论文部分内容阅读
摘 要：传统的传感器测量数据一般的处理方法只是采用算术平均值的数字滤波法，虽然这种方法具有一定的抗干扰性，但从统计理论和实际应用情况分析来看，这种方法处理的数据不甚理想，尤其对于多传感器测量的情况时更糟糕。针对这种情况本文提出了采用全局分组方式对多传感器数据进行融合，利用拉依达判别法剔除粗差，能够实现有效、快速地处理数据，处理后的数据表明结果更接近真实值。
关 键 字：传感器；数据融合；拉依达准则；全局融合
0 引言
近年来，随着科技的发展，无论在军事领域还是在非军事领域当中，多传感器数据融合技术都受到了广泛关注。当用多个传感器（同类或异类）同时测量某环境变量，或者如果检测系统对环境变量的测量次数有限时，为了提高测量精度就需要对传感器获取的数据进行预处理，传统的方法是采用多个传感器的算术平均，虽然具有一定的抗干扰能力，但在实际应用中表明这不是有效处理数据的最好方法。为了更好的处理数据，我们从数据误差来源上进行相应处理[1][2]。这种方法就是采用拉依达偏差剔除的方法剔除误差比较大的传感器数据组。然后相邻传感器测量数据不在同一组的分批估计原则对所测量的传感器数据分批估计。这样做不仅能削除测量中的不确定性，在很大程度上提高测量结果的重复性和准确性,获得更可靠的实时测量结果，还能够充分利用传感器测量数据在空间上的优势。利用本文提出的数据融合处理方法，处理后的数据表明更加接近真实值。
1.信息融合的信息处理过程
传感器信息融合系统中的数据融合处理过程主要包括[3][4]: 多传感器、数据预处理、数据融合中心和结果输出等环节。其过程如图1所示。
由于被测对象多为具有不同特征的非电量, 如压力、温度、位移等, 首先需要经过多传感器将这些非电量转化为电量, 然后经过A/D转换器将这些模拟信号转化为能有计算机处理的数字量, 数字化后的电信号通过预处理, 采用滤波等方法除掉数据采集过程中的干扰和噪声, 提取出有用信号, 预处理后的有用信号送入融合中心进行信息融合, 经过特征存取, 并对特征量进行信息融合计算, 最后输出融合结果。
1.1 拉依达准则
拉依达判别法[5]是指当标准差D(x)已知时，用来检验一组预测值中的异常值的方法。根据正态分布规律，当偏差值大于3倍标准差D(x)，测定值出现的概率比较小，是一个小概率事件，可以忽略其存在，即可判断其为异常值而剔除。实际应用中，用样本值计算的样本标准差δ代替D(x)来判断预测值中的异常值。
设有n个数据，x1，x2，…xn，令E=|x-xi|(i=1,2,3…n)，若有
E>3S,则说明此组数据中有异常值。其中，x=1/n，
δ=。
1.2 全局数据融合
为了实现对所测量的数据进行有效、快速的处理，充分利用每个传感器传感器参量，我们从整体对传感器进行分组[6]。相对于系统采样频率而言，一般是缓慢且具有正态分布的。通过这些传感器首先得出一致性测量数据,然后再按照空间位置上相邻两个传感器不在同一组的原则分成两组,然后再对两组测量数据的平均值采用分批估计的算法,估计出接近被检参数变量的真实值的融合值：这在很大程度上消除了测量过程中的不确定性。设检测系统测得的第一组的一致性测量数据为Y11，Y12…Y1m (m≥2)；设检测系统测得的第二组的一致性测量数据为Y21,Y22…Y2n(n≥2),其中m+n=k.
两组样本测量值所对应的样本平均值分别为：
样本标准误差分别为：
同时考虑上面两组的测量结果，Y1、Y2为在同一批中测得的两个数据,在此之前是没有任何有关的测量统计资料的,即在数据处理前测量前结果的方差为δ-=∝,则(δ-)-1=0根据分批估计理论的方法,经分批估计后所得到的参数融合值的方差为:
δ+=[(δ-)-1+HτR-1H]-1=(δ12δ22)/(δ12+δ22),其中,R为测量噪声的协方差,H为测量方程的系数矩阵,且H=[1 1]T ,R=E(νντ)=diag|δ12,δ22|因此通过分批估计方法推导出的的数据融合值Y+为Y+=[δ+(δ-)-1]Y-+[δ+HTR-1]Y=[δ++HTR-1]Y
将R代入上式中得：
。(1)
δ=(δ12δ22)/(δ12+δ22) (2)
在(1)式中，Y+为基于多传感器参数估计数据融合所得到的某参数值,由此可推知,利用多传感器之间的协同工作,通过应用估计方法对检测到的多传感器数据进行融合后,可得到被测参数的准确预测值。利用分批估计方法对每一个传感器测量的数据进行处理，降低了误差的影响.
3 实例分析
以文献[7]所给的数据来说明本方法的优点。用8个热电偶传感器(1～8号)对1200℃的恒温槽进行测量。为了降低误差的影响，对恒温槽进行8次温度测量，测量数据记录如表1所示。
采用传统的算术平均值计算结果为x=1203.7,δ=8.80。绝对误差为3.7，相对误差为0.307%现采用全局分批融合处理方法后，x1=1201.4，x2=1206.1,δ1=7.7,δ2=133.6。代入公式中得：x(1)=1201.6 δ(1)=7.7。利用莱以特法判别出第8组数据偏差较大，予以剔除后进行数据融合，得到x1'=1201.4,δ1'=7.7,x2'=1199.6,δ2'=7.7。x(2)=1200.6,δ(2)=5.4。从数据中可以看出，融合后得到的数据相对误差为0.6.比用算术平均法得到的结果更加接近真实值。
4 结束语
多传感器信息融合的理论和技术正在发展之中,它作为智能理论的一个分支必将对多传感器技术产生深远的影响。随着传感器技术、计算技术、微电子技术的发展,多传感器信息融合系统将在工业、科技、国防等各个部门得到更广泛的应用。为了提高从多传感器测量数据的准确性，为后面的数据处理打好基础，提出先用拉依达法剔除数据偏差较大的一组，剔除后的数据再用全局的融合方法。该方法计算简单、处理速度快，处理后的数据测量误差和方差更小，更接近测量真值.
参考文献：
[1] 张捍东.孙成慧等.分布式多传感器结构中的数据融合方法 安徽工业大学
[2] 孔凡天.陈幼平等.基于多传感信息融合的分布式气体检测系统[J].计算机测量与控制，2006.14(4):421～424
[3] 贾伯年.俞朴.传感器技术[M].南京:东南大学出版社,2000.8
[4] 臧大进.多传感器信息融合技术综述[J].工矿自动化,2005,6:30～32
[5] Hall D L.Mathematical Techniques in Multi-sensor DateFusion.Boston: Artech House,1992
[6] 吕漫丽.孙灵芳.多传感器信息融合技术[J].东北电力大学自动化工程学院,2008年第2期
[7] 吴文全.席泽敏等.多传感器测量数据预处理 海军工程大学,2005年第8期
作者简介：
李明河，女，1963年11月出生，安徽工业大学硕士导师，教授。在研项目为小城镇及新农村污水处理回用设备—控制系统研发。
关 键 字：传感器；数据融合；拉依达准则；全局融合
0 引言
近年来，随着科技的发展，无论在军事领域还是在非军事领域当中，多传感器数据融合技术都受到了广泛关注。当用多个传感器（同类或异类）同时测量某环境变量，或者如果检测系统对环境变量的测量次数有限时，为了提高测量精度就需要对传感器获取的数据进行预处理，传统的方法是采用多个传感器的算术平均，虽然具有一定的抗干扰能力，但在实际应用中表明这不是有效处理数据的最好方法。为了更好的处理数据，我们从数据误差来源上进行相应处理[1][2]。这种方法就是采用拉依达偏差剔除的方法剔除误差比较大的传感器数据组。然后相邻传感器测量数据不在同一组的分批估计原则对所测量的传感器数据分批估计。这样做不仅能削除测量中的不确定性，在很大程度上提高测量结果的重复性和准确性,获得更可靠的实时测量结果，还能够充分利用传感器测量数据在空间上的优势。利用本文提出的数据融合处理方法，处理后的数据表明更加接近真实值。
1.信息融合的信息处理过程
传感器信息融合系统中的数据融合处理过程主要包括[3][4]: 多传感器、数据预处理、数据融合中心和结果输出等环节。其过程如图1所示。
由于被测对象多为具有不同特征的非电量, 如压力、温度、位移等, 首先需要经过多传感器将这些非电量转化为电量, 然后经过A/D转换器将这些模拟信号转化为能有计算机处理的数字量, 数字化后的电信号通过预处理, 采用滤波等方法除掉数据采集过程中的干扰和噪声, 提取出有用信号, 预处理后的有用信号送入融合中心进行信息融合, 经过特征存取, 并对特征量进行信息融合计算, 最后输出融合结果。
1.1 拉依达准则
拉依达判别法[5]是指当标准差D(x)已知时，用来检验一组预测值中的异常值的方法。根据正态分布规律，当偏差值大于3倍标准差D(x)，测定值出现的概率比较小，是一个小概率事件，可以忽略其存在，即可判断其为异常值而剔除。实际应用中，用样本值计算的样本标准差δ代替D(x)来判断预测值中的异常值。
设有n个数据，x1，x2，…xn，令E=|x-xi|(i=1,2,3…n)，若有
E>3S,则说明此组数据中有异常值。其中，x=1/n，
δ=。
1.2 全局数据融合
为了实现对所测量的数据进行有效、快速的处理，充分利用每个传感器传感器参量，我们从整体对传感器进行分组[6]。相对于系统采样频率而言，一般是缓慢且具有正态分布的。通过这些传感器首先得出一致性测量数据,然后再按照空间位置上相邻两个传感器不在同一组的原则分成两组,然后再对两组测量数据的平均值采用分批估计的算法,估计出接近被检参数变量的真实值的融合值：这在很大程度上消除了测量过程中的不确定性。设检测系统测得的第一组的一致性测量数据为Y11，Y12…Y1m (m≥2)；设检测系统测得的第二组的一致性测量数据为Y21,Y22…Y2n(n≥2),其中m+n=k.
两组样本测量值所对应的样本平均值分别为：
样本标准误差分别为：
同时考虑上面两组的测量结果，Y1、Y2为在同一批中测得的两个数据,在此之前是没有任何有关的测量统计资料的,即在数据处理前测量前结果的方差为δ-=∝,则(δ-)-1=0根据分批估计理论的方法,经分批估计后所得到的参数融合值的方差为:
δ+=[(δ-)-1+HτR-1H]-1=(δ12δ22)/(δ12+δ22),其中,R为测量噪声的协方差,H为测量方程的系数矩阵,且H=[1 1]T ,R=E(νντ)=diag|δ12,δ22|因此通过分批估计方法推导出的的数据融合值Y+为Y+=[δ+(δ-)-1]Y-+[δ+HTR-1]Y=[δ++HTR-1]Y
将R代入上式中得：
。(1)
δ=(δ12δ22)/(δ12+δ22) (2)
在(1)式中，Y+为基于多传感器参数估计数据融合所得到的某参数值,由此可推知,利用多传感器之间的协同工作,通过应用估计方法对检测到的多传感器数据进行融合后,可得到被测参数的准确预测值。利用分批估计方法对每一个传感器测量的数据进行处理，降低了误差的影响.
3 实例分析
以文献[7]所给的数据来说明本方法的优点。用8个热电偶传感器(1～8号)对1200℃的恒温槽进行测量。为了降低误差的影响，对恒温槽进行8次温度测量，测量数据记录如表1所示。
采用传统的算术平均值计算结果为x=1203.7,δ=8.80。绝对误差为3.7，相对误差为0.307%现采用全局分批融合处理方法后，x1=1201.4，x2=1206.1,δ1=7.7,δ2=133.6。代入公式中得：x(1)=1201.6 δ(1)=7.7。利用莱以特法判别出第8组数据偏差较大，予以剔除后进行数据融合，得到x1'=1201.4,δ1'=7.7,x2'=1199.6,δ2'=7.7。x(2)=1200.6,δ(2)=5.4。从数据中可以看出，融合后得到的数据相对误差为0.6.比用算术平均法得到的结果更加接近真实值。
4 结束语
多传感器信息融合的理论和技术正在发展之中,它作为智能理论的一个分支必将对多传感器技术产生深远的影响。随着传感器技术、计算技术、微电子技术的发展,多传感器信息融合系统将在工业、科技、国防等各个部门得到更广泛的应用。为了提高从多传感器测量数据的准确性，为后面的数据处理打好基础，提出先用拉依达法剔除数据偏差较大的一组，剔除后的数据再用全局的融合方法。该方法计算简单、处理速度快，处理后的数据测量误差和方差更小，更接近测量真值.
参考文献：
[1] 张捍东.孙成慧等.分布式多传感器结构中的数据融合方法 安徽工业大学
[2] 孔凡天.陈幼平等.基于多传感信息融合的分布式气体检测系统[J].计算机测量与控制，2006.14(4):421～424
[3] 贾伯年.俞朴.传感器技术[M].南京:东南大学出版社,2000.8
[4] 臧大进.多传感器信息融合技术综述[J].工矿自动化,2005,6:30～32
[5] Hall D L.Mathematical Techniques in Multi-sensor DateFusion.Boston: Artech House,1992
[6] 吕漫丽.孙灵芳.多传感器信息融合技术[J].东北电力大学自动化工程学院,2008年第2期
[7] 吴文全.席泽敏等.多传感器测量数据预处理 海军工程大学,2005年第8期
作者简介：
李明河，女，1963年11月出生，安徽工业大学硕士导师，教授。在研项目为小城镇及新农村污水处理回用设备—控制系统研发。