非线性补偿算法

Ⅰ 传感器论文

1 微型化（Micro）
为了能够与信息时代信息量激增、要求捕获和处理信息的能力日益增强的技术发展趋势保持一致，对于传感器性能指标（包括精确性、可靠性、灵敏性等）的要求越来越严格；与此同时，传感器系统的操作友好性亦被提上了议事日程，因此还要求传感器必须配有标准的输出模式；而传统的大体积弱功能传感器往往很难满足上述要求，所以它们已逐步被各种不同类型的高性能微型传感器所取代；后者主要由硅材料构成，具有体积小、重量轻、反应快、灵敏度高以及成本低等优点。
1.1 由计算机辅助设计（CAD）技术和微机电系统（MEMS）技术引发的传感器微型化
目前，几乎所有的传感器都在由传统的结构化生产设计向基于计算机辅助设计（CAD）的模拟式工程化设计转变，从而使设计者们能够在较短的时间内设计出低成本、高性能的新型系统，这种设计手段的巨大转变在很大程度上推动着传感器系统以更快的速度向着能够满足科技发展需求的微型化的方向发展。
对于微机电系统（MEMS）的研究工作始于20世纪60年代，其研究范畴涉及材料科学、机械控制、加工与封装工艺、电子技术以及传感器和执行器等多种学科，是一个极具前景的新兴研究领域。MEMS的核心技术是研究微电子与微机械加工与封装技术的巧妙结合，期望能够由此而制造出体积小巧但功能强大的新型系统。经过几十年的发展，尤其最近十多年的研究与发展，MEMS技术已经显示出了巨大的生命力，此项技术的有效采用将信息系统的微型化、智能化、多功能化和可靠性水平提高到了一个新的高度。在当前技术水平下，微切削加工技术已经可以生产出来具有不同层次的3D微型结构，从而可以生产出体积非常微小的微型传感器敏感元件，象毒气传感器、离子传感器、光电探测器这样的以硅为主要构成材料的传感/探测器都装有极好的敏感元件[1]，[2]。目前，这一类元器件已作为微型传感器的主要敏感元件被广泛应用于不同的研究领域中。
1.2 微型传感器应用现状
就当前技术发展现状来看，微型传感器已经对大量不同应用领域，如航空、远距离探测、医疗及工业自动化等领域的信号探测系统产生了深远影响；目前开发并进入实用阶段的微型传感器已可以用来测量各种物理量、化学量和生物量，如位移、速度/加速度、压力、应力、应变、声、光、电、磁、热、PH值、离子浓度及生物分子浓度等
2 智能化（Smart）
智能化传感器（Smart Sensor）是20世纪80年代末出现的另外一种涉及多种学科的新型传感器系统。此类传感器系统一经问世即刻受到科研界的普遍重视，尤其在探测器应用领域，如分布式实时探测、网络探测和多信号探测方面一直颇受欢迎，产生的影响较大。
2.1 智能化传感器的特点
智能化传感器是指那些装有微处理器的，不但能够执行信息处理和信息存储，而且还能够进行逻辑思考和结论判断的传感器系统。这一类传感器就相当于是微型机与传感器的综合体一样，其主要组成部分包括主传感器、辅助传感器及微型机的硬件设备。如智能化压力传感器，主传感器为压力传感器，用来探测压力参数，辅助传感器通常为温度传感器和环境压力传感器。采用这种技术时可以方便地调节和校正由于温度的变化而导致的测量误差，而环境压力传感器测量工作环境的压力变化并对测定结果进行校正；而硬件系统除了能够对传感器的弱输出信号进行放大、处理和存储外，还执行与计算机之间的通信联络。
通常情况下，一个通用的检测仪器只能用来探测一种物理量，其信号调节是由那些与主探测部件相连接着的模拟电路来完成的；但智能化传感器却能够实现所有的功能，而且其精度更高、价格更便宜、处理质量也更好。与传统的传感器相比，智能化传感器具有以下优点：
1．智能化传感器不但能够对信息进行处理、分析和调节，能够对所测的数值及其误差进行补偿，而且还能够进行逻辑思考和结论判断，能够借助于一览表对非线性信号进行线性化处理，借助于软件滤波器滤波数字信号。此外，还能够利用软件实现非线性补偿或其它更复杂的环境补偿，以改进测量精度。
2．智能化传感器具有自诊断和自校准功能，可以用来检测工作环境。当工作环境临近其极限条件时，它将发出告警信号，并根据其分析器的输入信号给出相关的诊断信息。当智能化传感器由于某些内部故障而不能正常工作时，它能够借助其内部检测链路找出异常现象或出了故障的部件。
3．智能化传感器能够完成多传感器多参数混合测量，从而进一步拓宽了其探测与应用领域，而微处理器的介入使得智能化传感器能够更加方便地对多种信号进行实时处理。此外，其灵活的配置功能既能够使相同类型的传感器实现最佳的工作性能，也能够使它们适合于各不相同的工作环境。
4．智能化传感器既能够很方便地实时处理所探测到的大量数据，也可以根据需要将它们存储起来。存储大量信息的目的主要是以备事后查询，这一类信息包括设备的历史信息以及有关探测分析结果的索引等；
5．智能化传感器备有一个数字式通信接口，通过此接口可以直接与其所属计算机进行通信联络和交换信息。此外，智能化传感器的信息管理程序也非常简单方便，譬如，可以对探测系统进行远距离控制或者在锁定方式下工作，也可以将所测的数据发送给远程用户等。
2.2 智能化传感器的发展与应用现状
目前，智能化传感器技术正处于蓬勃发展时期，具有代表意义的典型产品是美国霍尼韦尔公司的ST-3000系列智能变送器和德国斯特曼公司的二维加速度传感器，以及另外一些含有微处理器（MCU）的单片集成压力传感器、具有多维检测能力的智能传感器和固体图像传感器（SSIS）等。与此同时，基于模糊理论的新型智能传感器和神经网络技术在智能化传感器系统的研究和发展中的重要作用也日益受到了相关研究人员的极大重视。
指出的一点是：目前的智能化传感器系统本身尽管全都是数字式的，但其通信协议却仍需借助于4～20 mA的标准模拟信号来实现。一些国际性标准化研究机构目前正在积极研究推出相关的通用现场总线数字信号传输标准；不过，在眼下过渡阶段仍大多采用远距离总线寻址传感器（HART）协议，即Highway Addressable Remote Transcer。这是一种适用于智能化传感器的通信协议，与目前使用4～20mA模拟信号的系统完全兼容，模拟信号和数字信号可以同时进行通信，从而使不同生产厂家的产品具有通用性。
能化传感器多用于压力、力、振动冲击加速度、流量、温湿度的测量，如美国霍尼韦尔公司的ST3000系列全智能变送器和德国斯特曼公司的二维加速度传感器就属于这一类传感器。另外，智能化传感器在空间技术研究领域亦有比较成功的应用实例[6]。
发展中，智能化传感器无疑将会进一步扩展到化学、电磁、光学和核物理等研究领域。可以预见，新兴的智能化传感器将会在关系到全人类国民生的各个领域发挥越来越大作用。
3 多功能传感器（Multifunction）
如前所述，通常情况下一个传感器只能用来探测一种物理量，但在许多应用领域中，为了能够完美而准确地反映客观事物和环境，往往需要同时测量大量的物理量。由若干种敏感元件组成的多功能传感器则是一种体积小巧而多种功能兼备的新一代探测系统，它可以借助于敏感元件中不同的物理结构或化学物质及其各不相同的表征方式，用单独一个传感器系统来同时实现多种传感器的功能。随着传感器技术和微机技术的飞速发展，目前已经可以生产出来将若干种敏感元件综装在同一种材料或单独一块芯片上的一体化多功能传感器。
3.1 多功能传感器的执行规则和结构模式
概括来讲，多功能传感器系统主要的执行规则和结构模式包括：
（1） 多功能传感器系统由若干种各不相同的敏感元件组成，可以用来同时测量多种参数。譬如，可以将一个温度探测器和一个湿度探测器配置在一起（即将热敏元件和湿敏元件分别配置在同一个传感器承载体上）制造成一种新的传感器，这样，这种新的传感器就能够同时测量温度和湿度。
（2） 将若干种不同的敏感元件精巧地制作在单独的一块硅片中，从而构成一种高度综合化和小型化的多功能传感器。由于这些敏感元件是被综装在同一块硅片中的，它们无论何时都工作在同一种条件下，所以很容易对系统误差进行补偿和校正。
（3）借助于同一个传感器的不同效应可以获得不同的信息。以线圈为例，它所表现出来的电容和电感是各不相同的。
（4）在不同的激励条件下，同一个敏感元件将表现出来不同的特征。而在电压、电流或温度等激励条件均不相同的情况下，由若干种敏感元件组成的一个多功能传感器的特征可想而知将会是多么的千差万别！有时候简直就相当于是若干个不同的传感器一样，其多功能特征可谓名副其实。
3.2 多功能传感器的研制与应用现状
多功能传感器无疑是当前传感器技术发展中一个全新的研究方向，日前有许多学者正在积极从事于该领域的研究工作。如将某些类型的传感器进行适当组合而使之成为新的传感器，如用来测量流体压力和互异压力的组合传感器。又如，为了能够以较高的灵敏度和较小的粒度同时探测多种信号，微型数字式三端口传感器可以同时采用热敏元件、光敏元件和磁敏元件；这种组配方式的传感器不但能够输出模拟信号，而且还能够输出频率信号和数字信号.
从目前的发展现状来看，最热门的研究领域也许是各种类型的仿生传感器了，而且在感触、刺激以及视听辨别等方面已有最新研究成果问世。从实用的角度考虑，多功能传感器中应用较多的是各种类型的多功能触觉传感器，譬如人造皮肤触觉传感器就是其中之一，这种传感器系统由PVDF材料、无触点皮肤敏感系统以及具有压力敏感传导功能的橡胶触觉传感器等组成。据悉，美国MERRITT公司研制开发的无触点皮肤敏感系统获得了较大的成功，其无触点超声波传感器、红外辐射引导传感器、薄膜式电容传感器、以及温度、气体传感器等在美国本土应用甚广。
与其它方面的研究成果相比，目前在人工嗅觉方面的研究还似乎远远不尽人意。由于嗅觉元件接收到的判别信号是非常复杂的，其中总是混合着成千上万种化学物质，这就使得嗅觉系统处理起这些信号来异常错综复杂。
人工嗅觉传感系统的典型产品是功能各异的Electronic nose（电子鼻），近10多年来，该技术的发展很快，目前已有数种商品化的产品在国际市场流通，美、法、德、英等国家均有比较先进的电子鼻产品问世。
“电子鼻”系统通常由一个交叉选择式气体传感器阵列和相关的数据处理技术组成，并配以恰当的模式识别系统，具有识别简单和复杂气味的能力，主要用来解决一般情况下的气味探测问题。根据应用对象的不同，“电子鼻”系统传感器阵列中传感器的构成材料及配置数量亦有所不同，其中，构成材料包括金属氧化物半导体、导电聚合物、石英晶振等，配置数量则从几个到数十个不等。总之，“电子鼻”系统是气体传感器技术和信息处理技术进行有效结合的高科技产物，其气体传感器的体积很小，功耗也很低，能够方便地捕获并处理气味信号。气流经过气体传感器阵列进入到“电子鼻”系统的信号预处理元件中，最后由阵列响应模式来确定其所测气体的特征。阵列响应模式采用关联法、最小二乘法、群集法以及主要元素分析法等方法对所测气体进行定性和定量鉴别。美国Cyranosciences公司生产的Cyranose 320电子鼻是目前技术较为先进、适用范围也比较广的嗅觉传感系统之一，该系统主要由传感器阵列和数据分析算法两部分组成，其基本技术是将若干个独特的薄膜式碳-黑聚合物复合材料化学电阻器配置成一个传感器阵列，然后采用标准的数据分析技术，通过分析由此传感器阵列所收集到的输出值的办法来识别未知分析物。据称，Cyranose 320电子鼻的适用范围包括食品与饮料的生产与保鲜、环境保护、化学品分析与鉴定、疾病诊断与医药分析以及工业生产过程控制与消费品的监控与管理等。
4 无线网络化（wireless networked）
无线网络对我们来说并不陌生，比如手机，无线上网，电视机。传感器对我们来说也不陌生，比如温度传感器、压力传感器，还有比较新颖的气味传感器。但是，把二者结合在起来，提出无线传感器网络（Wireless Sensor Networks）这个概念，却是近几年才发生的事情。
这个网络的主要组成部分就是一个个可爱的传感器节点。说它们可爱，是因为它们的体积都非常小巧。这些节点可以感受温度的高低、湿度的变化、压力的增减、噪声的升降。更让人感兴趣的是，每一个节点都是一个可以进行快速运算的微型计算机，它们将传感器收集到的信息转化成为数字信号，进行编码，然后通过节点与节点之间自行建立的无线网络发送给具有更大处理能力的服务器
4.1 传感器网络
传感器网络是当前国际上备受关注的、由多学科高度交叉的新兴前沿研究热点领域。传感器网络综合了传感器技术、嵌入式计算技术、现代网络及无线通信技术、分布式信息处理技术等，能够通过各类集成化的微型传感器协作地实时监测、感知和采集各种环境或监测对象的信息，通过嵌入式系统对信息进行处理，并通过随机自组织无线通信网络以多跳中继方式将所感知信息传送到用户终端。从而真正实现“无处不在的计算”理念。传感器网络的研究采用系统发展模式，因而必须将现代的先进微电子技术、微细加工技术、系统SOC（system-on-chip）芯片设计技术、纳米材料与技术、现代信息通讯技术、计算机网络技术等融合，以实现其微型化、集成化、多功能化及系统化、网络化，特别是实现传感器网络特有的超低功耗系统设计。传感器网络具有十分广阔的应用前景，在军事国防、工农业、城市管理、生物医疗、环境监测、抢险救灾、防恐反恐、危险区域远程控制等许多领域都有重要的科研价值和巨大实用价值，已经引起了世界许多国家军界、学术界和工业界的高度重视，并成为进入2000 年以来公认的新兴前沿热点研究领域，被认为是将对二十一世纪产生巨大影响力的技术之一。
4.2 传感器网络研究热点问题和关键技术
传感器网络以应用为目标，其构建是一个庞大的系统工程，涉及到的研究工作和需要解决的问题在每一个层面上都很多。对无线传感器网络系统结构及界面接口技术的研究意义重大。如果我们把传感器网络按其功能抽象成五个层次的话，将会包括基础层（传感器集合）、网络层（通信网络）、中间件层、数据处理和管理层以及应用开发层。
其中，基础层以研究新型传感器和传感系统为核心，包括应用新的传感原理、使用新的材料以及采用新的结构设计等，以降低能耗、提高敏感性、选择性、响应速度、动态范围、准确度、稳定性以及在恶劣环境条件下工作的能力。
4.3 传感器网络的应用研究
传感器网络有着巨大的应用前景，被认为是将对21 世纪产生巨大影响力的技术之一。已有和潜在的传感器应用领域包括：军事侦察、环境监测、医疗、建筑物监测等等。随着传感器技术、无线通信技术、计算技术的不断发展和完善，各种传感器网络将遍布我们生活环境，从而真正实现“无处不在的计算”。以下简要介绍传感器网络的一些应用。
（1）军事应用
传感器网络研究最早起源于军事领域，实验系统有海洋声纳监测的大规模传感器网络，也有监测地面物体的小型传感器网络。现代传感器网络应用中，通过飞机撒播、特种炮弹发射等手段，可以将大量便宜的传感器密集地撒布于人员不便于到达的观察区域如敌方阵地内，收集到有用的微观数据；在一部分传感器因为遭破坏等原因失效时，传感器网络作为整传感器网络体仍能完成观察任务。传感器网络的上述特点使得它具有重大军事价值，可以应用于如下一些场景中：
▉监测人员、装备等情况以及单兵系统：通过在人员、装备上附带各种传感器，可以让各级指挥员比较准确、及时地掌握己方的保存状态。通过在敌方阵地部署各种传感器，可以了解敌方武器部署情况，为己方确定进攻目标和进攻路线提供依据。
▉监测敌军进攻：在敌军驻地和可能的进攻路线上部署大量传感器，从而及时发现敌军的进攻行动、争取宝贵的应对时间。并可根据战况快速调整和部署新的传感器网络。
▉评估战果：在进攻前后，在攻击目标附近部署传感器网络，从而收集目标被破坏程度的数据。
▉核能、生物、化学攻击的侦察：借助于传感器网络可以及早发现己方阵地上的生、化污染，提供快速反应时间从而减少损失。不派人员就可以获取一些核、生、化爆炸现场的详细数据。
（2）环境应用
应用于环境监测的传感器网络，一般具有部署简单、便宜、长期不需更换电池、无需派人现场维护的优点。通过密集的节点布置，可以观察到微观的环境因素，为环境研究和环境监测提供了崭新的途径传感器网络研究在环境监测领域已经有很多的实例。这些应用实例包括：对海岛鸟类生活规律的观测；气象现象的观测和天气预报；森林火警；生物群落的微观观测等
▉洪灾的预警：通过在水坝、山区中关键地点合理地布置一些水压、土壤湿度等传感器，可以在洪灾到来之前发布预警信息，从而及时排除险情或者减少损失。
▉农田管理：通过在农田部署一定密度的空气温度、土壤湿度、土壤肥料含量、光照强度、风速等传感器，可以更好地对农田管理微观调控，促进农作物生长。
（3）家庭应用
建筑及城市管理各种无线传感器可以灵活方便地布置于建筑物内，获取室内环境参数，从而为居室环境控制和危险报警提供依据。
▉ 智能家居：通过布置于房间内的温度、湿度、光照、空气成分等无线传感器，感知居室不同部分的微观状况，从而对空调、门窗以及其他家电进行自动控制，提供给人们智能、舒适的居住环境[16]。
▉建筑安全：通过布置于建筑物内的图像、声音、气体检测、温度、压力、辐射等传感器，发现异常事件及时报警，自动启动应急措施。
▉智能交通：通过布置于道路上的速度、识别传感器，监测交通流量等信息，为出行者提供信息服务，发现违章能及时报警和记录[17]。反恐和公共安全通过特殊用途的传感器，特别是生物化学传感器监测有害物、危险物的信息，最大限度地减少其对人民群众生命安全造成的伤害。
（4）结论
无线传感器网络有着十分广泛的应用前景，它不仅在工业、农业、军事、环境、医疗等传统领域有具有巨大的运用价值，在未来还将在许多新兴领域体现其优越性，如家用、保健、交通等领域。我们可以大胆的预见，将来无线传感器网络将无处不在，将完全融入我们的生活。比如微型传感器网最终可能将家用电器、个人电脑和其他日常用品同互联网相连，实现远距离跟踪，家庭采用无线传感器网络负责安全调控、节电等。无线传感器网络将是未来的一个无孔不入的十分庞大的网络，其应用可以涉及到人类日常生活和社会生产活动的所有领域。但是，我们还应该清楚的认识到，无线传感器网络才刚刚开始发展，它的技术、应用都还还远谈不上成熟，国内企业应该抓住商机，加大投入力度，推动整个行业的发展。
无线传感器网络是新兴的通信应用网络，其应用可以涉及到人类生活和社会活动的所有领域。因此，无线传感器网络将是未来的一个无孔不入的十分庞大的网络，需要各种技术支撑。目前，成熟的通信技术都可能经过适当的改进和进一步发展，应用到无线传感器网络中，形成新的市场增长点，创造无线通信的新天地。
5 结语
当前技术水平下的传感器系统正向着微小型化、智能化、多功能化和网络化的方向发展。今后，随着CAD技术、MEMS技术、信息理论及数据分析算法的继续向前发展，未来的传感器系统必将变得更加微型化、综合化、多功能化、智能化和系统化。在各种新兴科学技术呈辐射状广泛渗透的当今社会，作为现代科学“耳目”的传感器系统，作为人们快速获取、分析和利用有效信息的基础，必将进一步得到社会各界的普遍关注。
微波传感器依靠微波的很多优点，将广泛地用于微波通讯、卫星发送等无线通讯，和雷达、导弹诱导、遥感、射电望远镜中。并且在一些非接触式的监测和控制中也有很好的应用。

Ⅱ 遗传算法的优缺点

1、早熟。这是最大的缺点，即算法对新空间的探索能力是有限的，也容易收敛到局部最优解。
2、大量计算。涉及到大量个体的计算，当问题复杂时，计算时间是个问题。
3、处理规模小。目前对于维数较高的问题，还是很难处理和优化的。
4、难于处理非线性约束。对非线性约束的处理，大部分算法都是添加惩罚因子，这是一笔不小的开支。
5、稳定性差。因为算法属于随机类算法，需要多次运算，结果的可靠性差，不能稳定的得到解。
大致这些，lz可查阅相关专业书籍！

Ⅲ 要分析多输入，多输出和非线性系统常用什么方法

现 代控制系统对传感器的准确度、稳定性和工作条件等方面提出了很高的要求。然而，从严格意义上来说，目前绝大多数传感器特性都不理想，其输入输出特性大多为 非线性关系。为此，人们通过一些方法来进行非线性补偿和修正。特别是近年来，随着神经网络的发展，有不少学者提出了基于神经网络进行非线性传感特性校正的 方法。这些方法一般是用一个多层的前馈神经网络去映射传感器特性曲线的反函数作为校正环节，算法相对简单，实现容易。 但是通过分析神经网络的基本工作原理，笔者认为该方法依然存在一些不足［1、6］：1)在训练过程中神经网络极容易陷入局部最小，而不能得到全局最小；2)神经网络过分依赖训练数据的质量和数量，但大多数情况下样本数据十分有限，由于噪声影响，存在数据不一致情况，对神经网络的训练结果影响较大；3)输入数据往往是高维的，而训练结果仅是输入空间的稀疏分布，所以大量的高维数据必然会大大增加算法的训练时间。 支持向量机SVM［4，5］(Support Vector Machine)是基于统计学习理论的一种新的学习方法，最早由Vapnik教授及其合作者于上世纪90年 代中期提出。由于其优良特性，最近引起了许多研究者的兴趣。支持向量机主要用于模式识别，目前在该方面成功的范例较多；与模式识别相比，支持向量机用于函 数拟合的成功应用较少。和神经网络相比，支持向量机是基于统计学习理论的小样本学习方法，采用结构风险最小化原则，具有很好的泛化性能；而神经网络是基于 大样本的学习方法，采用经验风险最小化原则。 将支持向量机函数拟合技术应用于传感器非线性特性校正的研究刚起步，国内尚无先例。如何在传感器非线性特性校正领域充分发挥支持向量机函数拟合的技术优势，解决神经网络方法中的缺陷是一个值得研究的问题。 1支持向量机拟合基本理论 1.1线性函数拟合问题 与支持向量机的研究最初是针对模式识别中的线性可分问题［5］相似，先分析线性样本点的线性函数拟合问题，拟合函数以线性函数的特性出现，可用形式＝ωTx＋b表示。假设所有训练数据｛xi，yi｝能在精度ε下无误差地用线性函数拟合，即 统计学理论指出，在这一优化目标是最小化ωTω／2时可取得较好的推广能力。考虑到实际应用中允许拟合误差的情况，则支持向量机优化目标可以表示为［3］  式中c为平衡因子，为惩罚因子，惩罚函数L(·)通常采用如下的离散定义形式(如图1所示) n，进一步采用对偶优化方法，最大化目标函数 小部分不为0，它们对应在不灵敏区边界上或外 式中，偏移量b可由支持向量(xi，yi)及精度ε求得，SVs表示支持向量集。 1.2非线性函数拟合问题 对于非线性函数拟合基本思想是：可以通过非线性变换x→φ(x)将原拟合问题映射到某个高维特征空间中，然后在该空间中进行线性拟合，即 在支持向量机中，引入核函数(Kernel function)来简化非线性逼近。在高维特征空间中，线性问题中的内积运算可用核函数来代替。核函数满足k(x,x′)＝〈φ(x),φ(x′)〉，这样目标函数式(4)就变成了式(6)所示的形式： 2传感器非线性误差校正原理［6］ 大多数传感系统都可用y＝f(x)，x∈(ζα，ζb)表示，其中y表示传感系统的输出，x表示传感系统的输入，ζα，ζb为输入信号的范围。y信号可经过电子设备进行测量，目的是根据测得的y信号求得未知的变量x，即表示为x＝y－1(y)。在实际应用过程中，绝大多数传感器传递函数为非线性函数。 为了消除或补偿传感系统的非线性特性，可使其输出y通过一个补偿环节。该模型的特性函数为u＝g(y)，其中u为非线性补偿后的输出，它与输入信号x呈线性关系。很明显函数g(*)也是一个非线性函数，并使得补偿后的传感器具有理想特性。在实际应用中，非线性补偿函数g(*)的表达式难以准确求出，但可以通过建模来实现，补偿模型的建立就成了校正传感器非线性特性的关键。 笔者根据支持向量机的函数拟合能力，提出了基于支持向量机的传感器非线性特性校正方法。 3仿真与应用研究 该文使用支持向量机对两个非线性传感系统的非线性误差进行校正，取得了较满意的效果。 3.1一维传感器非线性校正 用实验法得出一组训练样本(见表1)，在表1中x表示传感系统的输入量，其值由精度较高的设备产生，在这里可作为标准量，y值为传感系统的输出量。 设计支持向量机对该传感系统进行非线性校正，传感器输出信号y经过该SVM的处理相当于进行了一个逆传感模型，支持向量机的输出u作为非线性补偿后的输出，它与输入信号x的误差应更小。 由此可得到一组训练样本(yi，xi)，其中yi表示支持向量机的输入，xi为拟合的目标。 设计支持向量机时，精度ε＝0.02，核函数选用多项式k(xi，x)＝(xi·x＋1)6，传感器非线性校正曲线如图3所示，由此可见用该方法提高了传感器的精度。 3.2二维图像传感器非线性校正 有二维图像传感器，其校正前的输出如图4a所示，而实际像点应在栅格线的交叉点。从图4a不难看出，该传感器存在着严重的非线性，且这种非线性不能以解析式表达。 如式(1)所示，文中介绍的支持向量机每个学习样本的输入数据xi是一个多维向量，样本输出yi是一个数而非向量。待校正的二维图像传感器校正样本｛(xa，xb)，(ya，yb)｝是二维输入二维输出的数据，因此，不能直接用支持向量机进行校正。 笔者设计两个SVM来解决该问题，一个SVMa用于校正a方向上的误差，其学习样本为｛(xa，xb)，ya｝；另一个SVMb用于校正b方向上的误差，其学习样本为｛（xa，xb)，yb｝。两个SVM设ε＝0.01，核函数均选用多项式k(xi，x)＝(xi·x＋1)4。 用SVMa和SVMb分别校正样本数据在a和b方向非线性误差，校正结果如图4b所示。 比较图4b与图4a，校正后的二维图像传感器的非线性已得到校正，精度令人满意。  4结束语 将SVM技术应用于传感器非线性特性校正的研究刚起步，国内尚无此 类文献。毕竟支持向量机理论和应用还是一个较新的领域，仍处于理论和实验研究 阶段。笔者认为支持向量机今后的研究应该集中在以下几个方面：①核函数的构造与选择； ②大样本条件下SVM算法研究；③惩罚函数的改进。

Ⅳ 谐波治理中,电抗器的选择方法,计算方法,具体的计算方法,

简单说：
构成单调谐5次滤波器， 250Hz时感抗等于容抗，
因为功率因数较高，基波容量要很小，电容C取的小一些，但是太小了电容器不好做，那么就把电容器的额定电压设置高一些，（只是这样比较浪费补偿容量），这样就可以实现了，
做完这些，根据短路容量，核算系统的谐振点，避开整次谐波频率点！

Ⅳ 热敏电阻温度测量的非线性修正方法有哪些

1）线性化网络；

2）利用电阻测量装置中其他部件的特性进行综合修正；

3）计算修正法

热敏电阻的阻值会随着温度的改变面改变，而这种改变是非线性的，Steinhart-hart公示表明了这一点，在进行温度测量时，需要驱动一个通过热敏电阻的参考电流，以创建一个等效电压，该等效电压具有非线性的响应，可以使用配备在微控制器上的参照表，尝试对热敏电阻的非线性相应进行补偿，即可在微控制器固件上运行此类算法，但还是需要一个高精度转换器用于在出现极端值温度时进行数据捕获。时恒电子是专业做NTC热敏电阻器的，即负温度系数热敏电阻器，有问题可以咨询他们。

Ⅵ 利用什么技术可以提高光纤利用率

提高光纤的利用一般分为两种
一、就是提高单波的速率，也就是说本来光纤是传10G速率的，换25G,40G,100G,200G,400G的光模块。
二、就是让一对光纤同时跑多个10G,5G,40G,100G,200G,400G,一般用到WDM技术
三、上两种方法都是要配合实际传输线路进行配置调试，OTN/WDM技术是目前提高光纤利用率方法之一。
四、光缆纤芯检测系统，主要是监控和提搞光纤使用率和闲置光缆纤芯监控。

Ⅶ 非线性失真的其他

本文提出了一种将部分传输序列与预失真相结合来补偿OFDM系统非线性失真的方法。首先利用部分传输序列对OFDM信号的峰均功率比进行控制，降低大峰值功率出现的概率，然后利用RLS算法对HPA的AM/AM和AM/PM特性进行拟合。仿真结果表明，在误比特率为10-3时，无预失真系统的最优回退为10．3dB，总退化为11．8dB，经过前置PTS自适应预失真后，最优回退为4．3dB，总退化为5．2dB。最优回退减小了6dB。总退化减小了6．6dB．验证了该方法能有效地补偿高功率放大器引入的非线性失真。

Ⅷ 非线性节点探测器原理是什么

非线性节点探测器发射端向目标区域或物体发出S波段的基波，同时接收端捕获来自目标物体所产生的二次和三次谐波，运用人工智能算法分析谐波规律，从而探测和识别带有非线性节点的电子设备。

Ⅸ 高分求仪器校准后修正值计算方法或方程式

以x为标准值,y为示值建立工作曲线:

得工作曲线:

y=0.9836x-0.3645 (r²=0.9994)

所以,计算标准值为0、1、2、3时的修正值:

标准值 示值 相对应的修正值

0 -0.3645 0.3645

1 0.6191 0.3809

2 1.6027 0.3973

3 2.5863 0.4137

修正值的概念是:为补偿系统误差，以代数法加与未修正测量结果的一个值.

所建立的工作曲线,比如说在标准值为2时,仪器的读数为1.6027,

(仪器读数为1.6027时的真实值应该是2,少了0.3973)

所以,当仪器读数为1.6左右时,真实值应该为读数+0.3973

附上图的话比较容易理解:

有疑问的话可以联系我,帮到您的话请采纳祝你工作顺利谢谢

Ⅹ 线性均衡器和非线性均衡器有什么区别

理解是，时域均衡是为了消除数据在传输过程中由于符号间干扰产生的影响，均衡技术通常可分为线性均衡和非线性均衡两类。
线性均衡器相对简单，信道衰落不严重时可以较好的消除信道影响，常用的算法有迫零（ZF）算法和最小均方误差（MMSE）算法。
当无线信道多径衰落严重时，信道频域响应中会出现很深的“凹槽”。
为了补偿“凹槽”附近的幅度衰落，线性均衡器必须对该段频谱进行放大，从而也使该频段的噪声增强。
而非线性均衡器在这种恶劣的信道下会有较好的效果，判决反馈均衡器（DFE）是非线性均衡器中常见的一种，在实际系统中得到广泛应用。
近年来更复杂的最大似然序列均衡技术（MLSE）也逐渐应用于移动无线信道的均衡器中。
理论上，理想时域均衡的单载波系统和多载波系统性能是一样的，但是受硬件资源的限制，实际的时域均衡器通常达不到最佳性能。
不管是线性还是非线性均衡，传统的时域均衡器复杂度都与信道的最大时延扩展成正比，而多载波的频域均衡复杂度与信道最大时延扩展的对数成正比。
均衡器成了制约单载波系统性能提高的“瓶颈”。
多载波正交频分复用（OFDM）是一种并行传输技术，它在指定频带上设置K个等间隔的子载波，每个子载波被单独调制，符号周期是同速率单载波系统的K倍，对符号间串扰的敏感性较单载波系统大大降低，从而能够更有效的对抗多径干扰。
同时，OFDM系统可在各个符号间插入保护间隔来消除符号间干扰（ISI）。
OFDM信号的调制和解调可采用IFFT和FFT实现。
在多径信道下，接收信号在时域上是发送信号和信道脉冲响应的卷积，而在频域上则是发送信号和信道频域响应的乘积。
信道的频域响应可通过在各个符号中插入的基准电平信号（导频）直接获得，从而使多载波信号的均衡可通过简单的单点均衡器来完成，这也是OFDM系统的一大优点。
也就是说，接收到的信号采样后通过FFT变换到了频域再均衡，就非常的简单了，仿真中常常就用迫零法进行频域均衡。
二楼的解释：
cylxl总结的很不错。
谈谈看法：
cylxl说：“当无线信道多径衰落严重时，信道频域响应中会出现很深的“凹槽”。
为了补偿“凹槽”附近的幅度衰落，线性均衡器必须对该段频谱进行放大，从而也使该频段的噪声增强。
”觉得这主要是指迫零（ZF）算法，而最小均方误差（MMSE）算法在噪声放大和消除ISI之间已经做了权衡。
频域均衡除了OFDM，还有SC－FDE。
一般上行采用SC-FDE调制，下行采用OFDM调制。
三楼的解释：
楼上的是阵对Jakes模型而言的，实际上还有许多其它模型并不是都是凹形频谱的。
时载的是用抽头系数建立的方程（无论是LZ还是MMSE）进行求解，而频域的是用信道频域响应的逆来建立的方程（当然也有其它的），不一样的地方就是算法不一样。
阵对快衰落和频率选择性衰落不同的算法的性能差异确实很大。
这是一个显然的结论。
具体的研究还是要多看文献。
很难用几行字说清楚。