基于机器学习算法的农田挥发氨多传感器阵列检测技术研究

【目的】设计能够快速、低成本、便捷检测农田挥发氨装置。【方法】构建基于二氧化锡(SnO_(2))半导体气体传感器阵列检测系统,并在新鲜空气(氨气质量浓度为0 mg·m^(-3))和氨气质量浓度分别为75.9、151.8、303.6 mg·m^(-3)条件下,以及混合有乙醇的空气、纯乙醇气体(质量浓度为151.8 mg·m^(-3))、混合有氨气的空气和纯氨气气体(质量浓度为151.8 mg·m^(-3))样品下,通过主成分分析法(principal component analysis,PCA)、K-最近邻算法(K-nearest neighbors,KNN)和支持向量机算法(support vector machine,SVM)对多传感器阵列响应稳态阶段和暂态阶段的数据进行分类处理,分析该系统对不同质量浓度氨气和混合气体环境下氨气的区分效果。【结果】该装置能够明显区分不同质量浓度氨气,稳态阶段的主成分1值超过90%。KNN与SVM算法稳态阶段平均准确率超过97%,暂态阶段平均准确率68%,KNN与SVM平均分类准确率为68%。【结论】该多传感器阵列检测系统不需要等待传感器进入稳态阶段便可以读取数据,有助于农田环境中氨气快速和连续检测。

被动多传感器阵列中复合观测数据的数据关联

被动多传感器阵列是现代化战争中对雷达等主动传感器的重要补充手段。针对被动多传感器阵列的观测数据特点,提出了一种基于复合观测数据的量测与航迹的关联方法。该方法根据被动传感器对目标的位置量测数据以及运动属性的描述信息,利用模糊积分的方法对观测数据与备选航迹进行关联度量,以实现量测数据与航迹的关联。试验表明该方法是切实可行的,可以有效地进行量测与航迹的关联。

基于频谱一致性的传感器阵列综合支持度算法

针对多传感器数据融合算法中,由于观测信息的不确定性而产生数据融合偏差的问题,提出了一种基于观测信息频谱一致性的阵列综合支持度算法。该算法从阵列观测模型的概率分布函数出发,引入了多传感器一致性数据融合方法,针对数据融合阈值经验选择问题,探讨了对称距离函数的一致性处理方法,综合考虑多传感器的时延估计情况,提出了频谱一致性综合支持度算法。采用四元声阵列半实物仿真试验,验证了本文算法不仅降低了由于不确定性数据融合偏差引起的观测噪声,而且还在未知先验信号条件下实现对多传感器观测信号进行估计的有效性。

移动机器人多传感器的实时动态测试与控制

在对移动机器人自动导航、障碍回避以及多传感器系统研究的基础上,设计了一种用于移动机器人自动导航的多传感器阵列实时动态测试分析与控制系统.系统利用数字信号处理器(DSP)的片内I/O端口和其他外围设置,简化外围电路设计,通过CAN总线完成超声数据与上位机通信,实现对多路超声传感器的实时动态监测和控制.试验运行表明系统可解决移动机器人的自动导航、停靠站等精确定位和避障的问题.

强噪声干扰条件下的水下弱声源定位技术

文章针对强噪声干扰条件下的水下弱声源匹配场定位问题,提出离散噪声源干扰抑制的多传感器阵列匹配场处理技术。通过建立最优化问题,约束最优权向量,使其满足对观测方位的波束响应无失真,而对强干扰噪声源方位的响应为零,推导得出上述条件下匹配场模糊度函数的最小方差解。通过弱声源位于强干扰噪声源正下方的实例,验证了所提出方法的有效性。仿真结果表明,在信干比为-10dB情况下,利用所提出的方法实现了水下弱声源的匹配场定位。

基于电磁特性和反射光谱信息的土壤盐渍度快速检测方法研究

为完成温室环境土壤盐渍化程度快速现场检测,采用基于土壤电导率和土壤光谱反射率与土壤盐渍化的定量关系描述技术,建立了一套用于现场表征土壤盐渍化程度的快速检测系统.首先,对土壤盐度进行定性分析,应用电磁感应方法测度土壤盐渍化程度,通过测量电导率推出原生磁场和诱导出的次生磁场的相对关系,进而推算出土壤盐渍化程度.接着,基于土壤在可见光、红外和微波各波段的反射特性,将光谱图和TM数据结合得到盐渍化影像.研究采用了TM数据作为土壤盐渍化的基础图像,通过几何精校正映射至实际地物点.为了提高影像识别率,采用了精度和稳定性比较高的支持向量机分类法,并给出了测度公式.从对土壤的试验结果看,以电磁特性和光谱特性来综合评价土壤盐渍化程度是可行的.

基于强化学习的分布式安全预警系统研究

文中主要针对危险环境,设计了基于强化学习的分布式安全预警系统。其中,系统硬件选用FPGA作为边缘控制器构建分布式危险响应端,软件结合了多传感器数据融合技术和基于模型的强化学习算法进行环境参数预测与危险判断。首先,利用FPGA连接RL78/G15传感器阵列作为边缘控制器,进行环境参数的准确采集和高速并行运算;其次,应用基于支持度的算法对多组传感器阵列的检测值进行数据融合;最后,改进基于模型的强化学习算法,结合蒙特卡洛树搜索进行数据预测以及危险判断。仿真结果显示,系统有效地减轻了计算任务,同时提高了准确性。

An improved multidirectional velocity model for micro-seismic monitoring in rock engineering

An improved multidirectional velocity model was proposed for more accurately locating micro-seismic events in rock engineering. It was assumed that the stress wave propagation velocities from a micro-seismic source to three nearest monitoring sensors in a sensor's array arrangement were the same. Since the defined objective function does not require pre-measurement of the stress wave propagation velocity in the field, errors from the velocity measurement can be avoided in comparison to three traditional velocity models. By analyzing 24 different cases, the proposed multidirectional velocity model iterated by the Simplex method is found to be the best option no matter the source is within the region of the sensor's array or not. The proposed model and the adopted iterative algorithm are verified by field data and it is concluded that it can significantly reduce the error of the estimated source location.