《信号处理》传感器阵列与多通道信号处理专刊简介

传感器阵列与多通道信号处理是信号与信息处理领域中的一个前沿研究方向,已然成为了诸多重要工程应用的基础性理论与技术,例如雷达、声呐、语音、射电天文学、地震学、医学成像、无线通信等。然而,随着新一代信息技术的快速发展和应用场景的不断革新,其面临的信号环境日趋复杂,传统的传感器阵列与多通道信号处理理论和方法面临着全新的挑战。

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。

基于电场传感器阵列的输电线路电压非接触式测量方法

电压作为表征线路运行状态的重要参量,实现其灵活准确的测量对保证电力系统稳定运行至关重要。传统的接触式电压测量方法,因电压互感器体积较大、会产生电磁谐振和高频振荡、额外测量需断电安装等问题,对于海量化测量并不便利。相比较而言,非接触式测量不接触导线,更加安全和便捷,将成为未来电压测量的发展方向。文中提出了基于电场传感器阵列的输电线路电压非接触式测量方法,该方法为了解决导线位置信息未知的问题,设计了与导线方向垂直排列的电场传感器阵列;求解了含导线未知信息量的方程组;构建了比例系数矩阵,反推出导线电压瞬时值;分析了电场传感器对测量的影响;最后,进行了10 kV电压等级电压瞬时值仿真验证,结果显示最大测量误差为2.219%。

基于辅助传感器阵列与NECNN-BiLSTM深度神经网络的磁场信号去噪方法研究

针对强噪声干扰下磁场信号精准去噪难题,提出一种结合中心-卫星架构辅助传感器阵列和深度噪声重建网络的磁场信号去噪新方法。首先,搭建磁场传感器阵列,通过有限元分析进行传感器阵列位置优化,分析中心和卫星传感器信号之间的信号特征。随后,构造一种结合噪声增强卷积神经网络(NECNN)和双向长短期记忆网络(BiLSTM)的深度神经网络模型,利用传感器阵列捕获的噪声信号对构造的网络模型进行训练,揭示中心传感器信号和卫星传感器信号之间的非线性映射关系。最后,在磁场检测过程中,利用卫星传感器阵列噪声重建出中心传感器的噪声分量,再将中心传感器捕获的含噪信号减去重建噪声,得到去噪后的待检测磁场信号。实验结果表明,本文提出方法在磁场去噪的最大误差与均方根误差指标上均优于常规方法,为磁场强干扰下信号动态去噪提供一种新手段,有望应用于电流检测、磁场成像、电池质量检测等领域。

基于传感器阵列及神经网络算法的NH_(3)和NO_(2)混合气体体积分数识别

针对电阻型气体传感器具有的交叉敏感性,开发了基于WO_(3)传感器阵列及神经网络算法的NH_(3),NO_(2)混合气体体积分数预测技术。采用火焰合成法合成了La掺杂的WO_(3)敏感材料并制备了气体传感器,与商用MQ—137电阻型气体传感器组成阵列。通过提取特征值、神经网络训练,构建传感器阵列输出与气体体积分数的映射模型,并使用该模型由传感器阵列的响应结果对NH_(3),NO_(2)混合气体进行体积分数预测。实验结果表明:经训练后的神经网络能对NH_(3),NO_(2)混合气体中各组分体积分数进行有效预测,平均预测误差分别为3.64%和2.48%。本文所开发的传感器阵列及神经网络算法有效避免了电阻型传感器选择性差的局限,实现了对NH_(3)和NO_(2)混合气体的高效识别和体积分数测量。

基于电感式传感器阵列成像的废金属识别方法

在传统物料自动化分选领域,电感式传感器有着抗干扰性强和检测便捷的优势,但因其在识别传送带上随机散布的金属物料时,难以准确提取出每个金属物料对应的检测数据,而很少被独立应用到金属物料在线识别中。为此,提出了一种将电感式传感器阵列检测数据转换为图像的方法,以图像分割完成数据提取,实现对金属物料的在线识别。首先以BP神经网络对检测数据进行插值,改善传感器分布方向上数据稀疏的问题后,通过线性映射得到灰度图像;其次针对成像分辨率低及区域边界模糊的问题,以传统方法对灰度图像进行初步分割后,设计边界蚕食算法,增强对图像山谷处的分割力度,实现图像的完全分割,提取每个金属对应的图像区域,完成数据提取;最后建立模糊C均值聚类算法分类模型,根据每个金属图像区域的灰度最大值和灰度最大梯度值完成金属材质分类,实现种类识别。试验结果表明,相比于其他图像分割方法,边界蚕食分割方法像素保留比例较高,为后续识别步骤保留了更多信息,且最小分割距离不高于2.5 mm,对密集金属群有更强的区分能力;所提出的金属识别方法最终的识别正确率达到了94.6%,对传送带上随机散布的密集金属群具有良好的在线识别能力。

基于TMR传感器阵列与数值积分的电流测量技术研究

为满足智能电网对先进传感技术和复杂电磁环境下高精度电流测量的需求,提出一种基于TMR传感器阵列和Newton-Cotes数值求积算法的电流测量方法。通过建立复杂干扰磁场环境的仿真模型,验证了不同状况下求积算法的准确性;设计了电流传感器的系统结构和硬件电路;制作了测量装置样机,搭建了实验平台,并进行了性能测试。结果表明,文中提出的方案具有较高的测量精度和抗外磁场干扰能力,在无聚磁环的情况下,0~16 A电流测量范围内最大相对误差分别为直流0.31%和工频交流1.00%,在电流导线位置和传感器姿态发生变化时仍能保持较高精度。

TMR传感器阵列抗干扰测量电流新方法

隧道磁阻(TMR)传感器测量电流时易被其他磁场干扰,导致测量失准。为了解决这个问题,本文提出了一种三传感器阵列设计。通过对磁场表达式进行空间离散傅里叶变换,建立超越方程组求解测量电流。对该方法进行了数学建模、数值模拟实验、有限元分析和实验分析。实验结果表明:当测量电流为100 A、干扰电流为700 A时,数值模拟的最大误差为2.98×10^(-15);有限元分析阵列各种角度下的最大误差小于1%;在80 A的量程范围内,实验分析的最大误差为2.02%。这验证了该方法的有效性。

利用高阶累积量相关性的地震波传感器阵列目标检测方法

针对传统决策级判决检测方法虚警率高、信息浪费的问题,提出一种远场环境下可有效消除噪声影响的基于高阶累积量矩阵相关性目标检测方法:通过在传感器节点端设定一个发送数据的触发门限,预先对参与融合检测的传感器节点个数进行约束,融合中心在收到节点发送的数据后,计算信号的四阶累积量构建累积量矩阵,并构建相关性统计量作为融合检测的判决统计量;利用临近节点信号累积量矩阵列向量之间的相关性,结合判决统计量得到在恒虚警概率下的检测门限,判断目标是否存在,实现对目标的融合检测.仿真发现其在不同噪声环境下能有效检测出目标,且检测性能优于现有检测方法.

基于传感器阵列的SF_(6)仪表图像识别方法

SF_(6)仪表图像中存在多个亮暗区域、反光和阴影等问题,以单一传感器为基础的识别方法缺陷明显。为此,引入传感器阵列,提出SF_(6)仪表图像识别方法。将索尼的IMX219作为核心图像传感器,设计传感器阵列,全方位捕捉SF_(6)仪表图像信息,在TCP/IP协议下实时处理和传输传感器阵列采集的数据。通过特征向量和相似度参数对图像去噪与多尺度小波变换,得到不同尺度下的纹理特征。利用支持向量机(Support Vector Machine,SVM)实现对SF_(6)仪表图像信息的识别。测试结果表明,该设计图像识别方法不仅具有优越的去噪效果,对于具体示数的识别结果也有更低的误差。

基于磁场传感器阵列的电流测量方法研究进展

在电力系统的电流测量领域,磁传感器阵列具有非接触性、体积小、线性度高、抗干扰能力强、温漂小、频带宽以及成本低等优势。该文对磁传感器阵列技术在电力系统电流测量领域的研究进行了综述,介绍了不同被测对象所对应的磁传感器阵列方案,总结归纳了圆形阵列、矩形阵列等常见的磁场传感器阵列方案的研究进展,分析了偏心、串扰与倾斜等磁传感器阵列方案常见的误差来源。已有研究表明,磁场传感器阵列技术在电力系统的电流测量领域具有成本低、精度高、宽范围、宽频带、采用非接触式设计等优势,未来将在智能电网中获得更广泛的应用。

传感器阵列对岩体微震/声发射源定位精度的影响

随着开采深度增加,岩体动力灾害日益突出。微震监测已成为岩爆、顶板坍塌等岩体动力灾害监测的重要技术手段。传感器阵列布设作为信号采集的第一步,严重影响信号源的定位精度。讨论和总结有关由传感器阵列布设引起的微震(MS)和声发射(AE)震源定位误差的重要研究,并分析传感器数量、传感器布设形态以及传感器与震源距离对MS/AE源定位精度的影响机制。随后,结合工程实践和实验室测试,给出传感器阵列的一些布设原则,并通过现场应用进行验证。另外,综合考虑影响传感器阵列布设数量、形状和距离的因素,找到最优布置方案,可大幅度改善信号采集效果,提高信号源定位精度。最后,对提高MS/AE源定位精度所面临的挑战和传感器阵列方面相应的应对策略进行展望。

基于希尔伯特-黄变换的电阻传感器阵列

现有的频谱分析方法不能对电阻传感器阵列进行同步扫描,本文将改进经验模态分解的希尔伯特-黄变换(HHT)对电阻阵列响应信号进行频谱分析。首先,分析经验模态分解过程中存在的端点效应。针对经验模态分解过程中的端点效应问题,通过对三种端点延拓方法进行比较,得出适合处理电阻阵列响应信号的延拓方法。然后,利用改进算法对响应信号进行频谱分析,可得到各单元的电阻与时间、频率和幅度的关系,实现电阻阵列地测量。最后,通过仿真实验验证了改进HHT的有效性。结果表明,改进算法能够得到阵列中所有单元的准确时频分布,可促进交流测量方法在传感器测量领域中的应用。

电容式传感器阵列在人体膝关节运动识别中的应用

在人体运动过程中,膝关节为整个身体提供稳定的支撑,承受大部分的体重并吸收大量的冲击力。膝关节是否正常活动决定了人体能否拥有良好的活动能力,因而对膝关节的运动状态的监测至关重要。本文采用多传感器融合的方式,结合弯曲传感器、微电容传感阵列,建立了膝关节监测系统。为了验证系统的可靠性和准确性,对“直立—坐下”、“上楼梯”、“下楼梯”3个过程的数据进行了采集和分析。实验结果表明:该膝关节监测系统可以有效地测量运动状态时的膝关节弯曲角度。

基于传感器阵列结合GA-BP算法对VOC的识别研究

为提高空气中挥发性有机物(VOC)检测可靠性,提出了一种基于气敏传感器阵列结合遗传算法(GA)优化反向传播(BP)神经网络算法的VOC检测模型。选用多个气体传感器组建阵列对VOC混合气体样本进行响应测试,使用主成分分析(PCA)对响应数据进行数据降维及初步分类探索,使用构建的GA-BP神经网络算法模型在PCA探索性分析的基础上进行定性及定量识别,并与BP神经网络识别结果进行对比。结果表明:遗传算法优化后的BP神经网络多元分类和回归模型性能优良且稳定,气体分类识别准确率达96%,浓度回归预测均方根误差为1.8×10-2,平均相对误差为5.2%,平均训练耗时分别降至1.5 s和1.12 s,效果显著优于BP神经网络算法模型。这些研究结果进一步拓展了GA-BP算法结合气敏传感器在挥发性有机物检测识别中的应用前景。

一种混合气体与温度同时检测的传感器阵列

针对主要烟气污染物气体一氧化氮NO/二氧化硫SO_(2)监测存在的温漂大、温度补偿系统体积大、成本高的问题,采用MEMS工艺,研制了一种三电极碳纳米管传感器阵列。该阵列由三个不同极间距的传感器构成,分别检测NO、SO_(2)浓度及温度。研究了极间距、气体浓度和温度对传感器的影响,分析了传感器对气体浓度和温度的敏感机理。三个传感器在不同的气体浓度、不同的温度下,具有不同的单值敏感特性。传感器重复性好、灵敏度高;阵列可以不分离混合气体,直接检测NO、SO_(2)成分及温度,具有温度补偿的功能,能够用于解决烟气污染物检测在工作温度变化时存在的误报问题。

基于MEMS红外热电堆传感器阵列的智能手势识别系统

提出了基于MEMS红外热电堆传感器阵列实现智能手势识别的方案,针对性设计出MEMS红外热电堆传感器阵列的信号调理电路,实现信号的高效处理。进一步地,基于单片机中加载的的卷积神经网络模型,对处理后的信号进行高精度识别与分类。测试结果表明,该系统对于四种静态手势的识别准确度达92.00%,并且能够实现通过识别手势来控制多级外设运作的功能。本系统还采用蓝牙技术,实现了系统与移动终端之间的数据交换,实际最大通信距离可达15 m,符合非接触测温场景的需求。最后还开发了相应的移动终端小程序,提高了人机之间的可交互性,进一步拓宽了该技术的应用场景。

基于平面电容传感器阵列的动态手势识别技术

针对人机交互中对于动态手势识别技术的需求,设计了一种新的平面电容传感阵列对动态手势进行检测。通过COMSOL Multiphysics对传感器阵列结构进行仿真设计,采用卡尔曼滤波算法对手部运动坐标数据进行滤波,并借鉴基于视觉的手势识别中的隐马尔可夫模型(HMM)方法对手部运动轨迹进行识别。该系统对动态手势图形的平均识别率高达95%,可用于简单的人机交互。

基于气体传感器阵列的Tent-SSA-BP苹果鲜度预测模型

为了能够准确预测苹果的鲜度等级、有效降低苹果的储藏风险、避免经济损失,基于一种气体传感器阵列和无线传输模块的电子鼻系统,采集苹果散发的气味信息。在实验室现有的苹果鲜度识别系统的研究基础上,以室内条件下储存的富士苹果为研究对象,建立基于混沌序列(Tent)改进的麻雀搜索算法(SSA)优化反向传播(BP)神经网络的预测模型,通过预测苹果挥发的气味信息完成对苹果鲜度的预测。结果表明,基于气体传感器阵列的Tent-SSA-BP预测模型的决定系数为0.942 03,均方误差为0.000 4,准确性总体高于BP神经网络预测模型的0.800 57,且具有更高的预测稳定性。该预测模型解决了当前基于传统动力学模型的预测准确率低、检测效率低、且对苹果造成破坏的问题;同时相较于红外光谱等其他预测手段,该模型具有更低的经济成本,且具有操作简便、移动便携等优点。综上所述,通过对苹果挥发的气味信息进行预测以实现对苹果鲜度的预测,具有操作简便、成本低、结果可靠的特点,避免了预测鲜度的过程中对苹果造成破坏,实现了无损检测。

基于多DS18B20传感器阵列的数据采集方法研究

提出了一种基于多DS18B20温度传感器阵列的分布式并行数据采集方法,解决了热物理学中对空间内温度梯度多点检测用传感器阵列数据采集同步性较差的问题,提高了检测实时性与同步性。对DS18B20温度传感器的结构与工作时序进行了深入解析,首先将阵列内所有温度传感器进行ID匹配,然后启动温度转换,使传感器耗时最长的一段过程尽量保持同步进行,缩短了数据采集所耗时长。同时对180个传感器两种温度采集方式所耗时长进行了对比:采用分布式并行数据采集方法耗时3.6 s,比传统逐个式温度采集缩短了82.2 s。所提出的方法提高了多DS18B20温度传感器阵列数据采集的同步性,对空间内温度场、温度梯度模型的研究具有重要意义。