CN110987875A - 一种基于支持度和信任度进行空间融合的水质浊度检测方法 - Google Patents

一种基于支持度和信任度进行空间融合的水质浊度检测方法 Download PDF

Info

Publication number
CN110987875A
CN110987875A CN201911347973.1A CN201911347973A CN110987875A CN 110987875 A CN110987875 A CN 110987875A CN 201911347973 A CN201911347973 A CN 201911347973A CN 110987875 A CN110987875 A CN 110987875A
Authority
CN
China
Prior art keywords
sampling
support
points
period
degree
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.)
Granted
Application number
CN201911347973.1A
Other languages
English (en)
Other versions
CN110987875B (zh
Inventor
李庆铁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Lanchang Automation Technology Co ltd
Original Assignee
Shanghai Lanchang Automation Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Lanchang Automation Technology Co ltd filed Critical Shanghai Lanchang Automation Technology Co ltd
Priority to CN201911347973.1A priority Critical patent/CN110987875B/zh
Publication of CN110987875A publication Critical patent/CN110987875A/zh
Application granted granted Critical
Publication of CN110987875B publication Critical patent/CN110987875B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/20—Controlling water pollution; Waste water treatment

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Separation Of Suspended Particles By Flocculating Agents (AREA)

Abstract

本发明提供一种基于支持度和信任度进行空间融合的水质浊度检测方法，该方法包括以下步骤：S1、布置水质浊度检测传感器；S2、对于任一采样周期内传感器各采样点的数据，获取平均支持度；S3、计算采样点之间的信任度；S4、进行空间融合，获取空间融合值作为测量值输出。本发明在空间角度上，使用支持度进行各传感器电信号的剔除，然后按照最小化总体融合方差的思想，对各节点进行基于信任度的数值融合，有效提高了数据处理的精度。

Description

一种基于支持度和信任度进行空间融合的水质浊度检测方法
技术领域
本发明属于传感器信号处理领域，尤其是一种基于支持度和信任度进行空间融合的水质浊度检测方法，具体地说是通过多个光电传感器同时获取数据，对多个同类型传感器数据进行空间融合，降低传感器采样的噪声，实现高精度水质浊度检测的方法。
背景技术
传感器是一种检测装置，能够感受被测量的信息，同时按照一定的规律将该信息转换为电信号或其他形式的信号输出。由于传感器的检测到数值输出是通过电路完成的，不可避免会有一定的延时。半导体元器件本身易受温度影响，在被检测量保持不变的情况下，会发生漂移现象。在被检测量自身具有较大波动的情形下，输入量从小到大、从大到小变化特征曲线有不重合的现象。尽管在低精度的使用中，这些问题可以通过简单的数值计算手段进行拟合，但随着系统设计的复杂程度增加，涉及元器件变多，为了追求更高的测量精度，必须要采取一定的手段，优化传感器原始数据的处理方法，获取高精度的真实值估计。
水处理效果评价指标包括：色度、浑浊度、臭和味、余氯、化学需氧量、细菌总数、总大肠杆菌群、耐热大肠菌群、酸碱度、水硬度、水温、挥发性酚类、生物需氧量、总悬浮物固体、总磷、总氮、石油类、溶解氧、总有机碳、总需氧量、氯化物、溶解性总固体、镉、铅、铝、铜、锌、锰、铁、氨氮。其中，水质浊度是水体光学性质的一种特征参数，是考核水处理效果的重要依据。浊度分析方式分为透射、散射两种基本方式。现实中，也有采用两种方法结合的形式。散射方式相较于透射方式，具有灵敏度高、检出限低的特点。但散射方式也存在检测结果易受外界因素的干扰的问题，比如水中较大颗粒的阻挡、管道中的气泡。透射式基本原理可以通过Lambert-Beer law进行描述，该定律的一种应用场景是分光光度计。在传感器的实际生产中，基于透射原理需要一个较大的感光器件，同时对液体流经通道的透光性有一定的要求，需要经常进行仪器的清洁保养。对感光元件的布置限制较大，当光路中出现较大的遮蔽物时，数据的输出将变得难以确定。
为此，基于散射原理的浊度分析方式体现出其优越性。在液体通道的侧壁安装多组光电传感器，借助数据相关性等手段，进行数据的融合、处理，可以有效改善水质浊度传感器的检测性能。现有的数据处理手段包括有如下几种：
滑动窗口平均。通过设置一个固定的窗口大小，将窗口内的数据进行平均求值。这种方法可以平滑高频采样时的数据波动。但是对真实值的估计偏差较大，无法反应系统高频情况下的细微波动，同时灵敏度与窗口大小相关，系统响应延迟严重。
修改物理量与传感器电信号的映射关系。在大量程范围情况下，水质浊度与散射光强度不能近似为线性关系。通过分析Lambert-Beer law，将该转换曲线转分散为多段线性方程，可以相应地提高物理量的真实值估计精度。
使用Kalman filter进行数据的拟合。Kalman filter是以最小均方根误差为估计的准则，认为传感器的系统误差、偶然误差在短时间内保持不变，测量值服从高斯正态分布，使用Kalman增益进行下一时间点的测量期望预测，然后再下一个时间点，结合采样数据的期望、方差，融合预测和实测高斯分布，获取对下一时间点的真实值修正。
由于传感器设计思路的问题，上述处理方法并不适用于多采样点高精度检测的问题。
发明内容
本发明的目的是针对多采样点高精度检测的问题，提出一种基于支持度和信任度进行空间融合的水质浊度检测方法，在检测的精度和灵敏度之间取舍，利用多点数据拟合，空间数据滤波的手段，保证水质浊度传感器的检测精度，同时在算法层面增强传感器的抗干扰能力。
本发明的技术方案是：
本发明提供一种基于支持度和信任度进行空间融合的水质浊度检测方法，该方法包括以下步骤：
S1、布置水质浊度检测传感器，对待测区域的水质进行检测，所述的水质浊度检测传感器具有若干个光电二极管，各光电二极管作为采样点，按照固定的采样周期T，获取采样数据Xi(m)发送至处理器；其中，i是光电二极管即采样点的编号，i＝1、2...n；n表示采样点的总数；Xi表示采样点i在当前采样周期内获取的采样序列；m表示当前采样周期内所采样本的编号；m＝1、2...k；k表示当前周期内的样本总数；
S2、在处理器中，对于任一采样周期内各采样点的数据，采用基于支持度的方法进行预处理，获取各采样点的平均支持度mi；
S3、对于任一采样周期内各采样点的数据，计算采样点之间的信任度Wi；
S4、对各采样点的数据进行空间融合，获取对应时刻所有采样点数据的空间融合值
Figure BDA0002333920800000031
和融合方差
Figure BDA0002333920800000032
S5、对所有采样点数据进行时间上的滤波修正，获取修正系数
Figure BDA0002333920800000033
和修正方差
Figure BDA0002333920800000034
采用修正系数对前述空间融合值进行校正，获取时间融合后的测量值R(t)。
进一步地，所述的水质浊度检测传感器具有4～8个光电二极管，前述光电二极管轴对称布置。
进一步地，所述的水质浊度检测传感器采用测量液体散射光强度计算水质浊度为原理的传感器。
进一步地，步骤S2具体为：
S2-1、定义支持度函数，对于同一时刻任意两采样点对应编号的样本，计算两采样点之间的支持度sup(Xi(k),Xj(k))，记为si,j；
Figure BDA0002333920800000035
其中：i,j表示光电二极管即采样点的编号，i、j∈(1，n)；n表示采样点的总数；Xi(k),Xj(k)分别表示光电二极管当前采样周期内采样序列的第k个样本值；k表示当前周期内的样本总数；
Figure BDA0002333920800000036
分别表示采样点i,j在当前采样周期内获取的采样样本的方差；S2-2、按照步骤S2-1遍历所有采样点，计算两两采样点之间的支持度，获得n阶支持度矩阵S：
Figure BDA0002333920800000037
S2-3、对于各采样点，分别获取其他采样点对该采样点的支持度，遍历所有采样点，获取支持度向量SS：
Figure BDA0002333920800000038
其中：S是S2-2中获取的n阶支持度矩阵，(1,...,1)T是一个n×1的全1向量，diag(S)取矩阵S主对角线元素构成的n×1的向量；
S2-4、采用下述公式获取支持度平均向量
Figure BDA0002333920800000039
Figure BDA00023339208000000310
其中：msi表示采样点i的平均支持度。
进一步地，步骤S3具体为：对于各采样点，采用下述公式计算采样点之间的信任度Wi；
Figure BDA0002333920800000041
其中：i表示采样点的编号，i＝1、2...n；Xi表示采样点i在当前采样周期内获取的采样序列；m表示当前采样周期内所采样本的编号；m＝1、2...k；k表示当前周期内的样本总数；Xi(m)表示采样点i在采样周期内所获取的第m个样本值；
Figure BDA0002333920800000042
代表当前采样周期内所有采样点第m次采样的期望。
进一步地，步骤S4具体为：
S4-1、采用下述公式获取各采样点的信任关系值vi：
Figure BDA0002333920800000043
其中：Wi是采样点i的信任度，msi是采样点i的平均支持度。
S4-2、在t时刻，对所有采样点的采样数据进行空间融合，得到t时刻所有采样点数据融合后的测量值
Figure BDA0002333920800000044
Figure BDA0002333920800000045
其中：Xi(k)表示采样点i在t时刻对应采样周期内的第k个即最后一个采样数据。
本发明的有益效果：
本发明在空间角度上，使用支持度进行各传感器电信号的剔除，然后按照最小化总体融合方差的思想，对各节点进行基于信任度的数值融合，有效提高了数据处理的精度。
本发明的其它特征和优点将在随后具体实施方式部分予以详细说明。
具体实施方式
下面将更详细地描述本发明的优选实施方式。虽然描述了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
本发明提供一种基于支持度和信任度进行空间融合的水质浊度检测方法，该方法包括以下步骤：
S1、布置水质浊度检测传感器，对待测区域的水质进行检测，所述的水质浊度检测传感器具有若干个光电二极管，各光电二极管作为采样点，按照固定的采样周期T，获取采样数据Xi(m)发送至处理器；其中，i是光电二极管即采样点的编号，i＝1、2...n；n表示采样点的总数；Xi表示采样点i在当前采样周期内获取的采样序列；m表示当前采样周期内所采样本的编号；m＝1、2...k；k表示当前周期内的样本总数；
所述的水质浊度检测传感器具有4～8个光电二极管，前述光电二极管轴对称布置；前述传感器采用测量液体散射光强度计算水质浊度为原理的传感器。
S2、在处理器中，对于任一采样周期内各采样点的数据，采用基于支持度的方法进行预处理，获取各采样点的平均支持度mi，用于滤除偏离采样数据群体的个别数据，具体包括：
S2-1、定义支持度函数，对于同一时刻任意两采样点对应编号的样本，计算两采样点之间的支持度sup(Xi(k),Xj(k))，记为si,j；
Figure BDA0002333920800000051
其中：i,j表示光电二极管即采样点的编号，i、j∈(1，n)；n表示采样点的总数；Xi(k),Xj(k)分别表示光电二极管当前采样周期内采样序列的第k个样本值；k表示当前周期内的样本总数；
Figure BDA0002333920800000052
分别表示采样点i,j在当前采样周期内获取的采样样本的方差；
S2-2、按照步骤S2-1遍历所有采样点，计算两两采样点之间的支持度，获得n阶支持度矩阵S：
Figure BDA0002333920800000053
S2-3、对于各采样点，分别获取其他采样点对该采样点的支持度，遍历所有采样点，获取支持度向量SS：
Figure BDA0002333920800000054
其中：S是S2-2中获取的n阶支持度矩阵，(1,...,1)T是一个n×1的全1向量，diag(S)取矩阵S主对角线元素构成的n×1的向量；
S2-4、采用下述公式获取支持度平均向量
Figure BDA0002333920800000055
Figure BDA0002333920800000056
其中：msi表示采样点i的平均支持度。
S3、对于任一采样周期内各采样点的数据，计算采样点之间的信任度Wi；
Figure BDA0002333920800000061
其中：i表示采样点的编号，i＝1、2...n；Xi表示采样点i在当前采样周期内获取的采样序列；m表示当前采样周期内所采样本的编号；m＝1、2...k；k表示当前周期内的样本总数；Xi(m)表示采样点i在采样周期内所获取的第m个样本值；
Figure BDA0002333920800000062
代表当前采样周期内所有采样点第m次采样的期望。
S4、对各采样点的数据进行空间融合，获取对应时刻所有采样点数据的空间融合值
Figure BDA0002333920800000063
和融合方差
Figure BDA0002333920800000064
空间上的滤波修正具体指基于支持度度量、异常值剔除、自适应加权的比例平均融合方法，实现在一个时刻内对不同位置采样点进行数值融合；
S4-1、采用下述公式获取各采样点的信任关系值vi：
Figure BDA0002333920800000065
其中：Wi是采样点i的信任度，msi是采样点i的平均支持度。
S4-2、在t时刻，对所有采样点的采样数据进行空间融合，得到t时刻所有采样点数据的空间融合值
Figure BDA0002333920800000066
作为最终结果输出：
Figure BDA0002333920800000067
其中：Xi(k)表示采样点i在t时刻对应采样周期内的第k个即最后一个采样数据。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

Claims (6)

1.一种基于支持度和信任度进行空间融合的水质浊度检测方法，其特征在于，该方法包括以下步骤：
S1、布置水质浊度检测传感器，对待测区域的水质进行检测，所述的水质浊度检测传感器具有若干个光电二极管，各光电二极管作为采样点，按照固定的采样周期T，获取采样数据vi(m)发送至处理器；其中，i是光电二极管即采样点的编号，i＝1、2...n；n表示采样点的总数；Xi表示采样点i在当前采样周期内获取的采样序列；m表示当前采样周期内所采样本的编号；m＝1、2...k；k表示当前周期内的样本总数；
S2、在处理器中，对于任一采样周期内各采样点的数据，采用基于支持度的方法进行预处理，获取各采样点的平均支持度mi；
S3、对于任一采样周期内各采样点的数据，计算采样点之间的信任度Wi；
S4、对各采样点的数据进行空间融合，获取对应时刻融合后的测量值
Figure FDA0002333920790000011
2.根据权利要求1所述的基于支持度和信任度进行空间融合的水质浊度检测方法，其特征在于，所述的水质浊度检测传感器具有4～8个光电二极管，前述光电二极管轴对称布置。
3.根据权利要求1所述的基于支持度和信任度进行空间融合的水质浊度检测方法，其特征在于，所述的水质浊度检测传感器采用测量液体散射光强度计算水质浊度为原理的传感器。
4.根据权利要求1所述的基于支持度和信任度进行空间融合的水质浊度检测方法，其特征在于，步骤S2具体为：
S2-1、定义支持度函数，对于同一时刻任意两采样点对应编号的样本，计算两采样点之间的支持度sup(Xi(k)，Xj(k))，记为si，j；
Figure FDA0002333920790000012
其中：i，j表示光电二极管即采样点的编号，i、j∈(1，n)；n表示采样点的总数；Xi(k)，Xj(k)分别表示光电二极管当前采样周期内采样序列的第k个样本值；k表示当前周期内的样本总数；
Figure FDA0002333920790000013
分别表示采样点i，j在当前采样周期内获取的采样样本的方差；
S2-2、按照步骤S2-1遍历所有采样点，计算两两采样点之间的支持度，获得n阶支持度矩阵S：
Figure FDA0002333920790000021
S2-3、对于各采样点，分别获取其他采样点对该采样点的支持度，遍历所有采样点，获取支持度向量SS：
Figure FDA0002333920790000022
其中：S是S2-2中获取的n阶支持度矩阵，(1，...，1)T是一个n×1的全1向量，diag(S)取矩阵S主对角线元素构成的n×1的向量；
S2-4、采用下述公式获取支持度平均向量
Figure FDA0002333920790000023
Figure FDA0002333920790000024
其中：msi表示采样点i的平均支持度。
5.根据权利要求1所述的基于支持度和信任度进行空间融合的水质浊度检测方法，其特征在于，步骤S3具体为：对于各采样点，采用下述公式计算采样点之间的信任度Wi；
Figure FDA0002333920790000025
其中：i表示采样点的编号，i＝1、2...n；Xi表示采样点i在当前采样周期内获取的采样序列；m表示当前采样周期内所采样本的编号；m＝1、2...k；k表示当前周期内的样本总数；Xi(m)表示采样点i在采样周期内所获取的第m个样本值；
Figure FDA0002333920790000026
代表当前采样周期内所有采样点第m次采样的期望。
6.根据权利要求1所述的基于支持度和信任度进行空间融合的水质浊度检测方法，其特征在于，步骤S4具体为：
S4-1、采用下述公式获取各采样点的信任关系值vi：
Figure FDA0002333920790000027
其中：Wi是采样点i的信任度，msi是采样点i的平均支持度；。
S4-2、在t时刻，对所有采样点的采样数据进行空间融合，得到t时刻所有采样点数据融合后的测量值
Figure FDA0002333920790000028
Figure FDA0002333920790000029
其中：Xi(k)表示采样点i在t时刻对应采样周期内的第k个即最后一个采样数据。
CN201911347973.1A 2019-12-24 2019-12-24 一种基于支持度和信任度进行空间融合的水质浊度检测方法 Active CN110987875B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911347973.1A CN110987875B (zh) 2019-12-24 2019-12-24 一种基于支持度和信任度进行空间融合的水质浊度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911347973.1A CN110987875B (zh) 2019-12-24 2019-12-24 一种基于支持度和信任度进行空间融合的水质浊度检测方法

Publications (2)

Publication Number Publication Date
CN110987875A true CN110987875A (zh) 2020-04-10
CN110987875B CN110987875B (zh) 2022-08-12

Family

ID=70074848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911347973.1A Active CN110987875B (zh) 2019-12-24 2019-12-24 一种基于支持度和信任度进行空间融合的水质浊度检测方法

Country Status (1)

Country Link
CN (1) CN110987875B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114578011A (zh) * 2022-03-07 2022-06-03 上海蓝长科技集团有限公司 一种基于多传感器多源数据融合的水质监测方法
CN115496135A (zh) * 2022-09-14 2022-12-20 上海熊猫机械(集团)有限公司 一种浊度传感器的智能纠偏方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306206A (zh) * 2011-07-18 2012-01-04 福州大学 自适应一致性数据融合方法
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
CN105466928A (zh) * 2015-11-17 2016-04-06 重庆市科学技术研究院 一种浊度传感器的标定处理方法
CN105792110A (zh) * 2016-03-30 2016-07-20 上海申腾信息技术有限公司 一种多数据来源的数据融合、智能搜索的处理方法
CN106778883A (zh) * 2016-12-23 2017-05-31 贵州电网有限责任公司电力科学研究院 一种基于模糊集合的证据理论智能巡检信息融合方法
CN107421918A (zh) * 2017-07-17 2017-12-01 佛山市顺德区美的洗涤电器制造有限公司 测量浊度的方法及装置、洗碗机、存储介质
CN108875823A (zh) * 2018-06-12 2018-11-23 吉林大学 基于新的证据衡量标准下证据的组合方法
CN109813857A (zh) * 2019-03-08 2019-05-28 新昌县以琳环保科技有限公司 基于物联网水质监测系统监测方法
CN110553678A (zh) * 2019-08-26 2019-12-10 广州供电局有限公司 多传感器系统检测方法、装置、计算机设备和存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306206A (zh) * 2011-07-18 2012-01-04 福州大学 自适应一致性数据融合方法
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
CN105466928A (zh) * 2015-11-17 2016-04-06 重庆市科学技术研究院 一种浊度传感器的标定处理方法
CN105792110A (zh) * 2016-03-30 2016-07-20 上海申腾信息技术有限公司 一种多数据来源的数据融合、智能搜索的处理方法
CN106778883A (zh) * 2016-12-23 2017-05-31 贵州电网有限责任公司电力科学研究院 一种基于模糊集合的证据理论智能巡检信息融合方法
CN107421918A (zh) * 2017-07-17 2017-12-01 佛山市顺德区美的洗涤电器制造有限公司 测量浊度的方法及装置、洗碗机、存储介质
CN108875823A (zh) * 2018-06-12 2018-11-23 吉林大学 基于新的证据衡量标准下证据的组合方法
CN109813857A (zh) * 2019-03-08 2019-05-28 新昌县以琳环保科技有限公司 基于物联网水质监测系统监测方法
CN110553678A (zh) * 2019-08-26 2019-12-10 广州供电局有限公司 多传感器系统检测方法、装置、计算机设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙勇 等: "基于支持度的多传感器一致可靠性融合", 《传感技术学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114578011A (zh) * 2022-03-07 2022-06-03 上海蓝长科技集团有限公司 一种基于多传感器多源数据融合的水质监测方法
CN115496135A (zh) * 2022-09-14 2022-12-20 上海熊猫机械(集团)有限公司 一种浊度传感器的智能纠偏方法

Also Published As

Publication number Publication date
CN110987875B (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN110987875B (zh) 一种基于支持度和信任度进行空间融合的水质浊度检测方法
CN106644974B (zh) 一种水质检测装置及其检测方法
CN106197612B (zh) 一种基于机器视觉的透明瓶装液位检测方法
CN106769937B (zh) 一种光谱数据处理方法
CN109272520B (zh) 一种联合运动指导与边缘检测的自适应红外焦平面非均匀校正方法
KR20180122403A (ko) 다변수 수질 모니터링을 위한 광학 질산염 센서 보상 알고리즘
CN106706852A (zh) 一种气体浓度传感器的标定方法和系统
CN108154479A (zh) 一种对遥感图像进行图像校正的方法
CN103472114B (zh) 带补偿功能的多通道isfet传感器读出电路
CN107976255B (zh) 一种红外探测器非均匀性校正系数的修正方法及装置
CN106018223A (zh) 一种分段最优标定提高空气质量检测设备测量精度的方法
CN115839927A (zh) 一种基于非线性方程组解法的气体间浓度干扰补偿修正方法
CN211877766U (zh) 一种基于红外摄像的水体浊度测量装置
CN114235726B (zh) 微流控总氮浓度检测的数据处理方法、系统、设备及介质
CN108809272B (zh) 多项式卡尔曼滤波方法及滤波器
CN114526831A (zh) 一种露点霜点温度传感器及其测量方法
CN109725188B (zh) 一种电流测量方法和装置
CN107860764A (zh) 一种发射光谱背景动态校正的方法
CN111723340A (zh) 光纤相位解调中偏振诱导衰落导致相位跳变修正方法
CN111504963B (zh) 一种应用于叶绿素、蓝绿藻荧光检测的数据时空融合方法
CN116183036A (zh) 一种偏振遥感器短波红外波段背景辐射响应校正方法
Batinić et al. Implementation and signal processing of colorimetric probe
CN112836166B (zh) 基于响应峰分析的等间采样实验监测数据一阶微分算法
CN112540050B (zh) 一种水质检测仪及其检测方法
CN108828170B (zh) 一种具有多协议输出的海水养殖溶解氧浓度采集装置及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant