CN1945637A - 货币验证装置的校准 - Google Patents

Abstract

把属于已知校准种类的物品以任意的顺序馈送给货币接受装置，以便导出用于校准的测量结果。最好是，通过使用另一个测量结果作为标准化系数标准化大量测量结果，接着使用标准化的测量结果计算Mahalanobis距离，来对校准物品进行分类。如果完整性校验表明它们是不可靠的，则禁止使用所述测量结果用于校准目的。

Description

货币验证装置的校准

本申请是于2002年12月28日提交的以下申请的分案申请：申请号为02161132.7；发明名称为“货币验证装置的校准”。

技术领域

本发明涉及货币验证装置的校准。可以应用到钞票验证装置和硬币验证装置，以及验证装置在制造商工厂里的初始校准和验证装置在使用现场的再校准。

背景技术

众所周知，考虑到传感器对货币物品响应的细微差别，货币接受装置或验证装置需要校准。一种用于校准的常用技术(例如参见专利GB-A-1 452 740)包括，测量货币物品，存储和这些测量相关的数据(例如上限和下限)，随后通过确定物品的测量结果是否与存储数据一致来检验物品。

这个过程允许非常可靠的操作，但是校准过程非常耗时。每个装置必须测量统计学上相当多面额或者种类的物品，其中所述物品随后可被该装置识别。已经提出了用于减少校准过程中所需时间和精力数量的技术。例如参见GB-A-2 199 978。

已知的验证装置有自动再校准功能，有时被称为“自调整”，由此基于在检验期间所执行的测量定期更新接受标准(例如，参见专利EP-A-0 155 126、GB-A-2 059 129和US-A-4 951 799)。这项技术是有用的，因其考虑到了个别装置特性的变化。

一般而言，校准技术通常需要把验证装置置于一特定的校准模式，并且包括被测物种类已知的受控条件。因此，尽管仍有必要考虑可能的“贸然尝试(flyer)”、即由于不正常的情况在适当条件下不能被测量的物品，但是可认为该测量是可靠的——例如参见EP-A-0781439。

另一方面，自调整技术使用了装置已经被校准的事实。因此，所述装置能够使用被检验和发现属于某一种类的物品的测量结果用于再校准目的，其通常采取调整用于该特定种类的接受标准的形式。然而，这种技术的问题是分类可能不准确，因此，对再校准来说，除非使用特殊的测量来预防上述情况的发生，否则有可能导致可靠性变差。

希望提供一种用于校准接受装置的技术，它能够比现有技术更快和更容易地实现。

发明内容

本发明的各方面将在所附的权利要求书中得到陈述。

根据本发明的又一方面，通过使用为这个和其它装置共用的通用分类标准，使用未被校准的机构对由该装置测量的物品进行分类。然后使用该分类和测量执行该装置的校准。

这种技术不同于传统的校准技术，因为装置自身被用于对校准过程中所测量的物品进行分类。在常规校准技术中，每个被插入的物品都具有预定的已知种类，并且不能依靠未被校准的机构对物品进行分类。然而，已经发现，甚至是未被校准的机构，当被供给已知属于某一组种类的物品时，能可靠地把每个物品分配到正确的种类里。因此，能够以任意顺序馈送在校准中使用的物品，这样就简化了校准过程。这种技术也不同于自调整技术，在自调整技术中由已校准的装置执行分类，而且不知道接受的物品属于特定种类。

最好是，使用数据识别每个物品，所述数据是从全部相应种类的不同物品测量结果之间的相关性导出的。最好是，通过使用一个或更多作为标准化系数的其他测量结果对至少某些测量结果进行标准化，对物品进行分类，以便缩小接受装置间在分类标准上的差别。

根据本发明的又一方面，在校准过程中导出的物品测量要进行完整性校验，以确定是否该使用它们用于校准。可以使用不同类型的完整性校验。完整性校验的第一种类型包括将一件物品的不同测量结果之间进行比较。最好是，所述比较操作包括确定那些测量结果间的关系是否与已经发现的相关种类的全部物品间的相关性相匹配。如果该关系与这个相关性不匹配，则认为不适合用该物品的测量结果进行校准。

其它完整性校验包括比较物品的第一种类型的测量结果和其它物品的相应测量结果。这个比较阶段最好也包括，确定测量结果间的关系是否与通过评估全部相关校准种类来发现的统计相关性相匹配。可以对各物品的其它测量结果执行相似操作。最好重复执行这个完整性校验，每次标准化都用不同的物品。这允许具有非代表性测量结果的物品区别于可正确测量的物品。

尤其是，本发明的各方面有利于以很快速简单的方式执行校准操作，所述方式仅仅包括相对少量物品的测量结果，最好是仅仅包括相对少量已知种类中每一个的单个物品。通常，这将产生不正确执行校准操作的高风险性。但是，完整性校验能迅速检测到是否有任一被测物品为非代表性的，例如，如果是“贸然尝试”，在一般情况下来自该物品的测量结果是可能被忽略的。

在首选实施例中，校准过程包括以任意顺序测量属于各个不同种类的少量物品，例如每个种类中的一个，并且如果任一完整性校验失败了则给出指示，从而使至少一件物品能被再测量。最好是该指示能识别引起完整性校验失败的物品，从而使得如果需要则只需再测量该种类物品。

本发明可以应用到各种类型的校准方法中。例如，物品测量结果能被用于设定被用作识别属于与校准中所用的同一种类的其它物品的接受标准的范围，该方法与GB-A-1 452 740中的方法相似。可替换地，或另外地，所述测量结果能被用来推导用于不同种类的接受标准，与GB-A-2 199 978中使用的技术相似。又一种可能性是在用接受标准校验这些测量结果之前，使用校准数据来调整物品的测量结果。

附图说明

下面将结合附图通过举例详细描述本发明的实施例，其中：

图1是根据本发明的硬币验证装置的原理图；

图2是说明传感器测量结果被推导和处理的方式的框图；

图3是说明验证装置决定接受操作的流程图；

图4是说明用于校准验证装置的过程的流程图；以及

图5是说明在校准过程中完整性校验操作的流程图。

具体实施方式

首先将描述一个硬币验证装置，该装置使用本发明中的技术进行校准。

参照图1，硬币验证装置2包括一检验部件4，该部件包括一个斜面6，诸如以8所示的硬币会沿该斜面滚下。当硬币沿斜面6向下移动时，连续通过3个传感器10、12和14。这些传感器的输出被传送到一个接口电路16以产生数字值，该数字值将被处理器18读取。处理器18确定硬币是否有效，如果有效则确定该硬币的面值。响应于这个确定，操作接受/拒收门20以允许硬币被接受或者留在其初始状态以便使所述硬币移动到拒收通道22。如果硬币被接受了，则通过一接受通道24移动到硬币存储区26。在存储区26中可提供各种传送门以允许不同面值的硬币被分别存储。

在说明的实施例中，每个传感器都包含一对位于硬币通道两侧的电磁感应线圈以便使硬币在其间通过。自激振荡电路驱动每一块硬币。当硬币通过线圈时，振荡器的振幅和频率都发生变化。如此安排传感器10，12和14的物理结构和操作频率以便使传感器的输出主要表示了硬币的各不同特性(尽管在某种程度上传感器的输出受到了其他硬币特性的影响)。

在说明的实施例中，传感器10以60KHz的频率执行。当硬币通过时传感器频率的变化表示硬币的直径，振幅的变化表示硬币外围部分的材料(如果硬币是双色硬币时，则表面材料可能不同于里面部分或核心的材料)。

传感器12以400KHz的频率执行。当硬币通过该传感器时频率的变化表示硬币的厚度，且振幅的变化表示硬币中心的外壳材料。

传感器14以20KHz的频率执行。当硬币通过时该传感器输出的频率和振幅的变化可表示在硬币核心内直到一特定深度的部分的材料。

图2示意地说明了传感器输出的处理过程。图2的第I部分中示出了传感器10、12和14。其输出被传送到可对输出执行初步处理的接口电路16，以导出能被如图2的第II、III、IV和V部分所示的处理器18处理的数值。

在第II部分内，处理器18存储每个传感器的频率和振幅的空闲值、即当没有硬币出现时由传感器所采用的值。该过程在方框30中示出。如32所示该电路也记录频率改变的波峰，并且如33所示记录振幅改变的峰值。就传感器12来说，当硬币通过时，有可能频率和振幅在返回到空闲值之前都沿到第一波峰的第一方向、和到负波峰(或波谷)的第二方向、接着又沿第一方向发生变化。因此，处理器18被用来分别在32′和33′处记录第一频率和振幅的峰值，分别在32″和33″处记录第二(负的)频率和振幅的峰值。

在第III阶段，在方框34处，所有在第II阶段中记录的值都被应用各种算法。每种算法都使用了峰值和相应的空闲值，以产生一个被标准化的值，该值基本不受温度变化的影响。例如，使用所述算法来确定参数(振幅和频率)变化与空闲值的比率。另外地，或可选择地，在这个第III阶段可使处理器18使用校准数据，该数据是在验证装置的初始校准中得出的，并且表示了验证装置的传感器输出背离预定或平均验证装置的程度。这个校准数据能被用来补偿在传感器方面验证装置和验证装置之间存在的差异。

在第IV阶段，处理器18在方框36处存储8个标准化的传感器输出。在第V处理阶段中，处理器18使用这些输出来决定测量结果是否为真币，而且如果是真的，则决定该硬币的面值。用S_ijk表示被标准化的输出，其中：

i表示传感器(1＝传感器10，2＝传感器12，3＝传感器14)，j表示被测量的特征(f＝频率，a＝振幅)，以及k指示表示了哪个波峰(1＝第一波峰，2＝第二(负的)波峰)。

需要注意的是，虽然图2阐明了如何获得和处理传感器输出，但并没有指出执行各操作的顺序。尤其是应该注意到，在第IV阶段获得的某些标准化的传感器值将在其他标准化传感器值之前，甚至可能是在硬币到达某些传感器之前被推导出。例如：在从传感器12推导出的标准化输出S_2f1、S_2a1之前和可能在硬币到达传感器12之前，从传感器10的输出中推导出的标准化传感器值S_1f1、S_1a1将是可用的。

参照图2的第V部分，方框38表示标准化传感器输出和与各个目标面值相关的预定范围的比较。这个单独校验传感器输出和其相应范围的过程是惯用的。

方框40表示传感器10的两个标准化输出S_1f1和S_1a1被用来导出用于每个目标面值的值，每个值表示传感器输出接近那个目标种类的整体平均值的程度。该值通过执行部分Mahalanobis距离计算导出。

在方框42处，基于传感器12的两个被标准化的传感器输出S_2f1、S_2a1(表示在传感器输出中第一波峰的频率和振幅的变化)，执行另一个两个参数的部分Mahalanobis计算。

在方框44处，在方框40和42中执行的两个部分Mahalanobis计算中使用的标准化输出与其他数据结合以确定输出间的关系接近于每个目标面值的预期平均值的程度。这个进一步的计算考虑到了来自传感器10的每个输出S_1f1和S_1a1与来自传感器12的两个传感器输出S_2f1、S_2a1中每一个之间的预期相关性。下面将进一步对此进行详细解释。

在方框46处，可能地，所有被标准化的传感器输出值都能被加权，并且被组合以产生一个值，该值能够与不同目标面值的相应阈值进行校验。不同目标面值的加权系数不同，有些可能为0。

下面将参照图3描述验证装置的操作。

这个过程将根据4个参数使用一个表示具有目标面值的硬币的总体分布的逆协方差矩阵，所述4个参数由来自传感器10的两个测量结果和来自传感器12的前两个测量结果表示。

这样，为每个目标面值存储了用于构成具有下列形式的一个逆协方差矩阵的数据：

M＝mat1，1 mat1，2 mat1，3mat 1，4

   mat2，1 mat2，2 mat2，3mat 2，4

   mat3，1 mat3，2 mat3，3mat 3，4

   mat4，1 mat4，2 mat4，3mat 4，4

这是个对称矩阵，其中mat x，y＝mat y，x等。因此，仅需要存储以下数据：

mat1，1 mat1，2 mat1，3 mat1，4

        mat2，2 mat2，3 mat2，4

                mat3，3 mat3，4

                        mat4，4

就每个目标面值来说，还为将要被测量的每个属性m存储了一个平均值xm。

图3中所示的过程始于步骤300，即当确定硬币已经到了测试段时。程序继续到步骤302，在此等待直到来自传感器10的被标准化的传感器输出S_1f1和S_1a1可用为止。接着，在步骤304，执行第一组运算。在来自传感器12的任意标准化传感器输出可用之前开始在步骤304处的操作。

在步骤304，为了计算第一组值，对于每个目标种类执行下列部分Mahalanobis计算：

D1＝mat1，1·1·1+mat2，2·2·2+2·(mat1，2·1·2)

其中 $\∂1=S_{1f1-x_1}$ 和 $\∂2=S_{1a1-x_2}$ 并且x₁4和x₂是存储的、用于那个目标种类的测量结果S_1f1和S_1a1的平均值。

得出的值与用于每个目标面值的阈值进行比较。如果该值超出了所述阈值，则在步骤306处那个目标面值将被图3中所示的剩余处理过程忽视。

需要注意的是，部分Mahalanobis距离计算仅使用逆协方差矩阵M左上方的4项。

在步骤306之后，程序在步骤308中检查以确定继步骤306的排除后是否还有剩余的目标种类。如果没有，则硬币在步骤310中被拒收。

否则，程序进行到步骤312，以等待来自传感器12的前两个标准化输出S_2f1和S_2a1可用。

接着，在步骤314中，程序为每个剩余的目标面值执行如下所示的第二部分Mahalanobis距离计算：

D2＝mat3，3·3·3+mat4，4·4·4+2·(mat3，4·3·4)其中， $\∂3=S_{2f1-x_3},$ $\∂4=S_{2a1-x_4},$ 并且x₃和x₄是存储的、用于那个目标种类所用的测量结果S_2f1和S_2a1的平均值。

因此，这个运算使用了逆协方差矩阵M右下方的四个参数。

接着，在步骤316，把计算的值D2与用于每个目标面值的相应阈值进行比较，而且如果超出了阈值，则所述目标面值被排除。代替D2与阈值的比较，所述程序也可以用(D1+D2)与合适的阈值进行比较。

假设，仍有一些剩余的目标面值，如同在步骤318中检查到的那样，所述程序进入步骤320。这时，所述程序使用逆协方差矩阵M中尚未被使用的元素、即主要表示来自传感器10的两个输出中每一个和来自传感器12的两个输出中每一个之间的预期相关性的交叉项，执行另外一个计算。所述另外一个计算为每个剩余的目标面值导出一个值DX，如下所示：

DX＝2·(mat1，3·1·3+mat1，4·1·4+mat2，3·2·3+mat2，4·2·4)

接着，在步骤322中，所述程序把一个取决于DX的值与用于每个剩余目标面值的相应阈值进行比较，若超出了阈值，就排除那个目标面值。用于比较的值可以是DX(在这种情况下它可以为负数或正数)。然而最好该值是D1+D2+DX。考虑到在正被测量的四个参数之间的所有交叉关系，后者的和表示了整个四参数的Mahalanobis距离。

在步骤326中，程序确定是否有任何剩余的目标面值，如果有，则进入步骤328。这时，程序为每个目标面值计算一个值DP，该值如下：

$\mathrm{DP}=\underset{n-1}{\overset{8}{\mathrm{\Σ}}}\∂n\·\mathrm{an}$

其中₁...₈个表示8个标准化的测量结果S_i，j，k，而且a₁...a₈是存储的、用于目标面值的系数。然后在步骤330中，用值DP与用于每个剩余目标种类的相应范围进行比较，那么任意剩余目标种类根据该值是否处于相应的范围内而被排除。在步骤334中，确定是否只有一种剩余的目标面值。若是，则硬币将在步骤336中被接受。打开接受门并控制各种传送门以把硬币引向合适的目的地。否则，程序进入步骤3lO以拒收所述硬币。如果在步骤308、318和326处发现所有目标面值都已经被排除了则也会进入到步骤310。

上面所描述的过程没有考虑到单个标准化测量结果和在图2中方框38处的每个窗口范围的比较。为了排除在后续阶段考虑到的更多数目的目标面额，在任何适当的时候都能使图3中所示的过程得到修改以包含这些步骤。在图3所示程序内的不同点处能够有多个这样的阶段，每个所述阶段用于校验不同的测量结果。作为选择，使用逐个比较作为最后的边界校验以确保将被接受的硬币的测量结果落在预定范围中。作为另一项选择，这些逐个比较可被省略。

在改善的实施例中，程序在步骤314中根据目标种类有选择地使用测量结果S_2f1和S_2a1(表示来自第二传感器的第一波峰)或者测量结果S_2f2和S_2a2(表示来自第二传感器的第二波峰)。

用上述方式执行Mahalanobis距离计算有很多好处。需要注意的是，当目标面值的数目减少时，在304、314和320阶段执行的计算次数也逐渐减少。因此，就所有目标面值来说，与其中执行一个完整的四参数Mahalanobis距离计算的系统相比较，执行计算的总次数被大大降低，并不影响识别能力。此外，可以在进行所有相关测量之前开始执行在步骤304中的第一计算。

然而，顺序可以用不同方式改变。例如，步骤314和320能够相互交换，这样，在执行用于测量结果 $\∂3(=S_{2f1-x_3})$ 和 $\∂4(=S_{2a1-x_4})$ 的部分Mahalanobis距离计算之前考虑了交叉项。然而，参考图3所描述的顺序是首选的，是因为用于测量结果3和4的计算值很可能比交叉项排除更多的目标种类。

在上述方案中，所有目标种类涉及验证装置试图接受的物品。另外可能有涉及已知类型的伪造品的目标种类。在这种情况下，上述过程将做出这样的修改，以便在步骤334处理器18将确定：(a)是否只有一种剩余目标种类，而且若是这样则(b)这个目标种类是否涉及可接受的面值。只有通过上述两种测试时程序才进入步骤336以接受硬币；否则，硬币将在步骤310被拒收。

其它距离计算可被用来替代Mahalanobis距离计算，例如Euclidean距离计算。

接受数据，包括例如平均值xm和矩阵M中的元素，能用很多方法推导出来。最好是用结构非常简单的单个装置(可以是验证装置或至少一个传感器装置)来推导数据，或者用很多这样的装置推导数据，在这种情况下来自每个装置的测量结果能被有统计地处理以导出一个额定的平均机构。数据的分析将生成适当的接受数据用于存储在生产的验证装置中。

由于制造公差，生产的验证装置执行会有差异。为了处理这种情况，执行校准操作。这将导出能被用来为每个机构修改或补充接受数据的校准数据。作为选择，传感器的输出可以根据校准数据进行调整。

作为另一项选择，初始的接受数据能够通过校准操作推导出来，所述校准操作包括把每个目标种类的总数馈送给装置，并且读出来自传感器的测量结果。

无论如何，装置的校准都包括使装置测试已知种类的物品并从测量结果中导出校准数据。这个过程可以在制造装置的工厂中或者在使用现场中进行，例如在维修和更新操作之后需要再校准。

最好是验证过程使用外部装置，该外部装置从货币接受装置提取测量结果，并使用通用分类数据对其进行处理，所述通用分类数据也可用于校准其他接受装置，而且该外部装置导出校准数据并把它传送到接受装置进行存储。所述外部装置可以是通用计算机，或者是一个专用的并且最好是便携式的终端，如果机构将在现场进行再校准则上述外部装置将极为有用。

下面将参照图4对校准过程进行描述。该过程始于步骤400。

步骤402表示一件物品的插入和测量。这件物品属于很多已知校准种类中的一种，虽然没有必要知道该物品所属的特定种类。应该注意到，用于校准目的的物品可以属于或者不属于校准装置被配置进行识别的种类。通常，将有至少一个(通常是更多的)、可以被已校准装置识别但未被包含在校准种类中的目标种类。本发明尤其适用于诸如上面所描述的那样的方案，其中从校准种类的测量结果中推导出来的校准数据作为一个整体被用于装置的校准，而不是仅仅校准用于特定目标种类(例如符合校准种类的目标种类)的接受检测。

在步骤404，使用物品的测量结果对物品进行分类。最好是使用表示了在全部相应校准种类的测量结果之间的相关性的数据进行。为了推导Mahalanobis距离，其中该距离表示被测物品和相应校准种类总数的平均值的相似性，最好是为每个校准种类存储表示逆协方差矩阵的数据，以使物品的测量结果能使用该矩阵处理。因此，Mahalanobis距离的计算与由该装置在现场使用期间为所接收物品进行分类而执行的操作相似。然而，在校准过程中，对数据存储能力，处理能力和允许执行校准的时间很少有限制。因此，在校准期间，最好使用更多、也许是所有的测量结果来推导Mahalanobis距离。

另外一个不同之处是，在校准过程中，假定被测物品属于某一已知校准种类的特定集合。因此，步骤404中的校准过程把每件物品分配到与最小Mahalanobis距离相关的校准种类。

在校准过程中还有一个不同之处在于：分类过程必须用未被校准的机构执行。因此，由传感器响应于一件给定物品而生成的测量结果是不能被精确预测的。在某种程度上，可以通过使用测量结果相关性用于分类目的来减轻该问题。然而，根据本发明的又一个首选特征，采用一个标准化处理过程来降低接受装置到接受装置的影响，这样就提高了分类过程的可靠性。

根据这个首选方面，把至少一些最好是全部用于计算Mahalanobis距离的测量结果对于一个或更多其他测量结果首先进行标准化。例如，用测量结果中的7个分别除以第8个测量结果，所得出的7个值被用来使用表示了在整个相关校准种类中相应测量比率之间的相关性的数据计算Mahalanobis距离。对被用作标准化系数的测量结果的选择可以根据用于计算Mahalanobis距离的校准种类而有所不同。

在步骤404中的分类操作之后，校准过程包括步骤406中的自我完整性校验。在这一步，把用来确定物品分类的所计算的最小Mahalanobis距离与阈值(该阈值可根据校准种类而不同)相比较。如果距离超出阈值，则这表示物品有给定的非代表性的结果，例如，由于它是“贸然尝试”，所以物品未能完成自我完整性校验。这样，自我完整性测试包括检查一件物品的不同测量结果间具有预定关系。

在步骤406，如果通过了自我完整性校验，那么校准程序存储一个指示了相关种类的物品已经被正确测量的标记。

在步骤408，程序确定所有校准种类的物品是否已经被正确测量了。如果没有，则步骤402，404和406被重复直到所有相关种类的物品都已经被测量了为止。

从上文中可以理解，通过以一特定顺序插入已知物品，就没有了校准的必要。能以任何希望的顺序、或者一个随机顺序插入校准物品。最好是校准操作仅需要每个校准种类的单个物品仅被测量一次。然而，如果多于一个的同种类物品被测量了，那么最好是把测量结果例如通过平均组合起来，以便于使用附加的数据。

在步骤410，程序执行多个物品的完整性校验，下面将参照图5对它进行详细描述。作为这个校验的结果，有可能关于一个或更多校准物品的测量结果被认为是不可靠的，在这种情况下，用于校准种类的相关标志被清除以指示需要这类物品的更多测量结果。

在步骤412，程序检查所述标志以确定是否已经进行了足够的测量，即是否已经可靠地测量了每个校准种类中的至少一件物品。若是，则程序进入步骤413，在这里将提供给操作者一个适当的显示，然后进入步骤414，在该步骤删除那些存储的、已经被发现不可靠的测量结果。然后程序循环返回到步骤408。

最好是，在步骤413，校准装置显示标识了那些测量结果在步骤410中已经被认为是不可靠的校准种类的数据，这样执行校准的操作者仅仅需要重新插入相关物品。然而，在某些情况下重新插入所有校准种类的物品可能更容易些，尤其是在物品数量相对较小的情况下。例如，可以使用漏斗把每个校准种类的单件物品供给货币接受装置，这样只需简单地把物品放进漏斗就可完成校准操作了。接着，在已经测量完所有物品之后，如果校准装置报告需要更多测量结果，则再把所有物品放入漏斗。

这个过程继续执行直到步骤412，确定所有校准种类的物品已经被可靠测量了。然后程序进入步骤416，在该步骤中使用所述测量结果导出校准数据。

如上面所说明的那样，能以很多已知的方式使用校准数据。例如，校准数据能被用于推导在图2的处理操作的方框38中所使用的合适的窗口限制，或者调整用于在接受过程的Mahalanobis距离计算中使用的平均值x_m。可替换地，校准数据能被用来调整在图2的第III阶段中的传感器测量结果。

下面将参照图5详细描述步骤410中的多个物品完整性校验。

该过程开始于步骤500。在步骤502，设置指针MEAS以指示不同物品的第一测量结果。

在步骤504，设置指针CLASS以指示第一校准种类。

在步骤506，由用于除CLASS种类物品之外的全部物品的指针MEAS所指示的测量结果通过把它们除以用于CLASS种类物品的测量结果MEAS而被标准化。

在步骤508，基于表示了在全部校准种类的这些比率间的相关性的存储数据，用测量比率计算一个Mahalanobis距离MD。

在步骤510，把Mahalanobis距离MD与阈值进行比较。如果超出了阈值，则程序进入到步骤512。如果CLASS种类的物品已经给出了没有代表性的测量结果，则很可能进行到该步骤。因此，在步骤512，设置一个标志以指示用于CLASS种类物品的测量结果是不可靠的。

在步骤510或512之后，程序进入步骤514以检查所有校准种类是否已经被用于标准化目的。如果没有，则在步骤516增加指针CLASS，并且程序循环返回到步骤506。重复该过程直到所有校准种类都已经被用于校准化。

接着，在步骤518，程序检查所有不同类型的测量结果是否已经用这种方式处理过了。如果没有，则程序进入步骤520以增加指针MEAS，然后程序循环返回到步骤504。

在已经处理过所有类型的测量结果之后，如在522所示，多个物品的完整性校验步骤410结束。

在首选实施例中，程序可操作用来确定在步骤406和/或510中所执行的检测是否指示一个或更多个传感器一直生成不合适的值，并且响应于此，在步骤413中显示在这个或每个这样的传感器中可能存在的错误。例如，当表示用于标准化的测量种类的指针MEAS具有一个特定值时，若常常到达步骤512就会产生这样的显示，以指示这种类型的测量结果经常是不合适的。

各种修改都是可能的。例如，通过提取被选择作为标准化系数的那个测量结果和其他测量结果的比率、或者在这些测量结果间的差异、或者在该比率和基于被测量全体的所存储的比率平均值之间的差异，实现了对在Mahalanobis距离计算中使用的每个测量结果的标准化。验证装置可以有自调整操作的能力，在这种情况下，在校准操作之后，通过使用自调整的特性可以对接受标准进行最初地精调，最好是在操作者的控制下使用已知物品实现。最好是该操作被设计为在验证装置留在现场使用之前产生更为严格的接受标准。

Claims (12)

1.一种校准用于验证货币物品的装置的方法，所述方法包括使所述装置测量所有属于不同的相应已知校准种类的多个物品中的每一个，以便导出物品的多个不同测量结果；使用不同装置共用的分类标准从测量结果中确定每一个相应物品属于哪一个已知校准种类；以及从测量结果和种类的确定中导出校准数据，然后该校准数据可由该装置使用以确定进一步被测量的物品属于多个目标种类中的哪一个。

2.如权利要求1中所述的方法，其中通过用表示了在相应校准种类的全部物品的测量结果之间的相关性的存储数据来处理该物品的测量结果，确定在校准操作中测量的每件物品的校准种类。

3.如权利要求1或2中所述的方法，包括：使用物品的至少一个其他测量结果作为标准化系数，对每件物品的多个不同测量结果进行标准化；以及根据物品的标准化测量结果对其进行分类。

4.如权利要求2或3中所述的方法，包括步骤：根据测量结果间的关系和一预期相关性的相似程度，来禁止使用一件物品的测量结果用于校准。

5.如上述任一权利要求所述的方法，其中通过对每一校准种类的单个物品仅测量一次来校准所述装置。

6.如上述任一权利要求所述的方法，其中由在上述验证装置外部的校准装置执行所述确定步骤和所述推导校准数据的步骤。

7.如上述任一权利要求所述的方法，其中所述目标种类包括至少一种不是所述校准种类其中之一的种类。

8.一种校准用于验证货币物品的装置的方法，所述方法包括：使所述装置对属于一已知校准种类的物品进行相应的不同测量，以及从这些测量结果中导出校准数据用于由该装置使用以确定被测物品是否属于一预定目标种类，所述方法还包括通过确定测量结果间的关系是否符合一预定标准来对测量结果执行完整性校验，以及根据完整性校验的结果禁止使用至少某些测量结果用于校准。

9.如权利要求8中所述的方法，其中完整性校验包括使用表示了在全部那个校准种类中的一类物品的不同测量结果间的相关性的存储数据。

10.如权利要求8或9中所述的方法，包括使用该物品的至少一个其他测量结果作为标准化系数，对每件物品的多个不同测量结果进行标准化，以及根据标准化测量结果执行完整性校验。

11.如权利要求8到9中任一项权利要求所述的方法，包括步骤：根据完整性校验的失败提供应该对物品再测量的指示。

12.如上述任一项权利要求的方法，其中在使用被调整测量结果用于物品分类之前，使用校准数据调整物品的传感器测量结果。

Images