共查询到19条相似文献,搜索用时 187 毫秒
1.
2.
3.
电涡流传感器输入/输出特性曲线具有很强的非线性,为保证仪表输入/输出的线性化关系,必须对电涡流传感进行非线性补偿。采用RBF网络对电涡流传感器进行非线性补偿,并将补偿结果与拟合函数法(最小二乘法)进行比较。结果表明:神经网络产生的补偿曲线更顺滑,预测性更强,补偿后的传感器线性度更好。 相似文献
4.
针对振弦传感器测量精度受环境温度影响的问题,本文提出基于粒子群-最小二乘支持向量机的温度补偿方法。采用泛化能力好、收敛速度快、全局最优的最小二乘支持向量机,并引入粒子群算法对最小二乘支持向量机的两个参数进行优化,建立预测模型,进行温度补偿。实验表明:与BP神经网络算法相比,该方法提高了传感器的精度。 相似文献
5.
压力传感器是一种常用的传感元件,由于其自身的非线性和外界测量条件的影响,传感器的输出特性大都为非线性,故存在多种误差因素。这些误差因素通常同时存在,但以温度的影响最为明显,所以对传感器的温度补偿也就尤为重要。本文结合目前应用比较普遍的各种温度补偿方法,通过编制程序,对压力传感器的输出非线性作了补偿。结果表明,基于最小二乘法的温度补偿方法简单,速度快,但是精度一般,应用BP神经网络补偿的效果好,但是算法复杂。 相似文献
6.
7.
所述新型三维加速度传感器由于受到结构、应变片粘贴、加工等因素的影响,在测量中存在维间耦合,影响测量精度。传统的是利用最小二乘法线性解耦。该文根据BP神经网络的强非线性映射功能研究了其非线性解耦方法。以新型传感器标定实验中的实验数据为对象,分别对其进行了非线性解耦和线性解耦,结果表明解耦精度提高了六倍。 相似文献
8.
提出一种应用径向基函数(RBF)神经网络进行加速度传感器动态性能补偿方法.介绍动态补偿原理以及算法,并将其与BP神经网络法和系统辨识法进行比较.该方法利用加速度传感器的动态标定数据,采用RBF神经网络搜索和优化补偿模型参数.结果表明,这种补偿模型误差小,比用系统辨识法有良好的鲁棒性、能实现在线软补偿,比用BP神经网络有更快的训练速度. 相似文献
9.
针对热敏电阻温度传感器应用中存在的非线性问题,提出应用递推最小二乘法训练正交基(OBF)神经网络进行非线性补偿的方法.研究结果表明,与RBF神经网络非线性补偿模型和BF神经网络非线性补偿模型相比,该正交基神经网络非线性补偿模型具有误差小,精度高,训练次数少的优点,故为一种有效的非线性补偿方法,在测控领域具有实用价值. 相似文献
10.
基于BP神经网络的红外测温系统温度标定方法 总被引:2,自引:0,他引:2
介绍了红外测温系统温度标定方法和BP算法神经网络,将BP算法神经网络应用于温度标定物理实验中的灰度与温度的特性曲线拟合,并在MATLAB下通过训练和仿真验证了应用BP算法神经网络拟合实验曲线的优越性,其拟合精度远高于最小二乘拟合,为测温数据的软件处理提供了新的方法。 相似文献
11.
基于神经网络的双目视觉摄像机标定方法的研究 总被引:8,自引:6,他引:8
摄像机标定是精密视觉测量的基础,传统的双目标定位需要建立复杂的数学模型。神经网络可以有效地处理非线性映射问题,本文介绍了一种BP神经网络,可以很好地描述双目视觉中三维空间特征点坐标和2个摄像机对应像点间的非线性关系,并且为了提高网络的学习能力引入了动态因子。将神经网络标定方法与传统的常用标定方法比较,实验结果表明,基于神经网络的双目视觉标定方法能获得较高的标定精度。 相似文献
12.
13.
医用体内光纤温度传感器探头神经网络设计 总被引:1,自引:0,他引:1
利用误差反向传播算法(BP)和径向基函数(RBF)神经网络法,分别对医用体内光纤温度传感器探头进行设计,训练神经网络的数据通过实验和插值得到。该方法具有准确、可靠和知识辅助设计的特点。结果证明,此方法可以节省设计成本,缩短设计周期,有很高的实用价值。 相似文献
14.
15.
提出了基于RBF神经网络的被动声定位算法.该算法根据TDOA定位原理,以四元十字阵作为定位模型,利用RBF神经网络较快的学习特性和逼近任意非线性映像的能力,实现对声源的快速准确定位,并与WLS算法、Chan算法、Taylor算法作对比分析.仿真结果表明,该算法定位精度高,鲁棒性好,性能优于其他算法. 相似文献
16.
Sun Guolin Wang Yi Guo Wei 《电子科学学刊(英文版)》2007,24(1):60-63
The sensor network localization problem has received a lot of attention in recent years because many important applications resort to node position information. In contrast to the many interesting algorithms proposed in the literature, this paper provides a relatively straightforward procedure that can tackle localization problem for sensor network in a Least Squares Euclidean Distance Matrix Approximation (LS-EDMA) framework. Simulation results reveal that our proposed algorithm is more robust than another popular Multi-Dimensional Scaling (MDS) and Semi-Definite Programming (SDP) based localization techniques, especially with inaccurate and incomplete distance measurements. 相似文献
17.
机载外辐射源雷达系统中,部署在飞机上的观测站传感器位置无法精确获知,观测站位置误差将严重影响目标定位精度。对此,该文提出一种观测站位置误差下多基外辐射源雷达3维定位代数解算法。该算法首先利用辅助变量将非线性双基距离和差(BRD)观测方程进行线性化,构造伪线性目标估计模型。然后将观测站位置量测噪声的统计特性融入定位算法,提出一种改进两步加权最小二乘(TS-WLS)算法实现观测站位置误差下外辐射源雷达目标定位。最后推导了克拉美罗下界(CRLB)和算法的理论误差。仿真结果显示,在适中的BRD量测误差和观测站位置误差下,所提算法的目标定位性能能够达到CRLB。 相似文献
18.
Energy-Scalable Protocols for Battery-Operated MicroSensor Networks 总被引:10,自引:0,他引:10
Alice Wang Wendi B. Heinzelman Amit Sinha Anantha P. Chandrakasan 《The Journal of VLSI Signal Processing》2001,29(3):223-237
In wireless sensor networks, the goal is to gather information from a large number of sensor nodes and communicate the information to the end-user, all under the constraint of limited energy resources. Network protocols minimize energy by using localized communication and control and by exploiting computation/communication tradeoffs. In addition, data fusion algorithms such as beamforming aggregate data from multiple sources to reduce data redundancy and enhance signal-to-noise ratios, thus further reducing the required communications. We have developed a sensor network system that uses a localized clustering protocol and beamforming data fusion to enable energy-efficient collaboration. We compare the performance of two beamforming algorithms, the Maximum Power and the Least Mean Squares (LMS) beamforming algorithms, using the StrongARM SA-1100 processor. Results show that the LMS algorithm requires less than one-fifth the energy required by the Maximum Power beamforming algorithm with only a 3 dB loss in performance, thus showing that the LMS algorithm is better suited for energy-constrained systems. We explore the energy-scalability of the LMS algorithm, and we propose an energy-quality scalable architecture that incorporates techniques such as variable filter length, variable voltage supply and variable adaptation time. 相似文献
19.
本文提出了一种基于递归正交最小二乘的径向基函数(RBF)网络人脸识别算法,该算法首先使用主成分分析(PCA)提取输入图像特征,将提取的特征作为RBF网络的输入进行识别,在求取网络权值时采用递归正交最小二乘(ROLS)算法。实验表明,该算法能明显地缩短训练时间同时具有较高的识别率。 相似文献