基于变分自编码器的日线损率异常检测研究

采用一种基于自编码器的异常检测算法,实现大规模日线损率数据的异常检测.变分自编码器是一种利用反向传播算法使得输出值近似等于输入值的神经网络,使用自编码器将原始日线损率时间序列编码,在重建过程中记录每个时间点的重建概率,当重建概率大于指定阈值时就判定其为异常数据.本文利用真实日线损数据进行实验,试验结果表明,基于自编码器的日线损率异常检测算法具有较好的检测效果.

基于LightGBM的LoRa室外指纹定位算法

随着智慧城市、智能工厂、绿色建筑的发展,低功耗物联网作为这类应用场景下最为重要的组网技术之一,对定位技术的需求也愈发迫切。一般的定位方式精度高但同时能耗大不适用于低功耗物联网。针对这个问题设计一种定位算法,以LoRa为基础,利用基于LightGBM(Light Gradient Boosting Machine)的室外指纹定位算法进行室外定位。通过实验结果验证,其平均定位精度达到了90 m左右,相比传统KNN和BP神经网络而言,定位精度提高了35%左右。同时定位的时间相比传统机器学习方法较短,具有较好的实用性。

基于Fabry-Perot干涉仪的微型光纤风速仪

提出了一种由硅片和单模光纤(SMF)端面组成的法布里—珀罗(Fabry-Perot)干涉仪型风速计。风速计利用硅优越的热学和光学特性,当红外信号通过硅Fabry-Perot干涉仪时,可以通过红色二极管激光器注入的光束对硅Fabry-Perot干涉仪进行加热,而不会受到加热光的任何干扰。当传感器置于较强气流(风)中时,硅片热损失的增加,将会引起Fabry-Perot干涉仪光程的减小,从而导致输出光谱蓝移,风速越高,波长偏移越大。通过调节加热功率,可以改变风速计的响应范围和灵敏度。实验结果表明:在风速为4 m/s时,观察到波长偏移为-0.574 nm。当施加更大的加热功率时,预期会有更好的灵敏度。该传感器具有结构简单、成本低、响应快等特点。