多功能傳感器信號重構(gòu)方法研究及其應(yīng)用.pdf

1、隨著科學(xué)技術(shù)的不斷發(fā)展，測試需求的不斷提高，微型化、智能化、網(wǎng)絡(luò)化、無線化、多功能化已經(jīng)成為傳感測試技術(shù)的幾大主要發(fā)展方向。多功能傳感器可同時測量多個物理量，更準(zhǔn)確客觀地反映測試對象與測試環(huán)境，可極大地消減測試系統(tǒng)的體積與功耗，在航空、航天、環(huán)境監(jiān)測、農(nóng)業(yè)生產(chǎn)制造等諸多領(lǐng)域具有重要意義和廣闊的應(yīng)用前景。
　　多功能傳感器對測試對象的準(zhǔn)確測量依賴于有效的信號重構(gòu)方法，但由于被測量的增加、測量環(huán)境的不確定性以及多功能傳感器敏感機理的復(fù)

2、雜性，使得現(xiàn)有的多功能傳感器信號重構(gòu)方法普遍存在著模型估計能力差、信號重構(gòu)精度差以及過擬合、局部極小解、維數(shù)災(zāi)難等問題。因此，本文針對現(xiàn)有信號重構(gòu)方法中存在的問題，研究相應(yīng)的解決方法，提高多功能傳感器信號重構(gòu)精度，促進多功能傳感器的開發(fā)與應(yīng)用。本文主要研究內(nèi)容如下：
　　多功能傳感器信號重構(gòu)問題中常用的線性參數(shù)化多元回歸處理方法具有辨識模型簡單、信號重構(gòu)過程易于實現(xiàn)的優(yōu)點，但該方法通常利用最小二乘方法實現(xiàn)模型參數(shù)辨識，由于最小二乘

3、法在應(yīng)用中只考慮了觀測向量中存在的誤差而忽略了數(shù)據(jù)矩陣中的誤差影響，而在實際應(yīng)用中觀測向量和數(shù)據(jù)矩陣均由測試數(shù)據(jù)構(gòu)成，不可避免的含有誤差，因而影響了辨識模型的可靠性與信號重構(gòu)的精度。而總體最小二乘方法同時考慮了觀測向量和數(shù)據(jù)矩陣的擾動問題，更適于實際應(yīng)用情況。仿真試驗表明基于總體最小二乘方法的傳感器信號重構(gòu)結(jié)果優(yōu)于最小二乘方法。
　　支持向量機方法是適用于小樣本情況下的新型機器學(xué)習(xí)方法，它利用結(jié)構(gòu)風(fēng)險最小化準(zhǔn)則來代替?zhèn)鹘y(tǒng)的經(jīng)驗風(fēng)險

4、最小化準(zhǔn)則，有效地避免了傳統(tǒng)方法中存在的過擬合、局部極小化、維數(shù)災(zāi)難等問題。其中，最小二乘支持向量機方法通過采用二次損失函數(shù)來度量經(jīng)驗風(fēng)險并利用等式約束來代替不等式約束，將求解簡化為處理線性方程組問題，而無須處理二次規(guī)劃問題，極大地消減了數(shù)據(jù)處理的計算復(fù)雜度，因而相比標(biāo)準(zhǔn)支持向量機方法更適宜于處理多功能傳感器信號重構(gòu)問題。但由于在實際應(yīng)用中線性方程組由測量信號構(gòu)成，直接采用矩陣求逆處理時易出現(xiàn)擾動問題和數(shù)值不穩(wěn)定現(xiàn)象，因此本文采用總體最

5、小二乘法處理最小二乘支持向量機求解問題，抑制矩陣擾動、增強求解的數(shù)值穩(wěn)定性，提高信號重構(gòu)精度。仿真結(jié)果表明基于總體最小二乘解的支持向量機方法的信號重構(gòu)精度優(yōu)于標(biāo)準(zhǔn)支持向量機方法和標(biāo)準(zhǔn)最小二乘支持向量機方法。
　　標(biāo)準(zhǔn)魯棒最小二乘支持向量機中的權(quán)函數(shù)因為缺少對粗差數(shù)據(jù)的淘汰處理機制，使得粗差數(shù)據(jù)仍對最終的求解過程產(chǎn)生影響，影響了算法的魯棒性。因此本文采用IGGIII權(quán)函數(shù)對估計殘差進行加權(quán)處理并利用總體最小二乘法處理回歸參數(shù)矩陣，I

6、GGIII權(quán)函數(shù)通過對粗差域數(shù)據(jù)賦予零權(quán)值可有效去除粗差數(shù)據(jù)點對于重構(gòu)結(jié)果的干擾，增強算法魯棒性；總體最小二乘法可增強求解的數(shù)值穩(wěn)定性與計算精度。仿真結(jié)果表明，對于含有粗差數(shù)據(jù)情況下的多功能傳感器信號重構(gòu)問題，改進算法的魯棒性及重構(gòu)精度均優(yōu)于標(biāo)準(zhǔn)魯棒最小二乘支持向量機方法。
　　對于復(fù)雜重構(gòu)問題利用全局建模方法進行處理時，通常存在著模型復(fù)雜度大、計算效率低、泛化性能差等缺點，而局部化建模方法通過在待分析樣本附近直接構(gòu)建重構(gòu)函數(shù)，可

7、有效降低模型復(fù)雜度、增強預(yù)測效率和泛化性能。本文通過構(gòu)建基于鄰域風(fēng)險最小化思想的局部化最小二乘支持向量機實現(xiàn)多功能傳感輸入、輸出函數(shù)關(guān)系的局部化建模，并采用總體最小二乘法處理局部化最小二乘支持向量機的回歸參數(shù)求解問題，從而實現(xiàn)傳感器信號重構(gòu)。仿真結(jié)果表明，相比全局化方法，局部化最小二乘支持向量回歸方法具有更高的信號重構(gòu)精度和計算穩(wěn)定性。
　　為了檢驗本文提出的傳感器信號重構(gòu)算法在實際應(yīng)用中的效果，將其用于解決一個設(shè)計新穎的多功能多