改进的中位值平均滤波法提升HX711电子秤精度与稳定性的实验设计与实践

设计了HX711电子秤实验,实验中采用了改进的中位值平均滤波法对采样过程中的数据稳定性进行了软件滤波处理,使用了实验法确定电子秤的A/D值转换为克的参数,介绍了二次多项式拟合方法,并确定了二次多项式的3个参数,在此基础上搭建了实验电路并编写代码,使用多组合的砝码测试电子秤效果,经过测试数据分析,数据的平均误差为0.27%,其精度较好,稳定可靠,提高了高职学生的动手能力。

压差式静力水准成果数据滤波和预测算法研究

针对静力水准监测数据精度无法满足工程需求的问题,本文提出采用滑动平均法、中位值法、中位值平均法、限幅法和3σ准则等5种滤波法剔除误差,以提高监测精度。通过数据试验,分析和比较各种方法的应用效果。通过拟合的方法,提出数据预测算法。最后将滤波和预测算法编入计算机程序,实现工程应用。

基于UWB技术的车辆定位算法研究

针对城市道路、高速公路环境下车辆定位存在多径效应及非视距(NLOS)传播等现象,并且对定位系统具有高精度、低功耗、测量便捷等场景需求。对现有的车辆定位技术系统分析的基础上,提出了一种改进的基于超宽带UWB技术的TDOA定位方法。在定位基站与定位标签之间采用UWB技术,通过Chan算法对获得的TDOA观测数据进行车辆位置解算,采用加权最小二乘法(WLS),充分利用冗余数据来获得移动台最优位置估计值,最后通过中位值平均滤波法进行车辆位置优化,进一步抑制NLOS传播产生的脉冲性干扰。仿真结果表明,当测距误差小于0.3m,车辆所在车道判断准确率达到100%,改进后的UWB定位算法在低成本、易实现的情况下,能够有效降低多径和NLOS对车辆定位精度的影响。

航空发动机试验稳态数据实时数字滤波方法研究

航空发动机试验时,需对稳态采集数据采用合适的实时数字滤波方法来消除干扰。针对常用递推平均法、中位值法、中位值平均法、一阶滞后法等实时滤波方法,分析了它们数学原理,对比了它们在跟随性和抗干扰能力方面的优缺点。在此基础上,通过对滤波算法进行改进,设计出了中位值平均一阶滞后法。该方法在抗干扰性能和跟随性之间取得了更好的平衡,具有更优良的综合性能和更宽的普适性,更适合航空发动机试验时的稳态数据实时处理。

基于StarFire星站差分GPS系统的精密静态解研究

针对StarFire星站差分GPS系统静态观测定位结果存在收敛和发散现象,提出了直接平均法、平均中位法和密度中位法以获取其精密静态解。平均中位法考虑了收敛和发散过程,其计算结果要优于直接平均法;但由于没有相应的收敛点和观测点定位模型,平均中位法获取的精密静态解存在一定的不确定性;基于观测值密度分布的密度中位法不需要确定收敛点和发散点,就能得到精密静态解。实例表明,当观测环境相对稳定,观测过程没有明显的收敛和发散现象时,直接平均法、平均中位法和密度中位法的精密静态解基本相同,密度中位法略优;当观测环境差,观测过程出现明显收敛和发散现象时,密度中位法最优,平均中位法次之。

红外传感器的信号提取和数据采集的设计

对于解决一类适合低频调制技术,且输出信号非常微弱的红外传感器的信号检测和提取,设计采用选频加窄带通滤波器的方法,再应用中位值平均滤波的数据采集方法很好地解决了对这一类红外传感器信号的数据采集。通过理论和实验证明该设计方法很好地提取了反映变化量性质的有用信号,同时也很好地提高了系统的信噪比,满足了实际情况的需要。

婴幼儿体温监测器设计

该设计使用低功耗蓝牙为通信手段,由臂环和报警器2部分组成.通过体温传感器WD3703和6轴运动处理传感器MPU6050,使用互补滤波算法融合MPU6050内置的陀螺仪和加速度计的数据计算出较为准确的倾角数据,使用中位值平均滤波法计算温度数据,从而实现婴幼儿体温和睡眠姿态的实时监测,并存储数据.数据异常时会进行报警提示,有效减轻父母在看护婴幼儿生病发烧时的负担.该设计存储的睡眠姿态数据能及时提供给父母作为参考,以便对婴幼儿的不良睡姿进行调整.

基于STM32F103ZET6的温室大棚多点光照采集系统

当今世界精准农业迅速发展,农业技术更加智能化。用现代科技来改变温室大棚农作物的生长环境,提高农作物产量成为一种趋势。光照是农作物生成养分的必要条件和关键因素,因此本文设计了一种温室大棚内多点光照自动采集系统。系统以STM32F103ZET6为核心的数据处理模块,以STC15W404AS和BH1750为光照数据采集模块,用RS-485驱动器和接收器进行数据传输。通过自定义的通信协议将光照传感器采集模块、数据处理模块、远程PC端和手机端有机地结合在一起,系统目前已经投入使用。

基于CEEMDAN-LSTM的陶岔渠首水深预测

采用基于自适应噪声的完全经验模态分解-长短期记忆神经网络模型(CEEMDAN-LSTM)对水深进行预测。首先利用中位值平均滤波法对数据进行预处理,再采用CEEMDAN方法对历史水深序列进行分解获得历史水深的高、低频以及残差序列,然后对得到的各个分量使用LSTM神经网络预测,最后叠加各分量预测值重构水深预测结果。以陶岔渠首为研究对象,CEEMDAN-LSTM模型测试结果表明:该模型相比支持向量机回归、BP神经网络、长短期记忆神经网络、经验模态分解-长短期记忆神经网络模型有更强的预测性能。