[发明专利]农业系统传感器组专用复合滤波型校正方法

说明书

技术领域

本发明涉及一种农业系统传感器组专用复合滤波型校正方法，属于农业模型技术领域。

背景技术

据申请人所知，在当前的农业系统中，无线传感器网络是由大量传感器节点组成的。有的传感器采取一种称为“后校准”的方法，通过比较来自某一个传感器的原始值和从第二个传感器获取的传感器值，周期性的校准之前获得的传感器值，根据第一、第二校准与原始传感器值的获取时间的接近度，通过加权平均值将第一、第二校准应用于传感器值。

在现有的农业系统中，由于来自于传感器网络的数据通常在时间和空间上存在着相互的联系，这是由于散布传感器节点时，同一个区域的节点间有时距离较近，相同类别的传感器节点上测量的信息会引起数据冗余现象。

由于多个传感器节点同时工作，存在个别传感器节点失效、受到干扰或失去对目标覆盖的情况，这时就需要采取正确的校正方法，得到足够的目标信息，从而使系统的可靠性增强，信息置信度提高。

同时，因受传感器自身因素和环境的影响，多传感器对某一参数测量时，可能会有不同的测量结果，在对测量数据进行处理时，确定各传感器之间的相关性并采用正确的校正方法是至关重要的。而对于有限次测量，常规方法采用算术平均值法表示测量结果，此法虽然能够在一定程度上改善测量结果，但不是最好的表示方法。应用最小二乘法原理的校正方法虽然可消除常规方法带来的测量不确定性，获得更可靠的实测结果，但是一般的最小二乘算法估计精度不高，亟需研制出能提高估计精度的校正方法。

发明内容

本发明所要解决的技术问题是：针对现有技术存在的问题，提供一种农业系统传感器组专用复合滤波型校正方法，能获得可靠的测量数据，且具有较高的精确度。

本发明解决其技术问题的技术方案如下：

一种农业系统传感器组专用复合滤波型校正方法，其特征是，包括以下步骤：

第一步、传感器组为e＝[e₁,e₂,...,e_n]，其中e₁,e₂,...,e_n分别为相应的传感器，n为传感器的数量；以传感器组的各传感器测量值组成参数向量w(e)_n×1＝(w(e₁),w(e₂),...,w(e_n))^T，且w(e₁),w(e₂),...,w(e_n)中至少一个不为零；设置校正阈值ζ；转第二步；

第二步、根据传感器组的各传感器间相互关系确定传感器下行关联度函数F；由所述传感器下行关联度函数F按行归一化运算得出可关联矩阵P；转至第三步；

第三步、设置虚拟传感器，并设虚拟传感器的测量值为w(e₀)；将虚拟传感器设置为无上行节点的各传感器的上行节点，同时将虚拟传感器设置为无下行节点的各传感器的下行节点；转至第四步；

第四步、令参数向量令修正后转换矩阵P′_(n+1)×(n+1)＝((P c_n*1)(r_1*n 0))^T；令之后按公式进行迭代，k为迭代次数，为第k次迭代后的参数向量；当时，迭代处理结束，并得到迭代处理后的参数向量

设w^(P)(e)_(n+1)×1＝(w^(P)(e₀),w^(P)(e₁),...,w^(P)(e_n))^T为归一化参数向量，其中所述w^(P)(e)_(n+1)×1即为目标向量；转至第五步；

第五步、以目标向量w^(P)(e)_(n+1)×1中w^(P)(e₁),w^(P)(e₂),...,w^(P)(e_n)的数值为权重系数，从传感器的各传感器中选出权重系数最大的m个传感器，以所述m个传感器的测量值为校正初始数据；转至第六步；

第六步、以预定的加权最小二乘法对校正初始数据进行处理，得出传感器组的最终测量值和测量方差，校正结束。

本发明进一步完善的技术方案如下：