CN104268422A - 一种采用最近邻算法的超声波距离传感器阵列误差修正方法 - Google Patents
一种采用最近邻算法的超声波距离传感器阵列误差修正方法 Download PDFInfo
- Publication number
- CN104268422A CN104268422A CN201410531812.9A CN201410531812A CN104268422A CN 104268422 A CN104268422 A CN 104268422A CN 201410531812 A CN201410531812 A CN 201410531812A CN 104268422 A CN104268422 A CN 104268422A
- Authority
- CN
- China
- Prior art keywords
- sensors
- sensor array
- measured value
- algorithm
- adjacent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种采用最近邻算法的超声波距离传感器阵列误差修正方法,传感器阵列采用多个同性质的传感器或者多个种类的传感器对同一物体进行测试,并对该传感器阵列的测试数据进行算法处理,得到最优的测试结果。针对超声波距离传感器阵列的误差修正实现,提出了相邻算法的误差修正方法。基本思想是如果在某一时刻,检测出某一个传感器Xi故障,那么利用相邻算法找到距离Xi最近的正常相邻传感器集合,利用相邻传感器集合的测量值估算传感器Xi的测量值。
Description
技术领域
本发明涉及计算机传感器测量控制技术领域, 具体地说是一种采用最近邻算法的超声波距离传感器阵列误差修正方法。
背景技术
超声波距离传感器阵列是基于超声波技术的应用发展起来的一种有力的距离测量手段,其由一系列传感单元组成,通过各传感单元对目标响应后产生的测量数据进行算法处理,实现对目标距离的精确测量,尤其对精密微小目标的距离测量具有突出优势。
最近相邻 (Nearest Neighbour) 算法是一个理论上比较成熟的算法。该算法的思路是:如果一个样本在特征空间中的k个最近似的样本中的大多数属于某一个类别,则该样本也属于这个类别。最近相邻算法虽然从原理上也依赖于极限定理,但在类别决策时,只与极少量的相邻样本有关。
如何选择一个最佳的k值取决于数据。一般情况下,在分类时较大的k值能够减少噪声的影响,但会使类别之间的界限变得模糊。一个好的k值能通过各种启发式技术来获取,比如交叉验证。噪声和非相关性特征向量的存在会使相邻算法的准确性减少。可以利用训练样本的互信息进行选择特征。
发明内容
本发明的目的是提供一种采用最近邻算法的超声波距离传感器阵列误差修正方法。
本发明的目的是按以下方式实现的,在某一时刻,检测出某一个传感器 xi 故障,那么利用相邻算法找到距离 xi 最近的正常相邻传感器集合 ,利用相邻传感器集合的测量值估算传感器 xi的测量值,具体步骤如下:
(1)学习模式,获取相邻标准差矩阵;
在学习模式中,根据精确值与测试数据流,得到误差向量。利用数据处理中心的最近相邻算法处理,得到相邻标准差矩阵;
(2)操作模式:
在操作模式中,如果检测出某一个传感器发送故障,利用学习模式得到的相邻标准差矩阵,结合该故障传感器的相邻传感器集合的测量值,来估计出该故障传感器的测量值。
本发明的目的有益效果是:在某一时刻,检测出某一个传感器 xi 故障,那么利用相邻算法找到距离 xi 最近的正常相邻传感器集合,利用相邻传感器集合的测量值估算传感器 xi的测量值,方法简单有效。
附图说明
图1是相邻算法示意图。
具体实施方式
参照说明书附图对本发明的一种采用最近邻算法的超声波距离传感器阵列误差修正方法作以下详细地说明。
本发明的一种采用最近邻算法的超声波距离传感器阵列误差修正方法是在某一时刻,检测出某一个传感器 xi 故障,那么利用相邻算法找到距离 xi 最近的正常相邻传感器集合,利用相邻传感器集合的测量值估算传感器 xi的测量值,具体步骤如下:
(1)学习模式,获取相邻标准差矩阵:
在学习模式中,根据精确值与测试数据流,得到误差向量。利用数据处理中心的最近相邻算法处理,得到相邻标准差矩阵;
(2)操作模式:
在操作模式中,如果检测出某一个传感器发送故障,利用学习模式得到的相邻标准差矩阵,结合该故障传感器的相邻传感器集合的测量值,来估计出该故障传感器的测量值。
除说明书所述的技术特征外,均为本专业技术人员的已知技术。
Claims (1)
1.一种采用最近邻算法的超声波距离传感器阵列误差修正方法, 其特征在于,在某一时刻,检测出某一个传感器 xi 故障,那么利用相邻算法找到距离 xi 最近的正常相邻传感器集合 ,利用相邻传感器集合的测量值估算传感器 xi的测量值,具体步骤如下:
(1)学习模式,获取相邻标准差矩阵;
在学习模式中,根据精确值与测试数据流,得到误差向量,利用数据处理中心的最近相邻算法处理,得到相邻标准差矩阵;
(2)操作模式,
在操作模式中,如果检测出某一个传感器发送故障,利用学习模式得到的相邻标准差矩阵,结合该故障传感器的相邻传感器集合的测量值,来估计出该故障传感器的测量值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410531812.9A CN104268422A (zh) | 2014-10-10 | 2014-10-10 | 一种采用最近邻算法的超声波距离传感器阵列误差修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410531812.9A CN104268422A (zh) | 2014-10-10 | 2014-10-10 | 一种采用最近邻算法的超声波距离传感器阵列误差修正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104268422A true CN104268422A (zh) | 2015-01-07 |
Family
ID=52159943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410531812.9A Pending CN104268422A (zh) | 2014-10-10 | 2014-10-10 | 一种采用最近邻算法的超声波距离传感器阵列误差修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104268422A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650239A (zh) * | 2016-11-17 | 2017-05-10 | 清华大学 | 基于气候区的台站降水观测误差修订方法及系统 |
CN107830567A (zh) * | 2017-11-29 | 2018-03-23 | 王全龄 | 一种城市大气雾霾治理系统 |
CN111858111A (zh) * | 2019-04-25 | 2020-10-30 | 伊姆西Ip控股有限责任公司 | 数据分析的方法、设备和计算机程序产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050273193A1 (en) * | 2004-06-03 | 2005-12-08 | The Procter & Gamble Company | Method of controlling the winding of a roll of web material |
CN101276435A (zh) * | 2007-03-27 | 2008-10-01 | 西门子公司 | 计算机辅助处理在传感器网络中检测到的测量值的方法 |
CN101413806A (zh) * | 2008-11-07 | 2009-04-22 | 湖南大学 | 一种实时数据融合的移动机器人栅格地图创建方法 |
CN103105611A (zh) * | 2013-01-16 | 2013-05-15 | 广东工业大学 | 一种分布式多传感器智能信息融合方法 |
CN103499921A (zh) * | 2013-09-11 | 2014-01-08 | 西安交通大学 | 变结构模糊系统传感器故障诊断方法及其在飞控系统的应用 |
-
2014
- 2014-10-10 CN CN201410531812.9A patent/CN104268422A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050273193A1 (en) * | 2004-06-03 | 2005-12-08 | The Procter & Gamble Company | Method of controlling the winding of a roll of web material |
CN101276435A (zh) * | 2007-03-27 | 2008-10-01 | 西门子公司 | 计算机辅助处理在传感器网络中检测到的测量值的方法 |
CN101413806A (zh) * | 2008-11-07 | 2009-04-22 | 湖南大学 | 一种实时数据融合的移动机器人栅格地图创建方法 |
CN103105611A (zh) * | 2013-01-16 | 2013-05-15 | 广东工业大学 | 一种分布式多传感器智能信息融合方法 |
CN103499921A (zh) * | 2013-09-11 | 2014-01-08 | 西安交通大学 | 变结构模糊系统传感器故障诊断方法及其在飞控系统的应用 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650239A (zh) * | 2016-11-17 | 2017-05-10 | 清华大学 | 基于气候区的台站降水观测误差修订方法及系统 |
CN106650239B (zh) * | 2016-11-17 | 2019-04-05 | 清华大学 | 基于气候区的台站降水观测误差修订方法及系统 |
CN107830567A (zh) * | 2017-11-29 | 2018-03-23 | 王全龄 | 一种城市大气雾霾治理系统 |
CN111858111A (zh) * | 2019-04-25 | 2020-10-30 | 伊姆西Ip控股有限责任公司 | 数据分析的方法、设备和计算机程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6405778B2 (ja) | 対象追跡方法及び対象追跡装置 | |
JP2015524977A5 (zh) | ||
RU2011129298A (ru) | Идентификация отказов в авиационном двигателе | |
JP2010520780A5 (zh) | ||
CN103776480A (zh) | 基于多次移动平均的微小故障检测方法和装置 | |
US9075476B2 (en) | Touch sensing methods comprising comparison of a detected profile form of a sensing curve with predetermined profile forms and devices thereof | |
US9842452B2 (en) | Banknote jam determination system and method | |
US11341124B2 (en) | Missing data compensation method, missing data compensation system, and non-transitory computer-readable medium | |
CN104268422A (zh) | 一种采用最近邻算法的超声波距离传感器阵列误差修正方法 | |
CN101769900B (zh) | 声发射储罐罐底腐蚀检测中声源的定位方法 | |
JP2014502393A5 (zh) | ||
KR101645605B1 (ko) | 패턴 인식을 이용한 평판 구조물의 결함 위치 탐지 방법 및 그 장치 | |
CN105354913A (zh) | 一种检测纸币的方法及装置 | |
WO2015065375A1 (en) | Signal space based navigation | |
CN115451968A (zh) | 智能驾驶的多传感器同步融合方法和装置 | |
Lin et al. | Mobile robot self-localizationusing visual odometry based on ceiling vision | |
Zhang et al. | Cooperative sensor anomaly detection using global information | |
CN107703911B (zh) | 一种不确定系统的可诊断性分析方法 | |
CN103971362A (zh) | 基于直方图和精英遗传聚类算法的sar图像变化检测 | |
CN103778350B (zh) | 基于二维统计模型的体细胞拷贝数变异显著性检测方法 | |
KR101726677B1 (ko) | 무선 센서 네트워크 장치 및 그 제어방법 | |
JP2013546084A5 (zh) | ||
US9746961B2 (en) | Background signal processing system and background signal processing method | |
CN106772672A (zh) | 一种水下物体的检测方法及装置 | |
CN106127182B (zh) | 基于倾斜角的两被动传感器多干扰源定位去鬼点方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150107 |
|
WD01 | Invention patent application deemed withdrawn after publication |