CN116383599B - 测量方法、装置、电子设备及可读存储介质 - Google Patents
测量方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN116383599B CN116383599B CN202310667100.9A CN202310667100A CN116383599B CN 116383599 B CN116383599 B CN 116383599B CN 202310667100 A CN202310667100 A CN 202310667100A CN 116383599 B CN116383599 B CN 116383599B
- Authority
- CN
- China
- Prior art keywords
- interference
- measurement result
- measurement
- weight function
- result
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 115
- 238000000691 measurement method Methods 0.000 title claims description 14
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000005070 sampling Methods 0.000 claims description 72
- 230000006870 function Effects 0.000 claims description 66
- 239000000809 air pollutant Substances 0.000 claims description 44
- 231100001243 air pollutant Toxicity 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 12
- 239000000356 contaminant Substances 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 239000003570 air Substances 0.000 description 11
- 238000004590 computer program Methods 0.000 description 11
- 239000004973 liquid crystal related substance Substances 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011155 quantitative monitoring Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
-
- 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
- G06F17/13—Differential equations
-
- 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
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- 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
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Biology (AREA)
- Combustion & Propulsion (AREA)
- Probability & Statistics with Applications (AREA)
- Food Science & Technology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Recording Measured Values (AREA)
- Measurement Of Resistance Or Impedance (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明提供一种测量方法，包括：获取测量装置的干扰权重函数和第一测量结果，所述干扰权重函数包括所述测量装置的自身特性干扰因素、存储时间干扰因素和仪器腔内干扰因素的权重函数；响应于所述干扰权重函数和所述第一测量结果，得到消除干扰的第二测量结果。
Description
技术领域
本发明涉及测量技术领域，尤其涉及一种测量方法、装置、电子设备及可读存储介质。
背景技术
在使用测量装置对空气污染物进行采样和浓度分析时，会因为以下因素导致测量结果的时间分辨率被降低，该影响因素包括但不仅限于：1.与测量装置仪器腔内残留的气体混合；2.测量装置采样管内壁对气体分子的吸附和解吸附；3.测量装置采样管内的泰勒扩散；4.气体样品储存过程中的分子扩散。当测量装置的时间分辨率降低后，测量得到的时间序列的主要趋势被保留，但短期的高频变化以及噪声被抹去，因此无法获得空气污染物的快速变化。且由于现有的测量装置基于走测车、无人机、飞机等移动平台进行测量，由于移动平台的移动速度较快，对测量装置的分辨率要求也进而提高。
发明内容
有鉴于此，本发明实施例提供了一种测量方法，以解决测量装置的时间分辨率被降低的问题。
根据本发明的第一方面，提供了一种测量方法，包括：
获取测量装置的干扰权重函数和第一测量结果，所述干扰权重函数包括所述测量装置的自身特性干扰因素、存储时间干扰因素和仪器腔内干扰因素的权重函数；
响应于所述干扰权重函数和所述第一测量结果，得到消除干扰的第二测量结果。
可选地，在所述测量装置用于测量空气污染物浓度的情况下，所述获取测量装置的干扰权重函数，包括：
获取采样环境中的空气污染物浓度和所述测量装置的第一采样结果，所述第一采样结果为测量得到的采样环境中的空气污染物浓度；
响应于所述采样环境中的空气污染物浓度和所述测量装置的第一采样结果，得到所述测量装置的干扰权重函数。
可选地，所述获取采样环境中的空气污染物浓度，包括：
获取所述采样环境中的第一比值，所述第一比值为目标气体的体积与气体总体积的比值，或者，所述第一比值为目标气体物质的量与总物质的量的比值；
响应于所述第一比值，获得所述采样环境中的空气污染物浓度。
可选地，所述响应于所述干扰权重函数和所述第一测量结果，得到消除干扰的第二测量结果前，还包括：
消除所述第一测量结果中的噪声。
可选地，所述响应于所述干扰权重函数和所述第一测量结果，得到消除干扰的第二测量结果，包括：
基于所述干扰权重函数，对所述第一测量结果进行反卷积；
响应于反卷积的结果，生成消除干扰的所述第二测量结果。
根据本发明的第二方面，提供了一种测量装置，包括：
第一获取模块，用于获取测量装置的干扰权重函数和第一测量结果，所述干扰权重函数包括所述测量装置的自身特性干扰因素、存储时间干扰因素和仪器腔内干扰因素的权重函数；
第一处理模块，响应于所述干扰权重函数和所述第一测量结果，得到消除干扰的第二测量结果。
可选地，所述第一获取模块，包括：
第二获取模块，用于获取采样环境中的空气污染物浓度和所述测量装置的第一采样结果，所述第一采样结果为测量得到的采样环境中的空气污染物浓度；
第二处理模块，响应于所述采样环境中的空气污染物浓度和所述测量装置的第一采样结果，得到所述测量装置的干扰权重函数。
可选地，所述第二获取模块，包括：
第三获取模块，用于获取所述采样环境中的第一比值，所述第一比值为目标气体的体积与气体总体积的比值，或者，所述第一比值为目标气体物质的量与总物质的量的比值；
第三处理模块，响应于所述第一比值，获得所述采样环境中的空气污染物浓度。
可选地，所述测量装置还包括：
消除模块，用于消除所述第一测量结果中的噪声。
可选地，所述第一处理模块，包括：
反卷积模块，用于基于所述干扰权重函数，对所述第一测量结果进行反卷积；
生成模块，响应于反卷积的结果，生成消除干扰的所述第二测量结果。
根据本发明的第三方面，提供了一种电子设备，包括：
处理器；以及
存储程序的存储器，
其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据本发明第一方面中任一项所述的方法。
根据本发明的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据本发明第一方面中任一项所述的方法。
本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过获取测量装置的干扰权重函数和测量出的第一测量结果，反推出消除干扰的第二测量结果，去除了干扰因素带来的测量偏差，从而提高测量结果的准确率。
上述简要说明仅是对本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下举例详细描述本发明的具体实施方式。
附图说明
在下面结合附图对于示例性实施例的描述中，本发明的更多细节、特征和优点被公开，在附图中：
图1示出了根据本发明示例性实施例的测量方法的流程图；
图2示出了根据本发明示例性实施例的测量方法的逻辑图；
图3示出了根据本发明示例性实施例的测量装置的示意性框图；
图4示出了能够用于实现本发明的实施例的示例性电子设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
以下参照附图描述本发明的方案，通过具体的实施例及其应用场景对本申请实施例提供的技术方案进行详细地说明。
如图1所示，图1是本申请实施例提供的测量方法的流程图，在本实施例的一个可选方式中，测量装置用于测量但不仅仅只限于测量空气污染物浓度，本实施例以测量装置用于测量空气污染物浓度为例，测量方法可以包括如下步骤S101～步骤S102：
S101，获取测量装置的干扰权重函数和第一测量结果，干扰权重函数包括测量装置的自身特性干扰因素、存储时间干扰因素和仪器腔内干扰因素的权重函数。
本实施例中，由于空气污染物是通过自然源或人为源的排放释放到大气中，导致环境空气的成分发生改变，从而影响空气质量与人类健康。因此，需要对大气中的空气污染物进行定量监测，通过监测从而获得空气质量变化以及空气污染物的传输过程。
因为在评估空气污染物浓度对人类健康和环境的影响时，需要获得空气污染物浓度和空间分布的详细信息。因此需要对空气污染物进行高时间与空间分辨率的测量，从而捕获源排放和空气污染物的迅速变化过程。
在本实施例的一个可选方式中，干扰权重函数取决于测量装置的自身特性、气体样品的储存时间以及测量装置中仪器腔体内的混合干扰，其中，测量装置的自身特性包括但不仅限于采样管长度、内径、温度、吸附特性、气体流速。第一测量结果为测量装置实际测量出的空气污染物浓度。
S102，响应于干扰权重函数和第一测量结果，得到消除干扰的第二测量结果。
在本实施例的一个可选方式中，测量得到的第一测量结果中的空气污染物浓度是消除干扰的第二测量结果与干扰权重函数的卷积结果，可以在已知第一测量结果和干扰权重函数的情况下，通过反卷积的方法获取到消除干扰的第二测量结果。
本实施例中，测量装置在t时刻进行测量，第一测量结果、干扰权重函数/>和第二测量结果/>之间关系如公式（1）所示：
（1）
其中，是循环变量，/>和/>分别是/>取值的上限和下限，权重函数/>包含s-r+1项非零的权重值 (0</><1)，/>为噪声项，/>为第二测量结果/>的项数。
将公式（1）用卷积符号表示如下：
（2）
其中，为在t时刻测量得到的第一测量结果，即t时刻由测量装置测量到的空气污染物浓度,/>为消除干扰的第二检测结果，即t时刻实际的空气污染物浓度，/>为噪声项, 且噪声项/>不受/>的影响，/>为包含若干项权重的干扰权重函数。
公式（2）经过傅里叶变换后, 可以在频域被表达为：
（3）
通过上述公式（1）、公式（2）和公式（3），明确表达出第一测量结果、干扰权重函数/>和第二测量结果/>之间的卷积关系，并在具备卷积关系的前提下，通过反卷积的手段获得消除干扰的第二测量结果。
在本实施例的一个可选方式中，在测量装置用于测量空气污染物浓度的情况下，步骤S101，包括：
S1011，获取采样环境中的空气污染物浓度和测量装置的第一采样结果，第一采样结果为测量得到的采样环境中的空气污染物浓度；
S1012，响应于采样环境中的空气污染物浓度和测量装置的第一采样结果，得到测量装置的干扰权重函数。
本实施例中，采用构造采样环境的手段，从而获取测量装置的干扰权重函数。通过第一测量结果、干扰权重函数/>和第二测量结果/>之间的卷积关系，反卷积得到干扰权重函数/>。
具体的，采样环境下的实际空气污染物浓度已知，即
（4）
其中，为已知的采样环境的空气污染物浓度，/>为采样时刻。
测量装置采样测量采样环境1秒钟的空气污染物浓度，输出空气污染物浓度的平滑后结果如下：
（5）
即在采样时刻时采样1秒钟，使测量装置采样并测量空气污染物浓度/>。其中，/>为测量装置采样测量后的空气污染物浓度，并且在/>时为非零值，其中/>的取值从/>到/>。当/>时，噪声项/>为零，当/>时，也假设n(t)为零。因此，干扰权重函数为：
（6）
本实施例通过准确估计采样环境中实验获得的测量装置的干扰权重函数，提高了反卷积过程的准确性。
在本实施例的一个可选方式中，S1011包括：
S1011a，获取所述采样环境中的第一比值，所述第一比值为目标气体的体积与气体总体积的比值，或者，所述第一比值为目标气体物质的量与总物质的量的比值；
S1011b，响应于所述第一比值，获得所述采样环境中的空气污染物浓度。
在本实施例的一个可选方式中，构造处于真空状态下的采样环境，给采样环境中注入目标气体，然后获取采样环境中的第一比值，得到采样环境的空气污染物浓度。
在本实施例的一个可选方式中，测量装置对标准气体进行采样，并获取采样后的第一比值，进而得到采样环境中标准气体的空气污染物浓度C。
在本实施例的一个可选方式中，S102前还包括：
S102a，消除第一测量结果中的噪声。
本实施例中，为了消除噪声项，对/>进行5项矩形窗滑动平均，如下所示：
（7）
其中，C代表空气污染物浓度，和/>是循环变量，/>为采样时刻。
获得干扰权重函数后，通过对消除噪声后的/>进行反卷积，以获取第二测量结果/>。
在本实施例的一个可选方式中，S102包括：
S1021，用于基于所述干扰权重函数，对所述第一测量结果进行反卷积。
S1022，响应于反卷积的结果，生成消除干扰的第二测量结果。
在本实施例的一个可选方式中，采用维纳反卷积的方法，基于所述干扰权重函数，对所述第一测量结果进行反卷积。首先，维纳滤波器对进行估计，如下所示：
（8）
其中为测量装置测量得到的空气污染物浓度，/>是对第二测量结果/>的估计，/>为维纳滤波器的表达式，公式（8）在频域被写为：
（9）
其中,/>以及/>分别为/>,/>以及/>的傅里叶变换。
在本实施例的一个可选方式中，维纳滤波器的表达式通过求均方误差的最小值得出：
（10）
其中，为均方误差，/>为期望值，将公式（3）及公式（9）代入公式（10）后将二次公式式展开，并将均方误差/>对/>进行微分，令倒数/>值为零，从而使均方误差达到最小值。
在公式（3）中的噪声项独立于/>的假设之下，即消除掉噪声项/>推导出/>表达式为：
（11）
其中，为干扰权重函数/>的傅里叶变换，/>以及为第二测量结果/>和噪声项/>的平均功率谱密度。对公式（11）进行变形可得：
（12）
其中为信噪比。
将公式（12）代入公式（9），就可以推导出，最后将/>进行傅里叶逆变换，即可得到第二测量结果，即消除干扰的空气污染物浓度。
本申请实施例通过采用维纳滤波的方式，提高了测量装置时间序列的分辨率。维纳滤波是利用平稳随机过程的相关特性和频谱特性，对混有噪声的信号进行滤波的方法，运用到反卷积中可以在最小均方误差下得到真实信号的最佳估计值，从而获得稳定的反卷积结果，提高测量的分辨率。
如图2所示，图2是本申请实施例提供的一种测量方法的一个可选方式，该方法包括：
S201，测量装置获取采样环境的空气污染物浓度；
S202，根据测量出的第一测量结果和采样环境的空气污染浓度C，获得干扰权重函数/>；
S203，对干扰权重函数进行滑动平均，消除第一测量结果/>中的噪声项/>；
S204，求均方误差的最小值获取维纳滤波器和估计信噪比SNR；
S205，基于干扰权重函数，利用维纳滤波器对第一测量结果/>进行维纳反卷积，推导出频域形式的第二测量结果/>；
S206，对频域形式的第二测量结果进行傅里叶逆变换，得到第二测量结果/>。
本申请实施例通过获取测量装置的干扰权重函数和测量出的第一测量结果，反推出消除干扰的第二测量结果，去除了干扰因素带来的测量偏差，从而提高测量结果的准确率。
与上述实施例相对应，参见图3，本申请实施例还提供一种测量装置300，包括：
第一获取模块301，用于获取测量装置的干扰权重函数和第一测量结果，干扰权重函数包括测量装置的自身特性干扰因素、存储时间干扰因素和仪器腔内干扰因素的权重函数；
第一处理模块302，响应于干扰权重函数和第一测量结果，得到消除干扰的第二测量结果。
可选地，第一获取模块301还包括：
第二获取模块3011，用于获取采样环境中的空气污染物浓度和测量装置的第一采样结果，第一采样结果为测量得到的采样环境中的空气污染物浓度；
第二处理模块3012，响应于采样环境中的空气污染物浓度和测量装置的第一采样结果，得到测量装置的干扰权重函数。
可选地，第二获取模块3011，包括：
第三获取模块3011a，用于获取采样环境中的第一比值，第一比值为目标气体的体积与气体总体积的比值，或者，第一比值为目标气体物质的量与总物质的量的比值；
第三处理模块3011b，响应于第一比值，获得采样环境中的空气污染物浓度。
可选地，测量装置300还包括：
消除模块303，用于消除第一测量结果中的噪声。
可选地，第一处理模块302，包括：
反卷积模块3021，用于基于所述干扰权重函数，对所述第一测量结果进行反卷积；
生成模块3022，响应于反卷积的结果，生成消除干扰的第二测量结果。
本申请实施例通过获取测量装置的干扰权重函数和测量出的第一测量结果，反推出消除干扰的第二测量结果，去除了干扰因素带来的测量偏差，从而提高测量结果的准确率。
本发明示例性实施例还提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器。存储器存储有能够被至少一个处理器执行的计算机程序，计算机程序在被至少一个处理器执行时用于使电子设备执行根据本发明实施例的方法。
本发明示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，计算机程序在被计算机的处理器执行时用于使计算机执行根据本发明实施例的方法。
本发明示例性实施例还提供一种计算机程序产品，包括计算机程序，其中，计算机程序在被计算机的处理器执行时用于使计算机执行根据本发明实施例的方法。
参考图4，现将描述可以作为本发明的服务器或客户端的电子设备400的结构框图，其是可以应用于本发明的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备400包括计算单元401，其可以根据存储在只读存储器（ROM）402中的计算机程序或者从存储单元408加载到随机访问存储器（RAM）403中的计算机程序，来执行各种适当的动作和处理。在RAM 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出（I/O）接口405也连接至总线404。
电子设备400中的多个部件连接至I/O接口405，包括：输入单元406、输出单元407、存储单元408以及通信单元409。输入单元406可以是能向电子设备400输入信息的任何类型的设备，输入单元406可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元407可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元408可以包括但不限于磁盘、光盘。通信单元409允许电子设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理。例如，在一些实施例中，测量方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到电子设备400上。在一些实施例中，计算单元401可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行测量方法。
用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
如本发明使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
Claims (10)
1.一种测量方法，其特征在于，包括：
获取测量装置的干扰权重函数和第一测量结果，所述干扰权重函数包括所述测量装置的自身特性干扰因素、存储时间干扰因素和仪器腔内干扰因素的权重函数；
响应于所述干扰权重函数和所述第一测量结果，得到消除干扰的第二测量结果；
其中，所述获取测量装置的干扰权重函数，包括：
获取采样环境中的空气污染物浓度和所述测量装置的第一采样结果，所述第一采样结果为测量得到的采样环境中的空气污染物浓度；
响应于所述采样环境中的空气污染物浓度和所述测量装置的第一采样结果，得到所述测量装置的干扰权重函数；
其中，所述响应于所述干扰权重函数和所述第一测量结果，得到消除干扰的第二测量结果，包括：
对所述干扰权重函数进行滑动平均，消除所述第一测量结果中的噪声项；
求均方误差的最小值获取维纳滤波器和估计信噪比；
基于所述干扰权重函数，利用维纳滤波器对所述第一测量结果进行维纳反卷积，推导出频域形式的所述第二测量结果；
对频域形式的所述第二测量结果进行傅里叶逆变换，得到所述第二测量结果。
2.根据权利要求1所述的测量方法，其特征在于，所述获取采样环境中的空气污染物浓度，包括：
获取所述采样环境中的第一比值，所述第一比值为目标气体的体积与气体总体积的比值，或者，所述第一比值为目标气体物质的量与总物质的量的比值；
响应于所述第一比值，获得所述采样环境中的空气污染物浓度。
3.根据权利要求1所述的测量方法，其特征在于，所述响应于所述干扰权重函数和所述第一测量结果，得到消除干扰的第二测量结果前，还包括：
消除所述第一测量结果中的噪声。
4.根据权利要求3所述的测量方法，其特征在于，所述响应于所述干扰权重函数和所述第一测量结果，得到消除干扰的第二测量结果，包括：
基于所述干扰权重函数，对所述第一测量结果进行反卷积；
响应于反卷积的结果，生成消除干扰的所述第二测量结果。
5.一种测量装置，其特征在于，包括：
第一获取模块，用于获取测量装置的干扰权重函数和第一测量结果，所述干扰权重函数包括所述测量装置的自身特性干扰因素、存储时间干扰因素和仪器腔内干扰因素的权重函数；
第一处理模块，响应于所述干扰权重函数和所述第一测量结果，得到消除干扰的第二测量结果；
其中，所述第一获取模块，包括：
第二获取模块，用于获取采样环境中的空气污染物浓度和所述测量装置的第一采样结果，所述第一采样结果为测量得到的采样环境中的空气污染物浓度；
第二处理模块，响应于所述采样环境中的空气污染物浓度和所述测量装置的第一采样结果，得到所述测量装置的干扰权重函数；
其中，所述第一处理模块，包括：
噪声消除模块，用于对所述干扰权重函数进行滑动平均，消除所述第一测量结果中的噪声项；
第四获取模块，用于求均方误差的最小值获取维纳滤波器和估计信噪比；
推导模块，用于基于所述干扰权重函数，利用维纳滤波器对所述第一测量结果进行维纳反卷积，推导出频域形式的所述第二测量结果；
变换模块，用于对频域形式的所述第二测量结果进行傅里叶逆变换，得到所述第二测量结果。
6.根据权利要求5所述的测量装置，其特征在于，所述第二获取模块，包括：
第三获取模块，用于获取所述采样环境中的第一比值，所述第一比值为目标气体的体积与气体总体积的比值，或者，所述第一比值为目标气体物质的量与总物质的量的比值；
第三处理模块，响应于所述第一比值，获得所述采样环境中的空气污染物浓度。
7.根据权利要求5所述的测量装置，其特征在于，所述测量装置还包括：
消除模块，用于消除所述第一测量结果中的噪声。
8.根据权利要求7所述的测量装置，其特征在于，所述第一处理模块，包括：
反卷积模块，用于基于所述干扰权重函数，对所述第一测量结果进行反卷积；
生成模块，响应于反卷积的结果，生成消除干扰的所述第二测量结果。
9. 一种电子设备，包括：
处理器；以及
存储程序的存储器，
其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310667100.9A CN116383599B (zh) | 2023-06-07 | 2023-06-07 | 测量方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310667100.9A CN116383599B (zh) | 2023-06-07 | 2023-06-07 | 测量方法、装置、电子设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116383599A CN116383599A (zh) | 2023-07-04 |
| CN116383599B true CN116383599B (zh) | 2023-08-25 |
Family
ID=86966060
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310667100.9A Active CN116383599B (zh) | 2023-06-07 | 2023-06-07 | 测量方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116383599B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059428A (zh) * | 2007-05-23 | 2007-10-24 | 浙江大学 | 基于修正卡尔曼滤波理论的气体浓度定量分析仪 |
| CN101226147A (zh) * | 2008-01-16 | 2008-07-23 | 浙江大学 | 一种气体浓度定量分析仪 |
| CN112326597A (zh) * | 2020-11-02 | 2021-02-05 | 河北地质大学 | 气体浓度吸收函数重构方法、电子设备及介质 |
| CN114113453A (zh) * | 2021-12-06 | 2022-03-01 | 北京大学 | 用于检测气体中总有机碳的含量的装置、系统和方法 |
| CN115791663A (zh) * | 2022-12-22 | 2023-03-14 | 安荣信科技(南京)有限公司 | 一种通过识别未知气体特征测量气体浓度的方法和系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10830743B2 (en) * | 2017-05-04 | 2020-11-10 | International Business Machines Corporation | Determining the net emissions of air pollutants |
| WO2021030793A2 (en) * | 2019-08-15 | 2021-02-18 | Massachusetts Institute Of Technology | Rhinometric sensing and gas detection |
-
2023
- 2023-06-07 CN CN202310667100.9A patent/CN116383599B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059428A (zh) * | 2007-05-23 | 2007-10-24 | 浙江大学 | 基于修正卡尔曼滤波理论的气体浓度定量分析仪 |
| CN101226147A (zh) * | 2008-01-16 | 2008-07-23 | 浙江大学 | 一种气体浓度定量分析仪 |
| CN112326597A (zh) * | 2020-11-02 | 2021-02-05 | 河北地质大学 | 气体浓度吸收函数重构方法、电子设备及介质 |
| CN114113453A (zh) * | 2021-12-06 | 2022-03-01 | 北京大学 | 用于检测气体中总有机碳的含量的装置、系统和方法 |
| CN115791663A (zh) * | 2022-12-22 | 2023-03-14 | 安荣信科技(南京)有限公司 | 一种通过识别未知气体特征测量气体浓度的方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于卡尔曼滤波的空气细颗粒物称重数据处理;卢志浩;雷菊阳;吴维华;;电子测量技术(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116383599A (zh) | 2023-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107329932B (zh) | 基于非线性调频分量分解的时频域模态参数辨识方法 | |
| Kanaya et al. | Estimation of stochastic volatility models by nonparametric filtering | |
| WO2022110413A1 (zh) | 确定马达非线性参数的方法、装置、设备和存储介质 | |
| CN115795282B (zh) | 激波管动态压力重构方法、装置、电子设备及存储介质 | |
| CN116383599B (zh) | 测量方法、装置、电子设备及可读存储介质 | |
| US10578694B2 (en) | System and method for improved signal detection in NMR spectroscopy | |
| CN109001805B (zh) | 一种地震震源反演不确定性分析方法、存储介质及服务器 | |
| EP3945290A1 (en) | Apparatuses, computer-implemented methods, and computer program products for dynamic iterative baseline adjustment | |
| CN117517581A (zh) | 污染物浓度影响评估方法、装置、存储介质及电子设备 | |
| CN113221382A (zh) | 一种工业设备剩余寿命预测方法、系统及设备 | |
| Bakó et al. | Improved-speed parameter tuning of deconvolution algorithm | |
| JP2011523453A (ja) | 測定信号の相対ノイズ | |
| CN116558639A (zh) | 光谱测量的光子计数数据处理方法、装置及系统 | |
| CN118294598A (zh) | 大气污染物浓度测量方法、系统、装置及存储介质 | |
| JP2020076731A (ja) | 排出物測定装置又はシステムの汚染レベルを決定するためのシステム及び方法 | |
| CN115791663A (zh) | 一种通过识别未知气体特征测量气体浓度的方法和系统 | |
| CN110455902B (zh) | 一种环境检测多标样快速校准的方法 | |
| CN112051309B (zh) | 一种基于电阻抗成像的直流电缆附件无损检测方法及装置 | |
| CN114998649A (zh) | 图像分类模型的训练方法、图像分类方法及装置 | |
| CN107506779B (zh) | 一种植物茎干含水量的估算方法及系统 | |
| CN116757555B (zh) | 确定污染特征类型的方法、装置、电子设备和存储介质 | |
| CN113533238B (zh) | 一种基于吸收光谱的六氟化硫分解气体的检测方法及系统 | |
| CN109635759A (zh) | 一种信号处理方法、装置及计算机可读存储介质 | |
| CN116930613A (zh) | 能够扩大带宽的处理方法、装置、用户终端及存储介质 | |
| Barbe et al. | Finite record effects of the errors-in-variables estimator for linear dynamic systems |
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 |