基于感应磁场的传感器序列检测系统的研究

提出了一种基于感应磁场的传感器序列检测系统方案 ,探讨了其实现策略 ,研究了系统的控制过程、信号采集及数据处理软件 。

面向养老照护的多传感器序列异常行为检测模型

互联网时代下,传统养老照护模式已经无法适应新型养老行业的发展.因此本文提出一种基于多传感器序列的异常行为检测模型,该模型能够在分布式、无干扰的传感器网络环境中监测老人生活,检测行为异常,并给出健康预警.文中通过类比生物信息学中蛋白质序列的表示方法,将多维传感器序列转换成一维序列.采用词袋模型,将划分后的不等长子序列映射为等长子序列.选择基于Calinski-Harabasz指数的层次聚类算法,识别出用户日常行为模式.最后,结合用户健康状况下日常行为活动的高斯分布,及FRS(Fuzzy Reasoning System)模糊推理系统,检测出用户的异常行为(天).实际数据结果表明,该模型能够有效识别用户的起床、就餐、用药、如厕等多种日常活动及其规律,异常行为天检测的F1均值达到近90%,并给出对比实验.

基于AR与DNN联合模型的地理传感器时间序列预测

地理传感器时间序列具有复杂动态的语义时空相关性和地理时空相关性。尽管已经开发了各种深度学习模型用于时间序列预测,但很少有模型能专注于捕捉地理传感器时间序列内的多类型时空相关性。此外,同时预测多个传感器在未来某一时间步的值非常具有挑战性。为了解决上述问题,提出了一种自回归模型与深度神经网络的联合模型(Joint model of Autoregression and Deep Neural Network,J-ARDNN),用于处理地理传感器时间序列的多目标预测任务。在该模型中,空间模块用于捕捉不同序列间多类型空间的相关性,时间模块采用时间卷积网络来提取单个序列内的时间依赖关系。此外,还引入自回归模型来提高预测模型的鲁棒性。为了验证J-ARDNN模型的有效性和优越性,在不同领域的真实时间序列数据集上进行了充分的实验,结果表明,J-ARDNN模型的预测性能优于对比方法。

基于整合概率数据关联的最优传感器序列研究

研究多传感器跟踪系统中传感器处理序列优化问题.首先根据多传感器跟踪系统中多传感器信息的处理特点,提出了基于有限随机集的序列整合概率数据关联(IPDA)滤波算法;然后,通过分析序列IPDA算法中目标生存概率的均值函数,证明了在不同传感器检测概率的多传感器系统中,目标生存概率仅依赖于传感器序列中第1个传感器,并随其检测概率的增大而增大,仿真实验验证了所得结论.

爆炸容器内小药量实验动态标定压力传感器

在爆炸容器中进行小药量空中爆炸实验,利用传感器序列测量冲击波速度,根据冲击波RankineHugoniot关系获得测点近似理论峰值压力,从而实现压力传感器的标定,获得的灵敏度相对误差较小。同时测量了相应的冲击波参数,并利用Modified-Friedlander公式进行数据后处理,结果表明固定超压拟合更接近物理事实,固定正相时间拟合也具有较高精度。最后进行了误差分析,发现不同传感器特性及数据后处理方法都会带来一定误差。实验结果表明这种测量和后处理方法具有较高的精度,可以同时标定传感器和测量冲击波参数。

脉冲序列图像传感器的噪声和误差分析

脉冲序列式图像传感器是一种高速仿生视觉图像传感器,其成像质量受噪声的影响而下降。其中,空间噪声源于比较器等器件的失配,时间噪声源于随机性噪声和同步读出机制下的单码闪烁噪声。本文基于噪声研究和传感器原理建立了噪声模型,仿真预测了不同光电流和积分压降等参数下噪声引起的时间误差率。结果表明:积分压降的增加会减小单码闪烁噪声导致的时间误差率的波动及其他噪声引起的时间误差率;光电流的增加会增大单码闪烁噪声引起的时间误差率的波动;结电容的增加会增大时间噪声引起的时间误差率。最后测试了芯片在脉冲间隔重建方式下的噪声特性,验证了上述分析的正确性。研究结果对于优化脉冲序列传感器的设计、处理噪声和重建出稳定的图像具有指导意义。