CN113659961B - 一种应用于二氧化碳传感器的滤波算法 - Google Patents

一种应用于二氧化碳传感器的滤波算法 Download PDF

Info

Publication number
CN113659961B
CN113659961B CN202110811188.8A CN202110811188A CN113659961B CN 113659961 B CN113659961 B CN 113659961B CN 202110811188 A CN202110811188 A CN 202110811188A CN 113659961 B CN113659961 B CN 113659961B
Authority
CN
China
Prior art keywords
sampling
filtering
result
last
value
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
Application number
CN202110811188.8A
Other languages
English (en)
Other versions
CN113659961A (zh
Inventor
邓自强
谷文
杨晓露
赵雷磊
李威
张飞
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.)
Guangdong Mainengxin Technology Co ltd
Original Assignee
Guangdong Mainengxin 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 Guangdong Mainengxin Technology Co ltd filed Critical Guangdong Mainengxin Technology Co ltd
Priority to CN202110811188.8A priority Critical patent/CN113659961B/zh
Publication of CN113659961A publication Critical patent/CN113659961A/zh
Application granted granted Critical
Publication of CN113659961B publication Critical patent/CN113659961B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H17/02—Frequency selective networks
    • H03H17/0248—Filters characterised by a particular frequency response or filtering method
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供了一种应用于二氧化碳传感器的滤波算法，包括以下步骤:单个采样周期滤波，所述单个采样周期滤波的过程包括基准采样和峰值采样；连续多个采样周期滤波，所述连续多个采样周期滤波的过程包括快速接近滤波或逐次逼近滤波，解决了B类二氧化碳传感器采用B类电热堆时，无内置放大器，导致放大器产生噪声较大，进而导致B类二氧化碳传感器灵敏度即精度都较低的问题，有效提高了B类二氧化碳传感器的灵敏度及精度。

Description

一种应用于二氧化碳传感器的滤波算法
技术领域
本发明涉及滤波算法技术领域，尤其涉及一种能够提高二氧化碳传感器灵敏度及精度的滤波算法。
背景技术
二氧化碳传感器是用于检测二氧化碳浓度的装置，，二氧化碳传感器根据检测原理不同，可分为：红外二氧化碳传感器、催化二氧化碳传感器和热传导二氧化碳传感器，其中，红外二氧化碳传感器是利用非色散红外(NDIR)原理对空气中存在的二氧化碳进行检测，红外二氧化碳传感器中包括有基于热电堆的二氧化碳检测电路，基于热电堆的二氧化碳检测电路中的关键元件为热电堆及热电堆信号的放大电路，热电堆从性能方面分为两类:A类热电堆内置有放大器，输出信号为毫伏级；B类热电堆无内置放大器，而直接输出电堆信号，信号为微伏级；使用A类热电堆的二氧化碳传感器为A类二氧化碳传感器，使用B类热电堆的二氧化碳传感器为B类二氧化碳传感器。
A类二氧化碳传感器采用A类电热堆，A类电热堆的放大器和电堆封装在一起且距离足够近，此放大器产生的噪声足够小，因此A类二氧化碳传感器灵敏度和精度较高，但是价格昂贵；B类二氧化碳传感器采用B类电热堆，B类电热堆的无内置放大器，放大器和电堆的距离较远，导致放大器产生的噪声较大，进而导致B类二氧化碳传感器的灵敏度及精度都较低。
发明内容
本发明公开的一种应用于二氧化碳传感器的滤波算法，解决了B类二氧化碳传感器采用B类电热堆时，无内置放大器，导致放大器产生噪声较大，进而导致B类二氧化碳传感器灵敏度即精度都较低的问题，有效提高了B类二氧化碳传感器的灵敏度及精度。
为达到上述目的，本发明的技术方案具体是这样实现的：
本发明公开一种应用于二氧化碳传感器的滤波算法，包括以下步骤:
单个采样周期滤波，所述单个采样周期滤波的过程包括基准采样和峰值采样；
连续多个采样周期滤波，所述连续多个采样周期滤波的过程包括快速接近滤波或逐次逼近滤波。
进一步地，所述基准采样包括以下步骤：
设定采样周期；
连续采样n个点；
对n个点进行排序；
将n个点中最大值和最小值的差值m等分，分为m个阶段，且n＞2m；
统计处于每个阶段点的数量C1,C2,……Cm；
取C1～Cm中值最大的阶段中所有点的平均值Vbase。
进一步地，所述峰值采样包括以下步骤：
设置长度为n的队列，Q1,Q2……Qn；
设定采样周期并连续采样；
每次采样结束，队列的第一个数据舍弃，队列中的其余数据依次前移一位，新采样数据作为队列的最后一个数据；
去掉队列中的最大值和最小值，取队列中剩余数据的平均值，得到单次峰值采样后的滤波结果Vtp；
获取峰值采样期间的所有Vtp中的最大值，得到峰值采样的滤波结果Vtpmax；
获得一个采样周期的采样结果为Vtpmax-Vbase。
进一步地，所述快速接近滤波包括以下步骤：
计算本次采样结果与上一次滤波结果的差值，即
Vdif＝|Vlast-Vt|
其中，Vlast为上一次滤波结果，Vt为本次采样结果；
计算差值超过阈值的倍数，即
M＝Vdif/Th
其中，Vdif为本次采样结果与上一次滤波结果的差值，Th为阈值，且M为整数；
计算权值，即
C＝coe*M
其中，coe为加权值，M为差值超过阈值的倍数；
计算出本次滤波结果，即
其中，Vlast为上一次滤波结果，C为权值，Vt为本次采样结果。
进一步地，所述逐次逼近滤波包括以下步骤：
计算本次采样结果与上一次滤波结果的差值，即
Vdif＝|Vlast-Vt|
其中，Vlast为上一次滤波结果，Vt为本次采样结果；
计算单次逼近的增量，即
Vstep＝(Vdif/div)+1
其中，Vdif为为本次采样结果与上一次滤波结果的差值，div为逼近次数；
计算滤波结果，即
其中，Vlast为上一次滤波结果，Vt为本次采样结果；
保存本次滤波结果。
有益技术效果：
本发明公开一种应用于二氧化碳传感器的滤波算法，包括以下步骤:单个采样周期滤波，所述单个采样周期滤波的过程包括基准采样和峰值采样；连续多个采样周期滤波，所述连续多个采样周期滤波的过程包括快速接近滤波或逐次逼近滤波，解决了B类二氧化碳传感器采用B类电热堆时，无内置放大器，导致放大器产生噪声较大，进而导致B类二氧化碳传感器灵敏度即精度都较低的问题，有效提高了B类二氧化碳传感器的灵敏度及精度。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。
图1为本发明所述的一种应用于二氧化碳传感器的滤波算法的步骤流程图；
图2为本发明所述的一种应用于二氧化碳传感器的滤波算法中基准采样的步骤流程图；
图3为本发明所述的一种应用于二氧化碳传感器的滤波算法中峰值采样的步骤流程图；
图4为本发明所述的一种应用于二氧化碳传感器的滤波算法中快速接近滤波的步骤流程图；
图5为本发明所述的一种应用于二氧化碳传感器的滤波算法中逐次逼近滤波的步骤流程图；
图6为实施例中连续900个采样周期的原始数据图；
图7为滤波结果与图7中原始数据的对比图；
图8为图7中截取的第300-第400个周期内的原始数据与滤波结果的对比图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
下面结合附图对本发明的实施方式进行详细说明。
本发明公开一种应用于二氧化碳传感器的滤波算法，参见图1，具体包括以下步骤：
S1：单个采样周期滤波，单个采样周期滤波的过程包括基准采样和峰值采样；
具体地，基准采样的具体步骤过程参见图2，具体为：
S111：设定采样周期；
在实施例中，设定采样周期为10ms；
S112：连续采样n个点；
实施例中，采样20个点；
S113：对n个点进行排序；
这里可以理解的是，排序可以选择递增，也可以选择递减，这里对于排序原则不作限制；
表1中是对20个点进行增序排列如下：
表1：
S114：将n个点中最大值和最小值的差值m等分，分为m个阶段，且n＞2m；
对于这20个原始数据最大值1369，最小值1351，差值18，将其等分为3个阶段C1:1351～1356、C2:1357～1362、C3:1363～1369
S115：统计处于每个阶段点的数量C1,C2,……Cm；
每个阶段的点数为：C1＝6、C2＝6、C3＝9；
S116：取C1～Cm中值最大的阶段中所有点的平均值Vbase；
最终的滤波结果为：C3内的9个点的平均值，即
Vbase＝(1363+1364+1365+1366+1367+1368+1368+1368+1369)/9＝1366.4；
具体地，峰值采样的具体步骤过程参见图3，具体为：
S121：设置长度为n的队列，Q1,Q2……Qn；
S122：设定采样周期并连续采样；
S123：每次采样结束，队列的第一个数据舍弃，队列中的其余数据依次前移一位，新采样数据作为队列的最后一个数据；
即：Q2→Q1，Q3→Q2，Q4→Q3，.......Qn-1→Qn-2，Qn→Qn-1，把新采样数据作为Qn；
S124：去掉队列中的最大值和最小值，取队列中剩余数据的平均值，得到单次峰值采样后的滤波结果Vtp；
S125：获取峰值采样期间的所有Vtp中的最大值，得到峰值采样的滤波结果Vtpmax；
S126：获得一个采样周期的采样结果为Vtpmax-Vbase。
S2：连续多个采样周期滤波，所述连续多个采样周期滤波的过程包括快速接近滤波或逐次逼近滤波。
计算本次采样结果与上一次滤波结果的差值，即
Vdif＝|Vlast-Vt|
其中，Vlast为上一次滤波结果，Vt为本次采样结果；
若Vdif≥Th，使用快速逼近滤波，其中，Vdif为本次采样结果与上一次滤波结果的差值，Th为阈值；
若Vdif＜Th，使用逐次逼近滤波，其中，Vdif为本次采样结果与上一次滤波结果的差值，Th为阈值；
具体地，快速接近滤波的具体步骤过程参见图4，具体为：
S211：计算本次采样结果与上一次滤波结果的差值，即
Vdif＝|Vlast-Vt|
其中，Vlast为上一次滤波结果，Vt为本次采样结果；
S212：计算差值超过阈值的倍数，即
M＝Vdif/Th
其中，Vdif为本次采样结果与上一次滤波结果的差值，Th为阈值，且M为整数；
S213：计算权值，即
C＝coe*M
其中，coe为加权值，M为差值超过阈值的倍数；
S214：计算出本次滤波结果，即
其中，Vlast为上一次滤波结果，C为权值，Vt为本次采样结果。
具体地，快速接近滤波的具体步骤过程参见图5，具体为：
S221：计算本次采样结果与上一次滤波结果的差值，即
Vdif＝|Vlast-Vt|
其中，Vlast为上一次滤波结果，Vt为本次采样结果；
S222：计算单次逼近的增量，即
Vstep＝(Vdif/div)+1
其中，Vdif为为本次采样结果与上一次滤波结果的差值，div为逼近次数；
S223：计算滤波结果，即
其中，Vlast为上一次滤波结果，Vt为本次采样结果；
S224：保存本次滤波结果。
图6为连续900个采样周期的原始数据，图7和图8为原始数据与滤波结果的对比，由此可以看出，滤波结果与原始数据的匹配度极高，即证明本发明公开的滤波算法精确度极高。
需要注意的是：对于连续采样滤波，由于采样频率较低(通常低于1Hz)，如果需要针对其每个采样点的振荡进行滤波，其平滑度与灵敏度是相反的变化趋势(即要使变化趋于平缓，必然会降低其灵敏度)，在二氧化碳浓度迅速大幅变化时，滤波算法会降低传感器的反应速度使得测量结果会有严重的滞后。在实际测量中发现，在恒定浓度或缓慢变化的情况下，低频噪声的影响会远大于快速变化的情况，所以可以动态的调整滤波方式，在缓慢变化时使用强度较高的滤波来提升稳定性，在快速变化时使用强度较低的滤波来降低对灵敏度的影响。
本发明公开的应用于二氧化碳传感器的滤波算法，可嵌入在相应硬件系统的控制MCU中，可以有效提高B类二氧化碳传感器的灵敏度及精度。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上的实施例仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通工程技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims (1)

1.一种应用于二氧化碳传感器的滤波算法，其特征在于，包括以下步骤:
单个采样周期滤波，所述单个采样周期滤波的过程包括基准采样和峰值采样；
连续多个采样周期滤波，所述连续多个采样周期滤波的过程包括快速接近滤波或逐次逼近滤波，且，若Vdif≥Th，使用快速接近滤波；若Vdif<Th，使用逐次逼近滤波；
所述基准采样包括以下步骤：
设定采样周期；
连续采样n个点；
对n个点进行排序；
将n个点中最大值和最小值的差值m等分，分为m个阶段，且n>2m；
统计处于每个阶段点的数量C1,C2,……Cm；
取C1～Cm中值最大的阶段中所有点的平均值Vbase；
所述峰值采样包括以下步骤：
设置长度为n的队列，Q1,Q2……Qn；
设定采样周期并连续采样；
每次采样结束，队列的第一个数据舍弃，队列中的其余数据依次前移一位，新采样数据作为队列的最后一个数据；
去掉队列中的最大值和最小值，取队列中剩余数据的平均值，得到单次峰值采样后的滤波结果Vtp；
获取峰值采样期间的所有Vtp中的最大值，得到峰值采样的滤波结果Vtpmax；
获得一个采样周期的采样结果为Vtpmax-Vbase；
所述快速接近滤波包括以下步骤：
计算本次采样结果与上一次滤波结果的差值，即
Vdif＝|Vlast-Vt|
其中，Vlast为上一次滤波结果，Vt为本次采样结果；
计算差值超过阈值的倍数，即
M＝Vdif/Th
其中，Vdif为本次采样结果与上一次滤波结果的差值，Th为阈值，且M为整数；
且
计算权值，即
C＝coe*M
其中，coe为加权值，M为差值超过阈值的倍数；
计算出本次滤波结果，即
其中，Vlast为上一次滤波结果，C为权值，Vt为本次采样结果；
所述逐次逼近滤波包括以下步骤：
计算本次采样结果与上一次滤波结果的差值，即
Vdif＝|Vlast-Vt|
其中，Vlast为上一次滤波结果，Vt为本次采样结果；
计算单次逼近的增量，即
Vstep＝(Vdif/div)+1
其中，Vdif为为本次采样结果与上一次滤波结果的差值，div为逼近次数；
计算滤波结果，即
其中，Vlast为上一次滤波结果，Vt为本次采样结果；
保存本次滤波结果。
CN202110811188.8A 2021-07-19 2021-07-19 一种应用于二氧化碳传感器的滤波算法 Active CN113659961B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110811188.8A CN113659961B (zh) 2021-07-19 2021-07-19 一种应用于二氧化碳传感器的滤波算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110811188.8A CN113659961B (zh) 2021-07-19 2021-07-19 一种应用于二氧化碳传感器的滤波算法

Publications (2)

Publication Number Publication Date
CN113659961A CN113659961A (zh) 2021-11-16
CN113659961B true CN113659961B (zh) 2024-01-30

Family

ID=78477662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110811188.8A Active CN113659961B (zh) 2021-07-19 2021-07-19 一种应用于二氧化碳传感器的滤波算法

Country Status (1)

Country Link
CN (1) CN113659961B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6370816A (ja) * 1986-09-12 1988-03-31 Fuji Photo Film Co Ltd オ−トフオ−カス方法
US4955946A (en) * 1986-12-11 1990-09-11 Marquette Gas Analysis Respiratory CO2 detector circuit with high quality waveform
JPH06148163A (ja) * 1992-11-04 1994-05-27 Shimadzu Corp クロマトグラフ用データ処理装置
US6112161A (en) * 1997-09-17 2000-08-29 Hewlett-Packard Method, apparatus, and article of manufacture for enhanced intergration of signals
CN104482949A (zh) * 2014-12-29 2015-04-01 哈尔滨工业大学 一种光电编码器精码零偏、幅值自适应补偿方法
JP2016214537A (ja) * 2015-05-20 2016-12-22 株式会社日立製作所 超音波診断装置
CN106603076A (zh) * 2016-11-14 2017-04-26 江苏兆伏爱索新能源有限公司 一种ad采样信号的处理方法及ad采样信号装置
CN107076712A (zh) * 2014-09-03 2017-08-18 株式会社岛津制作所 色谱数据处理方法以及装置
CN107947759A (zh) * 2017-11-10 2018-04-20 芯海科技（深圳）股份有限公司 一种具有高灵敏度的动态调整的一阶滞后滤波方法
CN111325121A (zh) * 2020-02-10 2020-06-23 浙江迪谱诊断技术有限公司 一种核酸质谱数值处理方法
CN111595992A (zh) * 2020-06-30 2020-08-28 浙江三青环保科技有限公司 一种在线气相色谱峰的快速寻峰方法
CN112134544A (zh) * 2020-09-25 2020-12-25 郑州佛光发电设备有限公司 滤波方法、装置、设备及计算机可读存储介质
JP2021002819A (ja) * 2019-06-25 2021-01-07 三菱電機エンジニアリング株式会社 フィルタリング装置、センサ装置、フィルタリング方法、およびフィルタリングプログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7065473B2 (en) * 1999-08-27 2006-06-20 William K. Warburton Method and apparatus for improving resolution in spectrometers processing output steps from non-ideal signal sources
EP3043699B1 (en) * 2013-09-09 2022-12-07 Koninklijke Philips N.V. Fetal heart rate extraction from maternal abdominal ecg recordings
US10349896B2 (en) * 2013-12-06 2019-07-16 The Regents Of The Universtiy Of Michigan Epsilon-tube filter for blunt noise removal

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6370816A (ja) * 1986-09-12 1988-03-31 Fuji Photo Film Co Ltd オ−トフオ−カス方法
US4955946A (en) * 1986-12-11 1990-09-11 Marquette Gas Analysis Respiratory CO2 detector circuit with high quality waveform
JPH06148163A (ja) * 1992-11-04 1994-05-27 Shimadzu Corp クロマトグラフ用データ処理装置
US6112161A (en) * 1997-09-17 2000-08-29 Hewlett-Packard Method, apparatus, and article of manufacture for enhanced intergration of signals
CN107076712A (zh) * 2014-09-03 2017-08-18 株式会社岛津制作所 色谱数据处理方法以及装置
CN104482949A (zh) * 2014-12-29 2015-04-01 哈尔滨工业大学 一种光电编码器精码零偏、幅值自适应补偿方法
JP2016214537A (ja) * 2015-05-20 2016-12-22 株式会社日立製作所 超音波診断装置
CN106603076A (zh) * 2016-11-14 2017-04-26 江苏兆伏爱索新能源有限公司 一种ad采样信号的处理方法及ad采样信号装置
CN107947759A (zh) * 2017-11-10 2018-04-20 芯海科技（深圳）股份有限公司 一种具有高灵敏度的动态调整的一阶滞后滤波方法
JP2021002819A (ja) * 2019-06-25 2021-01-07 三菱電機エンジニアリング株式会社 フィルタリング装置、センサ装置、フィルタリング方法、およびフィルタリングプログラム
CN111325121A (zh) * 2020-02-10 2020-06-23 浙江迪谱诊断技术有限公司 一种核酸质谱数值处理方法
CN111595992A (zh) * 2020-06-30 2020-08-28 浙江三青环保科技有限公司 一种在线气相色谱峰的快速寻峰方法
CN112134544A (zh) * 2020-09-25 2020-12-25 郑州佛光发电设备有限公司 滤波方法、装置、设备及计算机可读存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Ranjan Ganguli, Mem. ASME, Assistant Professor,,Budhadipta Dan, Student.Trend Shift Detection in Jet Engine Gas Path Measurements Using Cascaded Recursive Median Filter With Gradient and Laplacian Edge Detector.https://doi.org/10.1115/1.1635400.2004,全文. *
Spatial distribution measurement of plasma palameters using spectral image processing;R. Sasamoto, T. Matsumoto, Y. Izawa and K. Nishijima;2014 IEEE 41st International Conference on Plasma Sciences (ICOPS) held with 2014 IEEE International Conference on High-Power Particle Beams (BEAMS);全文 *
基于ARM的浅层气检测仪设计;黄斌;知网;全文 *
张俊编著. 匠人手记 一个单片机工作者的实践与思考 第2版.北京航空航天大学出版社,2014,全文. *

Also Published As

Publication number Publication date
CN113659961A (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
KR930023823A (ko) 셀프-튜닝 콘트롤러의 프로세스특성을 구하기 위한 장치 및 그 방법
CA2463488A1 (en) Snore detecting method and apparatus
WO2006019555A2 (en) Music detection with low-complexity pitch correlation algorithm
CN113052000B (zh) 一种船舶机械设备早期微弱故障信号特征诊断方法
CN116628616B (zh) 一种大功率充电能源的数据处理方法及系统
CN113659961B (zh) 一种应用于二氧化碳传感器的滤波算法
CN117173059B (zh) 用于近红外水分仪的异常点和噪声剔除方法及装置
WO2016189747A1 (ja) 分析装置及び分析方法及び分析プログラム
CN116136518B (zh) 色谱仪
JP2010256268A (ja) ガス分析装置
JP3874813B2 (ja) 計量コンベヤ用フィルタ及びそのフィルタ定数算出装置
CN107065524B (zh) 一种伺服系统频域辨识系统及辨识方法
CN106092492B (zh) 一种滤波去噪方法
Shi et al. Research on weak resonance signal detection method based on duffing oscillator
CN110456238B (zh) 一种电晕放电离子源检测方法及系统
JP2004349846A (ja) 外れ値検出方法
US4996423A (en) Chop mode operated mass spectrometer for reducing the effect of line signals
Xiao et al. Classification and concentration prediction of combustible gas based on BPNN and PCA
TW200805320A (en) Method and apparatus for blank detection of an optical disc
CN117853827B (zh) 大气温室气体监测用采样泵工作状态运行监测系统及方法
KR102432786B1 (ko) 음성 내의 잡음 제거 장치 및 방법
CN112447188B (zh) 一种基于改进softmax函数的声学场景分类方法
Babu et al. Multiple Hypothesis Testing-Based Cepstrum Thresholding for Nonparametric Spectral Estimation
CN116933615A (zh) 一种机械系统模型辨识方法
JP2005189030A (ja) サンプリング式測定装置

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