[发明专利]基于传递熵和自适应融合的污染排放遥测误差补偿方法

说明书

本发明公开了一种基于传递熵和自适应融合估计移动源排放气体遥测误差补偿方法。本发明有机结合测量对象的先验知识和最优估计理论，能够从带噪观测序列中得到真实值的最优估计。首先，通过超限学习机方法建立多干扰下遥测误差预测模型。然后，提出了一种虚拟观测分解模型，并利用虚拟观测分解模型对观测序列进行多序列分解。之后，将实际测量过程转化为多传感器虚拟观测过程，并建立多传感器虚拟观测过程的数学模型。最后，引入传递熵和自适应卡尔曼滤波对多虚拟观测序列进行融合重构，从而得到测量序列的最优估计。本发明能够有效补偿外部环境干扰引起的测量误差，提高遥感检测技术的环境适用性和抗干扰能力。

技术领域

本发明涉及一种基于传递熵和自适应融合估计的移动源排放气体遥感测量的误差补偿方法，属于对气体遥感测量仪器的误差补偿技术领域。

背景技术

空气污染可由工厂废气等固定来源造成，也可由机动车辆、移动建筑机械、船舶和飞机排放等移动污染源造成。对于固定污染源检测技术，可以应用生物学方法反映大气污染程度或用化学检测方法测定污染物浓度，但这些技术并不直接适用于移动污染源。为了应对这一挑战，提出了利用光学器件进行遥感的建议。该技术可以根据气体组分在紫外、可见和红外光谱波段的吸收特性来反演气体的浓度。

遥感探测设备的发展有着悠久的历史。1988年，丹佛大学开发了一种使用非扩散红外技术(NDIR，Non-diffusive Infrared)的检测装置，它能够同时检测三种气体，即CO2、CO和HC。但由于水蒸气吸收问题，这三种气体很容易受到环境湿度的影响。这个问题后来在20世纪90年代初通过一种改进的、非扩散紫外线技术(NDUV，Non-diffusive Ultraviolet)来解决。为了解决高温高湿带来的问题，丹佛大学还改进了汽车尾气监测系统的设计。随后，基于紫外差分吸收光谱技术的NO和HC远程检测装置被发明。污染物排放的测量过程总是受到复杂的路边环境的影响，如城市峡谷效应造成的雨、雾和大的局部气流。为了尽量减少路边环境的负面影响，应在现场系统校准后立即进行测量，或尽可能多地进行校准，从而降低装置的适用性。更糟糕的是，环境的温度、湿度和压力等复杂的多重环境干扰不仅会影响光学检测装置，而且还会影响目标污染物的排放。这意味着，除了设备的改进和仪器的校准，还需要更多的了解道路环境的变化。

发明内容

本发明针对移动源排放气体遥感测量容易受到外部环境干扰的问题，提出了一种基于传递熵因果分析和自适应卡尔曼融合估计的误差补偿方法。该方法将先验知识与后验估计相结合，可以自适应地补偿测量误差并得到最优估计序列。

本发明解决技术问题所采取的技术方案：

步骤一：测量干扰间相关性因果分析。通过传递熵因果分析确定误差的主要来源以及衡量多干扰间的不平衡程度。

步骤二：多干扰下测量误差建模。建立基于极限学习机的多干扰误差预测模型并对不同单干扰因素下的误差进行估计。

步骤三：多传感器虚拟观测建摸。之后，通过虚拟测量的方法将测量过程转化为多传感器虚拟观测过程，建立多传感器虚拟观测数学模型。

步骤四：通过虚拟观测模型对原始序列进行多序列分解。提出了一种虚拟观测的概念，并利用该概念实现原始观测序列的多序列分解。

步骤五：多序列自适应卡尔曼融合估计。最后，采用强跟踪自适应卡尔曼滤波对多传感器虚拟观测序列进行融合估计。在自适应融合过程中利用时变噪声估计器中对测量噪声的进行自适应估计，并利用最优状态估计器来估计真实数值。