基于自适应加权的多传感器实时数据特征值提取_全恩懋.pdf
《基于自适应加权的多传感器实时数据特征值提取_全恩懋.pdf》由会员分享,可在线阅读,更多相关《基于自适应加权的多传感器实时数据特征值提取_全恩懋.pdf(9页珍藏版)》请在咨信网上搜索。
1、第 卷第 期重庆邮电大学学报(自然科学版)年 月 ():基于自适应加权的多传感器实时数据特征值提取收稿日期:修订日期:通讯作者:秦小平 基金项目:国家重点研发计划项目();新疆维吾尔自治区自然科学基金():();()全恩懋,秦小平,许宏科,孙中洋(重庆水利电力职业技术学院 市政工程学院,重庆;长安大学 电子与控制工程学院,西安;招商局重庆公路工程检测中心有限公司,重庆)摘 要:为实现监测数据的特征值提取,对传感器数据的预处理、时间维及空间维融合方法开展了研究。建立了实时数据融合模型,提出了基于 检验的异常数据预处理方法,兼顾了异常数据剔除的速度与精度,能很好地消除疏失误差;对单个传感器数据采用
2、分批估计原理进行融合,得到了特征估计值,实现了数据在时间维上的融合;通过对多个传感器的特征估计值采用自适应加权方法进行赋权,实现了数据在空间上的融合,并提出了考虑传感器精度的算法修正。实例计算表明,数据经 方法处理后方差减小了,与传统的算术平均滤波方法相比,分批估计自适应加权融合算法的数据融合方差明显更小,考虑传感器精度后的融合结果更接近高精度传感器值,特征值提取结果更加准确、可靠。关键词:监测数据;多传感器;疏失误差;特征值融合;分批估计;自适应加权中图分类号:,文献标志码:文章编号:(),(,;,;,):,:;引 言目前,长期监测系统在交通、环境、水利、土木工程等诸多领域都得到了大量应用和
3、发展。监测系统采用高频率的实时采集方式能获得监测对象的大数据信息,并且同一位置同一指标通常设置有 个以上的传感器,因此,监测数据结果为多传感器实时大数据。为反映监测对象的工作状态,通常需要将监测数据融合为一个代表值,称为数据特征值。该融合过程称为数据特征值的提取。文献提出了多传感器加权数据状态估计的方法,考虑了传感器精度,减小了数据偏差;文献基于线性最小方差最优融合准则,提出了一种加权融合鲁棒增量 滤波算法;文献利用动态贝叶斯原理,建立贝叶斯数学模型,对数据测试段进推理估计,处理数据异常;文献针对水质监测无线传感网络数据的高精度要求,提出了一种基于支持度函数的数据融合算法,通过对各传感器数据进
4、行一致性检测,采用改进的动态时间弯曲距离对支持度函数进行优化,并采用加权算法完成数据融合,实现了错误数据的校正,获得了高质量融合数据;文献采用 准则检验实测数据,基于传感器自身精度的固定方差和传感器测量时的实际方差,提出了一种优化的自适应最优权值分配方法,实现了传感器数据的空间融合;文献采用给定门限进行一致性检验,利用分批估计自适应加权技术实现了多传感器数据融合;文献通过对实测数据的统计分析,提出了传感器工作状态的实际精度近似计算模型,并在此基础上对多传感器数据进行了自适应加权空间融合;文献基于 的无线传感器网络,提出了节点动态选择的数据融合方法;文献利用分布图法剔除异常数据,通过计算各传感器
5、间的置信距离得出传感器支持度,以支持度最高的传感器数据代替剔除数据进行自适应加权,实现了所有时刻的传感器数据空间融合;文献在群集无线传感器网络中提出一种使用网络编码的自适应数据融合分析方法;文献利用四分位离散度对异常值进行剔除,采用分批估计理论实现了单传感器数据的融合,将传感器支持度作为局部期望权重,将自适应权重作为局部方差权重,对二者加权平均得到综合权重,实现了多传感器数据的融合。可见,在众多的数据融合方法中,自适应加权融合理论因不需任何先验知识且融合结果精度较高等优点,得到广泛的研究和应用,其典型的应用场景:传感器作为频率固定数据源,通过现场采集设备、临时存储设备对数据进行收集,并通过现场
6、通讯设备将数据发送至服务器终端,在终端上采用软件实现数据融合。该场景与监测系统工作模式基本一致,故以自适应加权融合算法为基础探索监测数据特征值提取方法。如前述文献,基于自适应加权的数据融方法已有一定研究成果,但针对长期监测数据,特别是土木工程监测系统,仍有改进的必要。首先,由于监测系统受工作环境、设备耐久性等因素的影响,监测数据不可避免会产生异常值。目前异常值检验方法主要包括 准则检验、门限法、分布图法、引入门限参数的分布图法等。门限方法检验速度最快,但可靠性稍差,特别是门限参数采用主观设置时,缺乏理论依据;准则检验效果较好,但检验过程需查表,影响了检验速度;分布图法需先对数据序列进行排序且计
7、算参数更多,检验速度较慢。因此,对于监测大数据,特别是长期数据,研究兼顾速度与精度的数据预处理方法,具有重要意义。再者,实际工程中的传感器本身可能存在精度差异,客观上应考虑传感器精度对数据融合结果的影响。针对以上问题,为实现监测数据的特征值提取,本文对传感器数据的预处理及时间维、空间维融合方法开展研究。基于时空融合的数据特征值提取过程 监测数据特征值提取的实质为传感器数据在时间维和空间维的融合,简称数据的时空融合。数据特征值提取过程如图 所示。图 数据特征值提取过程 第 期 全恩懋,等:基于自适应加权的多传感器实时数据特征值提取 针对 个传感器时序数据段,(,),数据的时空融合步骤如下。步骤
8、对 进行预处理,剔除异常数据,得到有效数据段;步骤 对 进行时间维融合,将数据序列融合为传感器特征估计值;步骤 计算各传感器的最优权值,对 进行空间维融合,得到监测点的融合特征值?。基于 检验的数据预处理监测数据因为传感器精度、设备安装连接缺陷、周边环境影响、传输过程干扰等常出现一些数据孤立点,该类数据对正常数据的信息必然产生干扰,导致评估结果失真,特别是数据误差较大时,会导致提取的数据特征严重偏离真实值,甚至完全覆盖实际信息。这类孤立点数据称为异常数据,其带来的误差称为疏失误差。目前常用的异常数据剔除方法主要有莱特准则、准则、分布图法以及 准则等。由于 准则的阈值具有很好的动态性,目前较多学
9、者在监测数据处理中都采用 准则,其计算过程如下。若编号为 的传感器某时段时序数据段为,(,),则 的均值和标准差分别为 ()()()令阈值为 ()对超出阈值范围的数据进行剔除,对剩余数据再次计算阈值,迭代剔除异常数据,直到所有数据均满足准则要求。准则的阈值仅依赖样本数据本身,因此检验速度快,但 准则对全局孤立点异常数据较有效,对局部孤立点异常数据缺乏有效的检出率。而 准则能很好地解决该问题,确保消除疏失误差的可靠性,其计算过程如下。时序数据段 ,(,)是服从正态分布的数据集,根据顺序统计原理,可计算 统计量的确切分布。并定义()对于给定的显著水平(可取为、),能查表得到 统计量的临界值(,)。
10、服从正态分布可表达为()式,显然()式代表小概率事件,满足该条件的数据可视为异常,进行剔除。对剩余数据重新计算临界值,判断、剔除异常数据,直到所有数据都满足()式时,则认为对应的数据段 为有效数据段。(,)()(,)()准则保证了异常数据剔除的有效性,但检验过程并非完全依靠样本数据本身,需进行查表,故检验速度较慢。可见 准则精度较低但数据处理速度更快,准则精度较高但数据处理速度较慢。因此,本文提出 检验方法:先采用 准则对数据进行处理,尽量减少查表次数,再对满足 准则的数据采用 准则进行处理,提高检验精度,计算过程如下。)准则检验。步骤 按()式计算 的均值;步骤 按()式计算 的标准差;步骤
11、 按()式计算阈值,并对超出阈值范围的数据进行剔除;步骤 对剩余数据重复运行步骤,迭代剔除异常数据,直到所有数据均满足准则要求,得到初步检验后的时序数据段,若剔除异常数据后,剩余数据数量为,则,(,)。)准则检验。步骤 参照()式计算 的均值;步骤 参照()式计算 的标准差;步骤 按()式计算统计量(,);步骤 给定显著水平,查 检验临界值表得到临界值(,);步骤 满足()式的数据判定为异常数据,进行剔除;步骤 对异常组中的剩余数据重复运行步骤,迭代剔除异常数据,直到所有数据都满足()式时,则认为对应的数据段 为有效数据段,若剩余数据数量为,则 ,(,重 庆 邮 电 大 学 学 报(自然科学版
12、)第 卷,)。基于分批估计的单传感器数据时间维融合 单传感器数据可以认为是等精度时间序列数据,满足正态分布特征,对抽取的时序数据段进行预处理后,得到一致性监测数据序列。对一致性数据序列进行融合,分批估计是一种可靠的方法。根据分批估计理论,传感器时序数据段,(,)为一致性序列,分为 组数据,可采用连续分组或随机分组。为简化计算,值一般取为,即通常情况下划分为 组,采用奇偶分组或前后分组。第 组序列为 ,(,),可计算得到分组数据的平均值和标准差。由于各组数据之前没有相关统计结果,则分批估计前测量结果方差 。设测量方程系数矩阵为 (),测量噪声协方差为,根据文献的推导可得 与 的关系式为()按分批
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 自适应 加权 传感器 实时 数据 特征值 提取 全恩懋
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。