基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法及多功能传感器的标定方法

摘要

基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法及多功能传感器的标定方法，它涉及多功能传感器信号重构技术领域。它解决了现有的多功能传感器信号重构方法建模复杂而占用系统资源较大的问题，本发明的信号重构方法包括：先建立逆模型结构，再将被测数据输入至多功能传感器获取输出数据，并将其作为逆模型结构的输入数据，获取输入该多功能传感器的被测数据的输入估计值，完成多功能传感器信号重构；本发明的标定方法包括：首先通过AD转换器将多功能传感器的输出信号采样后输入到所述逆模型中，则逆模型的输出即为被测物理量的估计值，再将获得的估计值作为采集的输出信号所对应的输入值，实现标定。本发明适用于多功能传感器信号重构。

主权项

1.基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法，其特征在于所述信号重构方法包括如下步骤：步骤一：利用B样条函数描述多功能传感器的逆模型结构${\hat{x}}_i=\underset{j_1=-K+1}{\overset{L_1}{\Sigma }}\underset{j_2=-K+1}{\overset{L_2}{\Sigma }}...\underset{j_n=-K+1}{\overset{L_n}{\Sigma }}[c_{j_1,j_2,...j_n}{B}_{j_1,K}\left(y_{1,i}\right)B_{j_2,K}\left(y_{2,i}\right)...B_{j_n,K}\left(y_{n,i}\right)],$i＝1，...，m其中，L_n+2K为对应于第n个输出样本数据y_n的节点向量的维数，并利用扩展卡尔曼滤波计算所述逆模型结构中的控制系数完成所述逆模型结构的建立，其中，所述逆模型结构为n输入单输出结构，L₁，L₂，…，L_n和m均为正整数，K表示所述B样条函数的阶数，表示多功能传感器的第n个输出样本数据y_n下的B样条基函数；步骤二：将被测数据输入至所述多功能传感器，以获取所述多功能传感器的输出数据，并将所述多功能传感器的输出数据作为所建立的逆模型结构的输入数据，以获取输入所述多功能传感器的被测数据的输入估计值，完成多功能传感器信号重构。