, 由汇聚结点建立簇并选择簇首。汇聚节点按照节点的位置选取簇首, 簇首必须位于一个簇的中心位置。第二阶段以各个簇首为根节点在簇内构建最小生成树。
在数据聚集阶段, 节点传送数据到高层的节点, 高层的节点对数据融合后发送到更高层的节点, 这一过程反复进行直到数据聚集到根节点。
3.4 基于网格的数据聚集技术
在基于网格的数据聚集技术中, 每个网格中数据聚集节点是固定的, 它负责收集网格中所有节点的数据, 而网格中的传感节点之间并不相互通信, 网格中的任一个传感节点都可以轮流充当数据聚集节点, 直到最后一个节点死亡为止, 这种技术尤其适用于军事监控和气象预测等。
1) GROUP
GROUP[9]协议是一种能量有效的基于簇的路由协议, 节点被分成多个的簇, 每个簇选出一个节点作为簇首, 所有的簇首组成一个虚拟的簇网格。汇聚节点发出的查询经由簇首传送到每个节点, 节点中与查询相匹配的数据再通过簇首路由回汇聚节点。
GROUP动态地选择簇首, 数据的传送包括三个过程:簇网格的构建过程、查询的传递和数据的传递。
簇网格构造阶段, 在网络中的所有的汇聚节点中选择一个汇聚节点作为主汇聚节点, 由主汇聚节点根据节点的位置初始化簇网格的构建, 主汇聚节点比其他汇聚节点更靠近网络的中心, 从而保证在最短的时间内构建网格。
查询传送阶段, 查询分别通过有限广播和单播传送, 汇聚节点发送两类查询:位置感知的查询、位置不知的查询。位置不知的查询由汇聚节点发送至邻近的簇首节点。位置感知的查询发送到离目的区域最近的下游簇首。
在数据传输阶段, 传感节点从簇首接收到查询后, 检查收集的数据, 如果数据与查询相匹配, 就发送到簇首, 数据由簇首逐级传递到它的上游簇首, 直到抵达发出查询的汇聚节点为止。在GROUP中, 数据聚集由簇首承担, 以减少数据传输量。
2) ATCBG (Aggregation Tree Construction Based On Grid)
ATCBG在GROUP基础上有所改进。在ATCBG中, 以汇聚节点为网格的中心来构建聚集树。整个网络划分成网格, 每个网格就是一个簇, 簇首节点的选取是综合考虑节点的剩余能量、到网格中心的距离等因素来确定。数据的聚集由簇首承担, 所有的簇首节点构成树状结构。汇聚节点初始化聚集树的构建。
由于簇首节点接收与融合数据, 消耗的能量较多, 必须定期更换。当簇首节点的剩余能量低于阈值时, 它会发出更换簇首的消息。
在数据传输时, 传感节点首先把收集的数据发送到簇首节点, 簇首把从簇成员节点, 以及子节点处收到的数据进行融合后, 发送到它的父节点, 这一过程不断进行, 直到数据传递到汇聚节点。
4 结束语
数据聚集技术通过减少无线传感网络中传输的数据量, 提高了网络的能效, 延长了网络的生命周期。数据聚集技术与网络结构密切相关, 文章基于网络的拓扑结构, 分析了无线传感网中的数据聚集技术。这些技术关注于提高网络性能, 如数据延迟、数据精度、能量消耗等。目前这些工作主要集中在数据聚集的路由机制方面, 而对异构性以及诸如单跳、多跳等通信模式对数据聚集的影响等方面的研究还不够多。这些将是今后研究的方向之一。此外, 与数据聚集相关的安全性, 数据延迟等方面还有很多的工作值得进一步的研究。
摘要：无线传感网通常包含大量的低成本传感器节点, 传感节点的感测、能量、计算、通信能力都受到严格限制。重要的是最小化网络中的数据传输量, 从而延长网络生命周期, 提高信道利用率。数据聚集技术被认为是一种有效的方法, 它能减少数据传输量, 降低能量消耗。文章基于网络拓扑结构分析了主要的数据聚集技术, 并基于目前的研究提出了今后的研究方向。
关键词：无线传感网,数据聚集,能量有效
参考文献
[1]Fasolo E., Rossi M., Widmer J.and Zorzi M[J].IEEE Wireless communication, 2007.
[2]W.Heinzelman, A.Chandrakasan, and H.balakrishnan.An Energy-Efficient Communication Protocol for Wireless Microsensor Net works, Proc[J].Hawaii Conf.System Sciences, Jan, 2000.
[3]SunHee Yoon and Cyrus Shahabi, March.The Clustered AGgregation (CAG) Technique Leveraging Spatial and Temporal Correlations in Wireless Sensor Networks[J].ACM Transactions on Sensor Networks (TOSN) , Vol.3, Issue 1, No.3, 2007.
[4]D.Kumar, T.C.Aseri, R.B.Patel.EECDA:Energy Efficient Clustering and Data Aggregation Protocol for Heterogeneous Wireless Sensor Networks[J].Int.J.of Computers, Communications&Control, ISSN 1841-9836, E-ISSN 1841-9844 Vol.VI (2011) , No.1 (March) , pp.113-124
[5]Lindsey S Raghavendra C.PEGASIS Power-efficient Gathering in Sensor Information System[J].In Proceeding of the IEEE Aero space Conference.Montana IEEE Aerospace and Electronic Systems Society 2002, pp.1125-1130.
[6]N.Tabassum, Q.E.K.M.Mamun, and Q.Urano.COSEN:A Chain Oriented Sensor Network for Efficient Data Collection[J].Proceed ings of the Global Telecommunications conference, Vol.6, pp.3525-3530, 2003
[7]S.S.Satapathy and N.Sarma, TREEPSI:tree based energy efficient protocol for sensor information, Wireless and Optical Communica tions Networks[J].IFIP International Conference 11-13 April 2006.
[8]Gurpreet Singh Chhabra, Dipesh Sharma.Cluster-Tree based Data Gathering in Wireless Sensor Network[J].International Journal of Soft Computing and Engineering (IJSCE) ISSN:2231-2307, Volume-1, Issue-1, March 2011
传感技术数据库研究 篇7
关键词：数据融合技术技术,无线传感器网络,算法应用
1. 引言
微电子技术、计算机技术和无线通信等技术的进步，推动了低功耗多功能传感器的快速发展，使其在微小体积内能够集成多种数据通信功能。无线传感器网络(Wireless Sensor Networks, WSN)通过各类集成化的微型传感器协作地实时监测、感知和采集各种环境或监测对象的信息，并通过随机自组织无线通信网络以多跳中继方式将所感知信息传送到用户终端。
WSN的发展受到能量供应、存储数据量、数据处理能力、系统鲁棒性等诸多条件的限制和挑战。其中，能量有限的传感器节点如何实现复杂的数据监测和信息传输是需要解决的首要问题。传感器网络主要利用网内数据处理(in-network processing)技术[1]，即数据融合(data aggregation或data fusion)技术来解决上述问题。所谓数据融合，即利用计算机技术，对按时间顺序获得的若干传感器的观测信息，在一定的准则下加以自动分析、综合，从而完成所需要的决策和估计任务而进行的信息处理过程。在大多数无线传感器网络应用中，许多时候只关心监测结果，并不需要收到大量的原始数据，数据融合是处理该类问题的有效手段。
2. 数据融合的重要性
由于单个节点的监测范围与可靠性都有限，在组建传感器网络预置节点时，需要使节点的监测范围交叠，以增强信息的准确性。那么，相邻节点感测的数据就会具有一定的空间相关性，从而导致整个网络采集的数据包含大量的冗余信息。因此，使各个节点的数据在被汇聚节点(Sink节点)处理前，先进行数据融合处理时非常有必要的，数据融合技术应运而生。
数据融合是WSN中非常重要的一项技术，也是目前的一个研究热点[2]。该技术通过一定的算法将传感器节点采集的大量原始数据进行各种网内处理，去除其中的冗余信息，只将少量的有意义的处理结果传输给汇聚节点。数据融合技术能有效地减少网络中的数据传输量，从而节省传感器节点的能量，延长无线传感器网络的生命期。
3. 无线传感器网络的数据融合技术
数据融合技术涉及到检测技术、信号处理、决策论、不确定性理论、估计理论、最优化技术、神经网络和人工智能等众多学科领域。
很多学者从不同角度出发，提出了多种数据融合技术方案。从技术原理角度，可分为假设检验型数据融合、滤波跟踪型数据融合、聚类分析型数据融合、模式识别型数据融合、人工智能型数据融合等。根据融合的规则，可分为依赖于应用的数据融合、独立于应用的数据融合、基于分布式数据库的数据融合[3]、基于中心的数据融合，等等。按对数据的处理方式，可分为像素级融合、特征级融合和决策级融合。从融合方法来分，有Bayes推理法、表决法、D-S推理法、神经网络融合法等。以下从不同角度分析传感器网络中的典型数据融合技术。
3.1 估计方法
利用一般的数据检测和估计理论，例如加权估计、极大似然估计、最小二乘法和卡尔曼滤波等方法进行数据融合。其中，卡尔曼滤波主要用于融合低层次的传感器数据。该方法利用测量模型的统计特性递推，决定统计意义下的最优融合和数据估计。根据经典数学理论，如果传感器系统具有线性动力学模型，且误差符合高斯白噪声模型，则卡尔曼滤波将为融合数据提供唯一统计意义下的最优估计。卡尔曼滤波的递推特性使系统不需要大量的数据存储和计算。这种方法实时性好，适合于处理动态的、低层次、冗余的数据。
3.2 统计方法
利用经典的推理和统计方法，例如D-S证据理论，贝叶斯估计算法是传感器网络中进行高层数据融合常用的技术。它把每个传感器看作是一个贝叶斯估计器，将每一个目标各自的关联概率分布综合成一个联合后验分布函数，随着观测值的到来，不断更新假设的联合分布的似然函数，并通过该似然函数的极大或极小进行数据的最后融合。贝叶斯推理解决了部分经典推理中的问题，其难点是定义先验似然函数，存在多个潜在假设和多个条件独立事件时比较复杂，要求有些假设是互斥的和缺乏通用不确定性能力。
3.3 人工智能方法
单一的数据融合算法具有一定的局限性，将多种算法进行优势集成已逐渐成为数据融合算法的研究热点。例如，遗传算法和模糊聚合相结合，模糊系统与神经网络相结合等方法是今后数据融合技术发展的方向。遗传算法是一种并行化算法，可较好地解决多参数优化问题，且其算子能更好地模拟模糊关系，从而达到较高精度。神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，对环境的变化具有较强的自适应能力和自学习能力。模糊系统是模糊集合论和信息处理技术相结合的产物，有效地利用模糊的信息对复杂事物进行模糊度量、模糊识别、模糊推理，等等。模糊系统采用简单的推理规则，但自动生成和调整隶属度函数是个难题。若将两者结合，取长补短，则可提高整个系统的学习能力和表达能力。
4. 数据融合技术的应用和发展
数据融合技术是为适应WSN以数据为中心的应用而产生的，是实现无线传感器网络节点节能目的的重要手段之一，其重点在于减少需要传输的数据。随着研究者的不断努力，数据融合的基础理论、兼有稳健性和准确性的融合算法必将得以完善和实现，多传感器数据融合技术将在更多的行业领域得到实际的应用。
参考文献
[1]Zeng Si-liang, Xu Jian-bo.A new in-network data aggre-gation technology of wireless sensor Networks[J].IEEE Computer Society, 2006, 25, (4) :93-101.
[2]康耀红.数据融合理论与应用 (第二版) .西安电子科技大学出版社, 2006, (5) .
传感技术数据库研究 篇8
在现今的我国, 无线传感器网络是在微机电技术、嵌入式技术以及网络和无线通信技术等先进技术的支持下得到有效发展的信息传输网络, 在这一网络中安全数据融合技术的应用能够有效降低网络成本并且降低网络功耗, 与此同时还具备相应的感知数据和处理数据的功能, 从而能够使得无线传感器网络的无线通信能力得到进一步的增强, 因此在这一前提下, 对基于无线传感器网络的安全数据融合技术进行研究与分析就具有极为重要的经济意义和现实意义。
1 安全数据融合技术简析
安全数据融合技术是一项系统性的技术, 主要是通过技术原理、技术优越性、技术缺陷等内容得以体现。以下从这几个方面出发, 对安全数据融合技术进行简析。
1.1 技术原理
安全数据融合技术的应用离不开无线传感器网络的有效支持, 通常来说无线传感器网络是由成千上万个传感器节点所组成的, 因此在这一网络中大多数单个节点所传输的数据通常没有很大的意义。而网络使用者所需要的数据都是通过单个节点的数据通过相应加、减、乘、除、求平均值、最大值、最小值、方差等运算得到的结果。因此在这一前提下, 通过将这些运算得到的多数据节点进行融合, 再将融合后的节点以单一信息的结果进行传输, 将其传输到目的地节点, 在这一流程中安全数据融合技术能够对信息数据起着极为重要的管理作用和优化作用, 与此同时极大程度上的减少了无线传感器网络中的冗余数据, 从而节约通信能量。另一方面, 在安全数据融合技术的应用过程中, 由于大量的复杂节点都得到了融合, 从而使得整个无线传感器网络的能量都得到了整合, 从而极大程度上的地节约了整个网络的能量。
1.2 技术优越性
安全数据融合技术之所以能够在无线传感器网络中得到有效应用, 与其自身的优越性有着很强的联系。通常来说, 在无线传感器网络中的传感器节点可以在安全数据融合技术的协作下持续地完成网络的实时监测工作和采集被监测对象信息的工作, 在上述工作完毕之后, 安全数据融合技术能够将数据进行处理, 然后将其发送给数据的观察者。除此之外, 安全数据融合技术的优越性还体现在了这一技术的应用能够更好地推动物理运算与信息系统的有机融合, 从而使人们可以更加快捷、更加准确地洞察微观环境与宏观环境的变化, 这一能力的提升将会使得人们更加便利的对无线传感器网络进行完善。因此从本质上来说, 安全数据融合技术的应用有效降低了数据传输的整体开销并且有效延长了无线传感器网络的生命周期, 最终在提升带宽使用效率的同时促进了无线传感器网络整体水平的有效提升。
1.3 技术缺陷
虽然安全数据融合技术自身具有较多优越性, 但是也存在诸多技术缺陷。例如虽然在无线传感器网络中数目庞大的传感器节点可以通过协作来完成重大的监测任务, 但是每个单令传感器节点由于成本因素、体积因素、功耗限制因素等的影响, 其自身的计算能力、程序和内存空间比普通计算机弱小得多。除此之外, 由于无线传感器网络中的单节点需要电池供电因此其能量十分有限, 这使得其在使用过程中通常是一次性的, 因此能耗问题将会是影响安全数据融合技术在无线传感器网络中进一步有效应用的重要阻碍。
2 安全数据融合技术在无线传感器网络中的应用
安全数据融合技术在无线传感器网络中的应用是一项系统的工作, 其主要内容包括了优势的充分发挥、提升技术安全性、提升技术稳定性、反映网络态势模型等内容。以下从这几个方面出发, 对安全数据融合技术在无线传感器网络中的应用进行分析。
2.1 优势的充分发挥
优势的充分发挥是安全数据融合技术在无线传感器网络中应用的基础和前提。通常来说在比较了无线传感器网络中使用了安全数据融合技术和不使用安全数据融合技术的两种情况后的网络状态, 我们可以发现其存在的优势, 因此在这一前提下, 通过优势的充分发挥就可以采用点到点分流的数据传输模式并且有效减少单个节点的负担, 从而促进安全数据融合技术在无线传感器网络中应用效率的有效提升。
2.2 提升技术安全性
提升技术安全性对于安全数据融合技术在无线传感器网络中应用的重要性是不言而喻的。在安全数据融合技术的应用过程中, 工作人员应当注重数据融合的有效进行并且合理减小数据冗余, 与此同时最小化数据传输量, 这能够在减少WSN能耗的同时促进技术应用安全性的有效提升。除此之外, 提升技术安全性的同时还能够有效避免信息泄漏、假信息的注入、重复消耗攻击等对于传统无线传感器网络危害较大的问题, 从而避免无线传感器网络受到相应攻击的困扰。另外, 在提升技术安全性的过程中, 工作人员还应当注重使用不同的融合方案来提升数据融合过程的安全性, 从而在此基础上促进无线传感器网络安全性的有效提升。
2.3 提升技术稳定性
提升技术稳定性是安全数据融合技术在无线传感器网络中应用的核心内容之一。众所周知, 无线传感器网络拥有众多类型的传感器, 并且可以探测包括地震、电磁、温度、湿度、噪声、光强度、压力、土壤成分、移动物体的大小、速度和方向等周边环境中多种多样的现象, 而安全数据融合技术在无线传感器网络中的应用可以有效提升其自身的探测水平。但是在这一过程中应当确保这一提升是稳定的和精确的, 并且能够更多的关注感知环境区域中的推断信息, 最终促进安全数据融合技术在无线传感器网络中的稳定性得到有效提升。
2.4 反映网络态势模型
Jason Shifflet在其《A technique independent fusion model fornetwork intrusion deteetion》一文中说明了利用安全数据融合技术可实现异质数据的集中和关联, 并且能够建立一个能反映无线传感器网络的当前网络态势模型。在这之后Salerno和m.Hinman等学者也对安全数据融合技术反映网络态势模型的特点进行了分析, 并且在此基础上构建了态势感知的一般框架, 最终证明了将安全数据融合用于态势感知能更好地获取无线传感器网络的网络安全态势, 并且能够对无线传感器网络的进一步发展提供极为有力的支持。
3 结束语
随着我国信息网络整体水平的不断进步和无线技术发展速度的持续加快, 在无线传感器网络中, 安全数据融合技术得到了越来越多的重视。因此无线传感器网络的研究人员应当对安全数据融合技术的内容有着清晰的了解, 从而能够在此基础上通过应用实践的进行来促进我国无线传感器网络整体水平的有效提升。
参考文献
[1]孙利民.无线传感器网络[M].北京:清华大学出版社.2005.
传感技术数据库研究 篇9
关键词：无线传感器网络,路由协议,数据融合技术
无线传感器网络路由协议的研究时间尚短, 最早是借鉴Ad Hoc网络路由协议发展起来的, 由于传统的无线网络路由协议无法在所有的场合下运用, 因此需要根据应用场合的需要设计不同的路由协议。数据融合技术属于前沿性新技术, 目前已研究出大量的能够指出数据融合的路由协议, 这不仅减少了能量消耗, 同时也降低了通信成本。
1 无线传感网络路由协议
1.1 无线传感网络路由器分类
目前这类路由器主要包括了五大类型:按照拓扑类型来分类主要分为平面路由协议、分簇路由协议;按照路径数量可分为单路径、多路径路由协议;按照通信的模式可分为时钟驱动型路由协议、时间驱动型路由协议与查询驱动型路由协议;按照节点数量可分为单播路、多播路路由协议;按照数据融合与否可分为融合、非融合路由协议。
1.2 各类型无线传感网络路由协议的特点及应用范围
平面路由协议的结构简单, 节点一般是对等的, 具有相同的功能, 较适用于较小规模的网络, 容易维护但是无法进行网络资源的优化管理;分簇路由协议的节点功能则不相同, 各节点的职责不同, 该协议具有较好的扩展性, 常应用于大规模的网络中。
单路径路由协议能够将数据沿着一条路径进行传递, 但是该协议的数据传递通道较少, 尽管能量消耗低, 但也会导致数据传输中的丢包现象, 同时错误率较高;而多路径路由协议则是将单独的数据进行分组, 并将分组后的数据沿着多个路径传递, 因此若某一条路径数据报废, 数据也能够沿着其他路径进行传递, 该路由协议具有较高的可靠性, 但是能够消耗和重复率较高, 因此应用受到一定局限。
时钟驱动型传感器节点能够周期性的将采集的数据主动地汇集到Sink节点, 如环境监测无线传感器网络路由协议等;时事并将数据传送到汇集节点, 如预警类的无线传感器路由协议等;而查询驱动型路由协议则在收到用户感兴趣查询时, 传感器节点将数据进行传送。
单播路由协议采用一对一的数据传播方式, 即一个方向对应一个目的节点;多播路由器则拥有多个目的节点, 并将这些节点采集的数据按照树的形式进行传播, 其中树的分叉处属于数据包复制与转发之处。
数据融合路由协议, 能够将传输中的数据按照指定的规则将多个数据包的信息进行融合、压缩, 进而降低数据的冗余, 减少通信量与能耗, 但是数据传输时延将增加;非融合路由协议在数据的传输中不会对数据进行处理, 这就导致数据传输量较大, 能量的消耗大, 会发生数据传输拥堵。
上述的无线传感网络路由协议中以平面路由协议与分簇路由协议为比较典型的两类。其中, 平面路由协议包括了如Flooding泛洪路由协议、Gossiping闲聊路由协议、SPIN路由协议、MTE路由协议、DD定向扩展路由协议等;分簇路由协议则包括了如LEACH、TEEN、HEED、TTDD路由协议等。此外, 还有如SAR、GEAR、SPEED等其他协议。
2 无线传感器网络数据融合技术
无线传感器网络采用的是高密度的部署, 因此节点采集数据有较大的冗余, 因此如果每个节点均单独进行数据的传输, 就会造成大量的冗余, 消耗较多的能量, 增加MAC层的调动负担, 所以节点具有数据融合功能能减少上述情况的发生。
2.1 数据融合分类
数据融合主要分为三大类, 即像素级、特征层以及决策层融合。像素级融合是一种低层次的融合, 能够将采集数据在原始数据层直接融合, 并对传感器未经处理原始数据进行综合、分析;特征层融合属中间层次融合, 能够对原始数据进行提取, 并综合、处理;而决策层融合是一种高级层次融合, 需要经本地完成预处理、特征抽取、识别等处理, 有了初步结论后进行的关联处理, 并最终得到联合推断结果。通过数据的融合能够减少节点消耗的能量、有效去除冗余, 减少数据的传输量, 降低MAC层负担。
2.2 数据融合技术
目前, 较为常用的数据融合技术包括了贝叶斯法、卡尔曼滤波法、贝叶斯推理、BP神经网络以及D.S证据推理等等。其中以贝叶斯法、卡尔曼滤波法和神经网络理论比较成熟, 并广泛的应用于无线传感网络, 而D.S证据推理研究者还有着不同的看法。数据融合是一个多层面和多级的数据处理过程, 其最终目标是从4个不同层级来实现的:Leve0, 是对数据进行格式化、标准化、次序化以及压缩等处理, 进而使数据能够满足处理器的要求;Leve1, 是将单个的传感器位置、身份类别信息进行融合, 以此获得更加准确的位置与身份类别;Leve2、Leve3分别辅助实现态势、威胁估计;Leve4则是对上述的估计进行修正、评价和补充。数据融合与分簇协议的关系在于, 数据融合点需要利用路由协议的回传数据, 并将路由结构中的某些节点作为融合点。
3 结束语
与传统的传感器方式相比, 无线传感器网络具有精度高、灵活性强、可靠性高, 具有较高的经济性的优势, 结合有效的数据融合技术, 能够大大的减少数据传输的冗余和能量的消耗, 同时还能减轻MAC层的调度负担, 使数据的传输速度获得提高。
参考文献
[1]郭新.无线传感器网络路由协议及数据融合技术研究[D].华南理工大学, 2013.
[2]贾西贝.数据融合为中心的无线传感器网络路由协议研究[D].山东大学, 2012.
传感技术数据库研究 篇10
研究一种基于分布式光纤振动传感原理和电缆局部放电原理的电力电缆故障定位技术。通过在电缆上施加高压脉冲，使得电缆上有故障的位置产生局部放电，从而产生振动信号。并将放电脉冲信号同步传输给分布式光纤振动监测系统。通过分布式光纤振动传感技术来探测电缆沿线放电产生的振动信号，并对振动信号进行定位。将该故障定位技术应用于电力电缆沿线上监测电缆故障的状态分布，并进行试验验证。实验结果表明，该系统可实现监测多回路30 km电缆线路的故障分布状况，并对故障点进行准确定位。
关键词：
分布式光纤传感； 后向散射； 电力电缆； 故障定位
中图分类号： TP 212文献标识码： Adoi： 10.3969/j.issn.10055630.2013.05.003
引言
电力电缆是电力传输的重要载体。但是人为因素（如：施工挖破皮、被割破皮等）和自然灾害（如：滑坡、塌方、地基沉降、腐蚀、老鼠破坏等）会造成电缆线路故障，影响电力电网建设效能的发挥。因此，应用科学手段实现对电力电缆的电缆的故障进行检测和定位、及时提醒线路维护人员提前采取预防措施显得十分的紧迫和必要。
本文研究基于分布式光纤振动传感原理为核心的智能监测技术，利用光纤传感技术对电网中的电力电缆线路的故障进行全方位实时智能监测和定位。该智能监测系统可实现对电力电缆线路的故障进行检测和定位，确保电网安全、高效运行；综合分析处理各传感器信息，并且在出现异常情况时，通过控制相应的联动设备采取一定的措施来保障电网正常运行。
1分布式光纤振动传感技术原理
分布式光纤振动传感技术是利用ΦOTDR（optical time domain reflectometer，OTDR）[14]光时域反射计的干涉机理测试外界绕那扰动，外界扰动作用在光缆上面或附近产生的压力（振动）导致光纤中瑞利散射光[5]相位发生变化，由于干涉作用，光相位变化将引起光强度的变化时，通过实时监测不同时刻后向瑞利散射信号的干涉效应可定位振动信号的位置，并通过建立光缆线路环境特征参数数据模型和告警监测阈值模型，降低监测告警的虚警率。
分布式光纤振动传感系统采用普通通信光缆中的一根空闲纤芯作传感单元，进行分布式光纤传感器多点振动测量[6]。其基本原理是当外界的振动作用于通信光缆时，引起光缆中纤芯发生形变，使纤芯长度和折射率发生变化，导致光缆中光的相位发生变化。当光在光缆中传输时，由于光子与纤芯晶格发生作用，不断向后传输瑞利散射光。当外界有振动发生时，背向瑞利散射光的相位随之发生变化，这些携带外界振动信息的信号光，返回系统主机后，经光学系统处理，将微弱的相位变化转换为光强变化，再经光电转换和信号处理后，进入计算机进行数据分析。系统根据分析的结果，判断入侵事件的发生，并确认入侵地点。
2基于分布式光纤振动传感技术的电缆故障定位系统组成
整体系统由高压电缆放电试验系统、分布式光纤振动传感系统及综合平台软件组成，系统结构如图2所示。
系统通过分布式光纤振动传感系统监测来自于高压电缆上方的振动信号，通过振动信号来分析判断故障点的位置。当高压电缆放电试验系统对高压电缆发出高压脉冲信号时，同时会向分布式光纤振动传感系统发出一个上升沿或下降沿信号，以作标记信号。分布式光纤振动传感系统根据高压电缆放电试验主机给的脉冲同步信号进行振动信号的采集，实时监测高压电缆的振动情况，并将监测到振动信号保存到数据库中。高压电缆放电试验系统放电结束后，由综合平台对分布式光纤振动传感系统采集到的振动信号进行分析，并结合高压电缆放电试验系统放电脉冲情况，综合分析对故障点进行定位，并在软件界面是显示整段监测光缆的波形图、故障点位置。系统数据库中保存测量的振动信号和放电信号的历史数据，并绘制成报表，由用户选择查看。
该系统以高压电缆故障时所产生的震动为监测对象，可实现以下功能：
（1）实时监测电缆走廊路面施工振动位置的振动量，并根据实时监测值显示报警状态。实时监测高压电缆故障点所产生的震动情况，可对故障点进行定位，定位误差不大于±25 m；
（2）检测到电缆故障时，在界面上显示告警提示；
（3）软件界面可显示电缆的震动波形图；
（4）能与高压电缆放电试验系统通讯，接收该系统发来的上升沿或下降沿信号；
（5）各监测值的历史数据记录展示。
3试验结果
为了验证系统是否能探测到电缆的故障信号并准确定位故障信号的位置，搭建了一个测试系统。测试验证系统选取110 kV电缆300 m，在电缆上100 m、200 m和300 m位置分别模拟放电信号。用该系统来探测电缆的放电信号及其位置。
4结论
研究的基于分布式光纤振动传感原理的电缆故障定位系统可准确探测电力电缆故障为，预防因电力电缆自身老化等原因而发生故障。制止因蓄意破坏、偷盗等情况造成的输电中断，从而保障中高压电力电缆的传输安全和通畅。当电力电缆线路发生故障时自动实现预警，自动定位故障发生位置，及时通知管理人员对警情进行有效处理，从而提高对电网供电的可靠性。
参考文献：
[1]DAKIN J P.Distributed optical fiber sensors[J].SPIE，1992，1797：76-108.
[2]孙圣和，王廷云，徐颖.光纤测量与传感技术[M].哈尔滨：哈尔滨工业大学出版社，2000.
[3]IMAHAMA M，KOYAMADA Y，HOGARI K.Restorability of Rayleigh backscatter traces measured by coherent OTDR with precisely frequency controlled light source[J]. IEICE Trans Commun，2008，E9lB（4）：1243-1246.
[4]王莉田，史锦珊，王玉田，等.背向散射多点分布式光纤测温系统的研究[J].仪器仪表学报，1996，17（6）：639-641.
[5]宋牟平，汤伟中，周文.喇曼型分布式光纤温度传感器温度分辨率的理论分析[J].仪器仪表学报，1998，19（5）：485-488
[6]李志全，白志华，王会波，等.分布式光纤传感器多点温度测量的研究[J].光学仪器，2007，29（6）：8-11.
角度传感器数据测试方法研究 篇11
关键词：角度传感器,编码器,车身电子稳定系统
0 引言
本文所涉及的传感器是汽车方向盘转角传感器, 是霍尔传感器的一种。方向盘转角传感器是汽车动力学稳定性控制 (electronic stability program, ESP) 系统的重要组成部分, 其精度和稳定性直接关系着行车安全。本文是针对方向盘转动角度数据的测试与分析, 以提高精度测试的可靠性。
国内转角传感器的使用都依赖进口, 目前, 国内没有对方向盘角度传感器的开发实践, 所以对其精度测量及其数据分析模块的研究还属于一片空白, 本设计提出的精度测量及数据分析方法是在多次实践的基础上的摸索。
1 角度传感器校准平台及设计流程
角度传感器校准平台主要由四部分组成:集成式步进伺服电机 (SSM17C-3CG) 、光电编码器、待校准角度传感器以及安装支架。角度传感器校准平台如图1所示。
角度传感器数据测试流程如下:电机 (0.018°/步) 带动角度传感器按照设定的转速和角度值转动;光电编码器 (0.072°/pulse) 与角度传感器同步读取电机转动角度;Vector CANalyzer 8.0读取角度传感器和光电编码器的数据。其中光电编码器用于校准此角度传感器, 从而获取角度传感器在不同速度下的角度曲线以及误差曲线。
2 数据信号存储
设定此电机以速度2.5rps、2rps、1.4rps、1rps、0.5rps、0.1rps、0.05rps转动, 用CANalyzer同时读取角度传感器 (Sensor) 与光电编码器 (Encoder) 的角度值以及对应的时间。图2为CANalyzer获取的角度传感器与光电编码器信号数据图。
从图2可以看出, 角度传感器和光电编码器每隔10ms触发一次, 而且两者获取的时间存在一定的差值, 这个时间差的存在使得测出的角度传感器的精度存在一定的不可靠性。
将角度传感器信号触发时间与编码器信号触发时间最接近的角度值划分为一组, 求得角度差值, 可得角度传感器的误差曲线, 如图3所示。
本文在此基础上提出了一种补偿算法。以角度传感器信号触发时间为准, 根据一定的换算关系, 换算出编码器信号对应时刻的角度, 从而确定角度误差曲线。
角度传感器信号和编码器信号都设定为间隔10ms的定时触发, 考虑到触发时间间隔并不是绝对的10ms, 存在一定的误差, 设定编码器信号任意连续的触发时间分别为t1和t2 (t1
已知编码器信号首次触发时间为T1, 对应的角度值为Φ1, 编码器信号的第二次触发时间T'1, 对应的角度值为Φ'1;角度传感器信号首次触发时间为T2, 对应的角度值为Φ2, 由此得出编码器在ΔT时间间隔内的角度平均值为, 可换算出编码器在T2时刻对应的角度值。
综上所述, 可得出在T2时刻角度传感器信号角度值与编码器信号角度值之差, 依次计算出在各个角度传感器信号触发时刻角度传感器信号角度值与编码器信号角度值的差值, 由此得到角度传感器信号的误差曲线如图4所示。
将加入补偿算法后的曲线与之前的误差曲线做比较, Error curve1为加入补偿算法之前的误差曲线, Error curve2为加入补偿算法后的误差曲线, 波形图如图5所示。
从图5可知, 加入补偿算法后, 角度传感器的误差减小, 使所测试的角度传感器的精度在原有的基础上有明显的提高。
3 结束语
此补偿算法提升了角度传感器精度测试的可靠性, 为角度传感器精度校准提供了一种算法, 此算法并不局限于角度传感器的校准, 很多情况下, 不能同时获取两种事物的状态, 这时候可以用补偿算法来获取两种事物在同一时刻的状态, 然后进行比较, 以此来增加比较的可靠性和准确度。
参考文献
[1]饶运涛.现场总线CAN原理和应用技术[M].北京:北京航空航天大学出版社, 2003.
[2]韩壮志, 李伟, 王田苗, 等.光电码盘四倍频分析[J].电子技术应用, 2000, 26 (12) :38-40.