CN113607610B - 一种基于无线传感器网络的连续扩散点源的参数估计方法 - Google Patents
一种基于无线传感器网络的连续扩散点源的参数估计方法 Download PDFInfo
- Publication number
- CN113607610B CN113607610B CN202110632871.5A CN202110632871A CN113607610B CN 113607610 B CN113607610 B CN 113607610B CN 202110632871 A CN202110632871 A CN 202110632871A CN 113607610 B CN113607610 B CN 113607610B
- Authority
- CN
- China
- Prior art keywords
- diffusion
- time
- sampling
- parameter
- source
- 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.)
- Active
Links
- 238000009792 diffusion process Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005070 sampling Methods 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 239000000126 substance Substances 0.000 claims description 6
- 238000004613 tight binding model Methods 0.000 claims description 6
- 230000008929 regeneration Effects 0.000 claims description 5
- 238000011069 regeneration method Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000005316 response function Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 abstract description 2
- 239000003344 environmental pollutant Substances 0.000 abstract description 2
- 231100000719 pollutant Toxicity 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N2015/0042—Investigating dispersion of solids
- G01N2015/0046—Investigating dispersion of solids in gas, e.g. smoke
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种基于无线传感器网络的连续扩散点源的参数估计方法,涉及数据处理领域。参数估计方法包括以下步骤:步骤一:利用传感器进行采样;步骤二:计算加权组合系数;步骤三、对传感器采样值线性组合得到广义测量值;步骤四、根据广义测量值恢复未知参数;步骤五、时间参数估计结果优化。本发明利用有限新息率采样理论,能够以较少的传感器数量进行扩散场采样,并对时间为阶跃函数类型的扩散点源能有效地进行参数估计,为连续时间均匀排放污染物的烟囱等实际情况的参数估计,扩散源定位等提供了理论依据。
Description
技术领域
本发明涉及一种基于无线传感器网络的连续扩散点源的参数估计方法,涉及数据处理领域。
背景技术
随着无线传感技术的发展,利用无线传感器网络进行环境监测也逐渐成为研究热点。将传感器放置在被监测区域的物理场内,并对其数据进行时空采样。在大多数情况下,这些场由著名的偏微分方程驱动,扩散方程是典型的例子。
扩散方程模拟了许多生物和物理现象:流体中温度的变化、疾病流行动态和生物化学物质释放等。虽然用传感器网络获取这些物理现象的时空样本变得越来越普遍,但是由于要想获得扩散场的准确信息,需要很多的传感器进行采样,在硬件实现方面带来了很大的压力,因此为了减小这种压力,引入欠奈奎斯特采样理论。
欠奈奎斯特采样技术,其利用信号的稀疏性能通过较低的采样率采样并完成信号的重构,例如M.vetterii等人提出的有限新息率(Finite Rate ofInnovation,FRI)采样理论。利用信号时域稀疏,将其参数化表示为FRI信号,再用谱估计的方法进行参数重构。由于带限信号的新息率远小于信号的奈奎斯特频率,所以能很大幅度地降低采样速率。而且对于非带限信号,FRI采样理论也能够实现其精确重构。FRI理论实现流程如图1所示。
针对二维空间扩散模型,扩散源类型为非瞬时点源,其强度是随时间成阶跃函数变化的,即匀速排放的烟囱类型,利用无线传感器对扩散场进行采样,再利用FRI方法对扩散源的发生位置,时间和强度参数进行估计,有重要的实际应用意义。
发明内容
本发明的目的在于提出一种基于无线传感器网络的连续扩散点源的参数估计方法,以解决现有技术中存在的获得扩散场的准确信息需要很多传感器采样的问题。
一种基于无线传感器网络的连续扩散点源的参数估计方法,参数估计方法包括以下步骤:
步骤一:利用传感器进行采样;
步骤二:计算加权组合系数;
步骤三、对传感器采样值线性组合得到广义测量值;
步骤四、根据广义测量值恢复未知参数;
步骤五、时间参数估计结果优化。
进一步的,已知,扩散方程如下式:
其中,f表示为源函数,u表示由源函数引起的扩散场,具体含义为在某个位置和时间上的物质体积浓度,μ表示扩散系数,其是由扩散物质和扩散介质的种类及其温度和压力决定,
扩散方程在一定边界条件和初始条件下对应的格林函数为:
其中,d表示空间维度,即x=(x1,x2…xd),H(t)为单位阶跃函数,本发明研究d=2的情况,格林函数表示由单位瞬时点源引起的响应,即系统的冲激响应函数,因此,形成的扩散场函数表示为:
u(x,t)=f(x,t)*g(x,t);
基于上述理论,在步骤一中,具体的,
利用无线传感器对扩散场进行均匀时间和空间均匀采样。传感器的采样值为其中nΔx=(n1Δx1,n2Δx2),n1=0,1,…,N1-1,n2=0,1,…,N2-1,l=0,1,…,L,空间采样间隔为Δx,时间采样间隔为Δt,采样总时长为时间T。
进一步的,在步骤二中,具体的,
计算指数再生核g(x,t)的加权系数cn,l,使得
其中κ=j(k,r/T),k=(k1,k2),根据最小二乘近似,得到
进一步的,在步骤三中,具体的,
根据步骤二和源函数f(x,t)表达式,计算
当r=0时,
进一步的,在步骤四中,具体的,
根据R(k,0),利用谱估计方法恢复出幅度参数am,位置参数ξ1,m,ξ2,m和时间参数τm,令其中bm=am(T-τm),当截止时间为T时,令k1=0时,k2=0,1,…K,其中K≥2M用Prony方法得到bm和ξ2,m;令k2=0时,k1=0,1,…K用Prony方法得到bm和ξ1,m,得到了位置参数和bm后,幅度参数am和时间参数τm的求法如下:
当T=T1时,bm(T1)=am(T1-τm);当T=T2时,bm(T2)=am(T2-τm),所以
bm(T2)-bm(T1)=am(T2-T1),即am=(bm(T2)-bm(T1))/(T2-T1),通过设置两种不同截止时间,利用得到的bm,计算强度am之后,进一步求得时间参数τm。
进一步的,在步骤五中,具体的,
得到了初步估计的源参数之后,利用其重构形成估计的扩散场与实际采样得到的扩散场采样值/>进行比较,做归一化内积,其中/>δτ∈(0,1],选择使归一化内积最大值时的/>值,因为归一化内积最大,代表重构的扩散场和采样得到的扩散场相关性最大,
根据估计的源位置参数,选择离源距离最近的β个传感器,其中,β∈N+,在每个传感器位置上都执行上述操作,对得到的β个值取其均值,即为时间参数τm的最终估计。
本发明的有以下优点:本发明利用有限新息率采样理论,能够以较少的传感器数量进行扩散场采样,并对时间为阶跃函数类型的扩散点源能有效地进行参数估计,为连续时间均匀排放污染物的烟囱等实际情况的参数估计,扩散源定位等提供了理论依据。
附图说明
图1为FRI理论实现流程图;
图2为烟囱位置估计图;
图3为时间和幅度参数估计图,其中,图3的(a)为时间估计;图3的(b)为幅度估计。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
针对二维空间扩散模型,扩散源类型为非瞬时点源,其强度是随时间成阶跃函数变化的,即匀速排放的烟囱类型,利用无线传感器对扩散场进行采样,再利用FRI方法对扩散源的发生位置,时间和强度参数进行估计,有重要的实际应用意义。
扩散方程如下式:
其中,f表示为源函数,u表示由引起的扩散场,具体含义为在某个位置和时间上的物质体积浓度,μ表示扩散系数,通常是由扩散物质和扩散介质的种类及其温度和压力决定的。
扩散方程对应的格林函数:
其中d表示空间维度,即x=(x1,x2…xd),H(t)为单位阶跃函数,本发明研究d=2的情况。格林函数表示由单位瞬时点源引起的响应,即系统的冲激响应函数。因此,形成的扩散场函数可表示为:
u(x,t)=f(x,t)*g(x,t)。
针对匀速排放的烟囱污染源模型,利用无线传感器对扩散形成的场进行采样,要求所有的传感器时间采样是同步的,并且是在同一平面上进行采样,对采样数据进行处理并用FRI方法进行参数恢复,即给定传感器采样值采样位置xn∈Ω(Ω为扩散区域),其中n=1,…,N;采样时间tl∈R+,其中l=0,1,…L,恢复M(M≥1)个扩散源的未知参数。
本发明中的源函数的数学模型为:
其中δ为冲激函数,ε为阶跃函数,am>0,τm>0。扩散场函数u=g*f,利用FRI理论可以看作源函数f(x,t)经过一个采样核g(x,t),这里的采样核为扩散场的格林函数。根据FRI采样理论,可以将g(x,t)作为指数再生核,虽然它不能满足strang-fix原理,但是G(κ+j2πn)随着n的增加而快速衰减,其中为格林函数的拉普拉斯变换。因此,可近似获得指数再生核的组合系数。之后利用FRI采样核重构理论对参数进行恢复即可。
对匀速排放的扩散污染源模型,所述参数估计方法包括以下步骤:
步骤一:利用传感器进行采样
利用无线传感器对扩散场进行均匀时间和空间采样,得到采样值其中nΔx=(n1Δx1,n2Δx2),n1=0,1,…,N1-1,n2=0,1,…,N2-1,l=0,1,…,L,空间采样间隔为Δx,时间采样间隔为Δt,采样总时长为时间T;
步骤二:计算加权组合系数
计算指数再生核g(x,t)的加权系数cn,l,使得
其中κ=j(k,r/T),k=(k1,k2),根据最小二乘近似,得到
步骤三:对传感器采样值线性组合得到广义测量值
根据步骤二和源函数f(x,t)表达式,计算
当r=0时,
步骤四:根据广义测量值恢复未知参数
根据R(k,0),利用谱估计方法恢复出幅度参数am,位置参数ξ1,m,ξ2,m和时间参数τm,令其中bm=am(T-τm),当截止时间为T时,令k1=0时,k2=0,1,…K,其中K≥2M用Prony方法得到bm和ξ2,m;令k2=0时,k1=0,1,…K用Prony方法得到bm和ξ1,m,得到了位置参数和bm后,幅度参数am和时间参数τm的求法如下:
当T=T1时,bm(T1)=am(T1-τm);当T=T2时,bm(T2)=am(T2-τm),所以
bm(T2)-bm(T1)=am(T2-T1),即am=(bm(T2)-bm(T1))/(T2-T1),通过设置两种不同截止时间,利用得到的bm,计算强度am之后,进一步求得时间参数τm;
步骤五:时间参数估计结果优化
得到了初步估计的源参数之后,利用其重构形成估计的扩散场与实际采样得到的扩散场采样值/>进行比较,做归一化内积,其中/>δτ∈(0,1],选择使归一化内积最大值时的/>值,因为归一化内积最大,代表重构的扩散场和采样得到的扩散场相关性最大,
根据估计的源位置参数,选择离源距离最近的β个传感器,其中,β∈N+,在每个传感器位置上都执行上述操作,对得到的β个值取其均值,即为时间参数τm的最终估计。
具体的,引入数据对本发明所述的方法进行实验:
令M=1,参数设置幅度am=100,时间τm=3.5,位置ξm=(0.113,0.213),T1=28,T2=30。当扩散系数μ=7.8e-4,高斯白噪声SNR=20dB时,位置估计结果如图2所示,其中‘x’代表估计结果,‘+’表示实际扩散源的位置,点代表传感器的分布位置。幅度参数和时间参数估计如图2所示。可以看出在噪声较大的情况下,参数估计结果与实际参数设置相差不大,验证了方法的有效性。
以上实施示例只是用于帮助理解本发明的方法及其核心思想,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种基于无线传感器网络的连续扩散点源的参数估计方法,其特征在于,所述参数估计方法包括以下步骤:
步骤一:利用无线传感器进行采样;
步骤二:计算加权组合系数;
步骤三、对无线传感器采样值线性组合得到广义测量值;
步骤四、根据广义测量值恢复未知参数;
步骤五、时间参数估计结果优化;
已知,扩散方程如下式:
其中,f表示为源函数,u表示由源函数引起的扩散场,具体含义为在某个位置和时间上的物质体积浓度,μ表示扩散系数,其是由扩散物质和扩散介质的种类及其温度和压力决定,
所述扩散方程在一定边界条件和初始条件下对应的格林函数为:
其中,d表示空间维度,即x=(x1,x2…xd),H(t)为单位阶跃函数,研究d=2的情况,格林函数表示由单位瞬时点源引起的响应,即系统的冲激响应函数,因此,形成的扩散场函数表示为:
u(x,t)=f(x,t)*g(x,t);
在步骤一中,具体的,
利用无线传感器对扩散场进行均匀时间和空间均匀采样,无线传感器的采样值为其中nΔx=(n1Δx1,n2Δx2),n1=0,1,...,N1-1,n2=0,1,...,N2-1,l=0,1,...,L,空间采样间隔为Δx,时间采样间隔为Δt,采样总时长为时间T;
在步骤二中,具体的,
计算指数再生核g(x,t)的加权系数cn,l,使得
其中κ=j(k,r/T),k=(k1,k2),根据最小二乘近似,得到
在步骤三中,具体的,
根据步骤二和源函数f(x,t)表达式,计算
当r=0时,
在步骤四中,具体的,
根据R(k,0),利用谱估计方法恢复出幅度参数am,位置参数ξ1,m,ξ2,m和时间参数τm,令其中bm=am(T-τm),当截止时间为T时,令k1=0时,k2=0,1,...K,其中K≥2M用Prony方法得到bm和ξ2,m;令k2=0时,k1=0,1,...K用Prony方法得到bm和ξ1,m,得到了位置参数和bm后,幅度参数am和时间参数τm的求法如下:
当T=T1时,bm(T1)=am(T1-τm);当T=T2时,bm(T2)=am(T2-τm),所以
bm(T2)-bm(T1)=am(T2-T1),即am=(bm(T2)-bm(T1))/(T2-T1),通过设置两种不同截止时间,利用得到的bm,计算强度am之后,进一步求得时间参数τm;
在步骤五中,具体的,
得到了初步估计的源参数之后,利用其重构形成估计的扩散场与实际采样得到的扩散场采样值/>进行比较,做归一化内积,其中/>选择使归一化内积最大值时的/>值,因为归一化内积最大,代表重构的扩散场和采样得到的扩散场相关性最大,
根据估计的源位置参数,选择离源距离最近的β个无线传感器,其中,β∈N+,在每个无线传感器位置上都执行同样操作,对得到的β个值取其均值,即为时间参数τm的最终估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110632871.5A CN113607610B (zh) | 2021-06-07 | 2021-06-07 | 一种基于无线传感器网络的连续扩散点源的参数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110632871.5A CN113607610B (zh) | 2021-06-07 | 2021-06-07 | 一种基于无线传感器网络的连续扩散点源的参数估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113607610A CN113607610A (zh) | 2021-11-05 |
CN113607610B true CN113607610B (zh) | 2024-04-05 |
Family
ID=78303446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110632871.5A Active CN113607610B (zh) | 2021-06-07 | 2021-06-07 | 一种基于无线传感器网络的连续扩散点源的参数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113607610B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008001105A1 (en) * | 2006-06-30 | 2008-01-03 | Bae Systems Plc | Sensor system for estimating varying field |
CN105988971A (zh) * | 2015-12-31 | 2016-10-05 | 中国人民解放军后勤工程学院 | 一种基于状态感知的传感器时空采样方法 |
CN108108336A (zh) * | 2016-11-24 | 2018-06-01 | 上海栖芯信息科技有限公司 | 一种面向工业园区的大气污染物溯源方法 |
CN109039720A (zh) * | 2018-07-19 | 2018-12-18 | 杭州电子科技大学 | 一种针对二值传感器网络的参数估计方法 |
CN110377869A (zh) * | 2019-07-26 | 2019-10-25 | 南京信息工程大学 | 一种海洋浮标污染源寻找方法 |
CN111537023A (zh) * | 2020-05-13 | 2020-08-14 | 浙江大学 | 一种工业园区大气污染物扩散模拟与溯源方法 |
CN111820888A (zh) * | 2020-06-30 | 2020-10-27 | 浙江工业大学 | 基于一阶微分vpw模型的心电图ecg信号欠采样方法 |
AU2020103326A4 (en) * | 2020-11-09 | 2021-01-14 | Southwest University | A robust diffusion kernel risk-sensitive loss (d-KRSL) algorithm for asynchronous networks |
CN112395546A (zh) * | 2020-11-27 | 2021-02-23 | 北京理工大学 | 一种基于线性正则域的有限新息率信号降采样与重构方法 |
-
2021
- 2021-06-07 CN CN202110632871.5A patent/CN113607610B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008001105A1 (en) * | 2006-06-30 | 2008-01-03 | Bae Systems Plc | Sensor system for estimating varying field |
CN105988971A (zh) * | 2015-12-31 | 2016-10-05 | 中国人民解放军后勤工程学院 | 一种基于状态感知的传感器时空采样方法 |
CN108108336A (zh) * | 2016-11-24 | 2018-06-01 | 上海栖芯信息科技有限公司 | 一种面向工业园区的大气污染物溯源方法 |
CN109039720A (zh) * | 2018-07-19 | 2018-12-18 | 杭州电子科技大学 | 一种针对二值传感器网络的参数估计方法 |
CN110377869A (zh) * | 2019-07-26 | 2019-10-25 | 南京信息工程大学 | 一种海洋浮标污染源寻找方法 |
CN111537023A (zh) * | 2020-05-13 | 2020-08-14 | 浙江大学 | 一种工业园区大气污染物扩散模拟与溯源方法 |
CN111820888A (zh) * | 2020-06-30 | 2020-10-27 | 浙江工业大学 | 基于一阶微分vpw模型的心电图ecg信号欠采样方法 |
AU2020103326A4 (en) * | 2020-11-09 | 2021-01-14 | Southwest University | A robust diffusion kernel risk-sensitive loss (d-KRSL) algorithm for asynchronous networks |
CN112395546A (zh) * | 2020-11-27 | 2021-02-23 | 北京理工大学 | 一种基于线性正则域的有限新息率信号降采样与重构方法 |
Non-Patent Citations (2)
Title |
---|
利用贝叶斯推理估计二维含源对流扩散方程参数;朱嵩;刘国华;毛根海;程伟平;黄跃飞;;四川大学学报(工程科学版)(第02期);全文 * |
基于有限新息率的非瞬时扩散点源参数估计方法;付宁;《电子与信息学报》;第第44卷卷(第第8期期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113607610A (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abbasbandy et al. | Prediction of multiplicity of solutions of nonlinear boundary value problems: novel application of homotopy analysis method | |
KR101423964B1 (ko) | 분광계의 광 신호 처리 방법 및 그 장치 | |
Ji et al. | A recursive least-squares algorithm for on-line 1-D inverse heat conduction estimation | |
CN107436983B (zh) | 一种基于多元样本差异的o型橡胶密封圈寿命预测方法 | |
CN106897509B (zh) | 一种动态非高斯结构监测数据异常识别方法 | |
US10458843B2 (en) | Spectrometry apparatus and spectrometry method | |
CN111367959B (zh) | 一种零时滞非线性扩展Granger因果分析方法 | |
CN109030548B (zh) | 基于变活化能的聚合物材料热老化寿命评估方法 | |
CN113607610B (zh) | 一种基于无线传感器网络的连续扩散点源的参数估计方法 | |
CN106792799B (zh) | 一种基于贝叶斯网络的移动传感器网络降噪和校准方法 | |
JP2018105659A (ja) | 識別装置、識別システム、学習装置、学習方法、識別プログラム、学習プログラム、記録媒体、及び集積回路 | |
CN110728314B (zh) | 一种大规模免调度系统活跃用户检测方法 | |
CN108507607B (zh) | 一种基于核函数的微弱信号检测方法 | |
Zhang et al. | On cross correlation based-discrete time delay estimation | |
CN109163894B (zh) | 一种基于摩擦温度信号的磨合状态识别方法 | |
Noda | Two-dimensional correlation analysis of unevenly spaced spectral data | |
CN109345041B (zh) | 一种利用威布尔分布与arma结合的设备故障率预测方法 | |
CN116881781A (zh) | 一种运行模态阻尼识别方法、损伤检测方法、系统及设备 | |
CN111950757A (zh) | 旋转机械关键零部件退化状态趋势预测方法 | |
WO2018097197A1 (ja) | 化学センサ測定による試料識別方法、試料識別装置、及び入力パラメータ推定方法 | |
CN114792053A (zh) | 一种基于初值-速率相关退化模型的可靠性评估方法 | |
CN106330361B (zh) | 基于图连通性分析的弱信号检测方法 | |
CN110895625A (zh) | 性能退化产品可靠度置信区间估计数值仿真方法 | |
Chen et al. | Inverse problem of estimating interface conductance between periodically contacting surfaces using the weighting input estimation method | |
Chang et al. | Application of fault monitoring and diagnosis in process industry based on fourth order moment and singular value decomposition |
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 |