[发明专利]一种基于多传感器的农作物环境温度数据融合系统及方法

权利要求书

1.一种基于多传感器的农作物环境温度数据融合系统，其特征在于，包括多个传感器、本地滤波模块、先验知识管理模块、置信度管理模块、数据融合模块和决策输出模块，其中：

多个所述传感器用于采集环境温度，并将环境温度转换成模拟信号并发送给本地滤波模块；

所述本地滤波模块对接收的模拟信号进行幅值和频率的滤波处理，并将滤波后的模拟信号转换为数字信号；

所述先验知识管理模块根据传感器的特性预设不同位置传感器的先验信息；

所述置信度管理模块用于确定置信距离，并依照置信距离对传感器输出数据的可靠性进行评估及选择；

所述数据融合模块基于Bayes估计的数据融合算法对置信度管理模块选择后的数据进行最佳融合；

所述决策输出模块用于将融合过程中的异常数据、对应的传感器状态以及最终融合数值进行输出。

2.如权利要求1所述的一种基于多传感器的农作物环境温度数据融合系统，其特征在于，所述传感器的特性包括有效范围、误差范围、精度以及线性度参数信息。

3.如权利要求2所述的一种基于多传感器的农作物环境温度数据融合系统，其特征在于，所述先验信息包括传感器被测参数的μ₀和方差

4.如权利要求3所述的一种基于多传感器的农作物环境温度数据融合系统，其特征在于，所述传感器采集环境温度的温度数值服从正态分布，即

5.如权利要求1所述的一种基于多传感器的农作物环境温度数据融合系统，其特征在于，所述数据融合模块融合的融合得到的结果为：

6.如权利要求1所述的一种基于多传感器的农作物环境温度数据融合系统，其特征在于，基于Bayes估计的数据融合算法的步骤如下：

步骤1：多个传感器测量同一个参数并获得的测量数据；

步骤2：对步骤1的测量数据超出预期范围的异常数据进行剔除，经剔除后剩余有效数据为m个，其中m＜n，剩余的m个数据用于融合；

步骤3：所述融合集合为X＝(x1,x2,...,xm) (1)；

各测量参数的条件概率密度为其中μ是测量的均值，参数μ服从正态分布，即x_k服从

步骤4：设定a为常数，且与μ无关，μ₀、σ₀是先验的数学期望值和均方差；σ_k是第k次测量的均方差，根据公式(2)得到如下公式(3)：

公式(3)中的指数部分是关于μ的二次函数，P(μ|,x1,x2,...,xm)仍为正态分布，设定为服从得到：

进一度得到：

因此，μ的最优融合数据，即Bayes估计的融合数据为：

7.一种基于多传感器的农作物环境温度数据融合方法，应用了如权利要求1-6任一所述一种基于多传感器的农作物环境温度数据融合系统，其特征在于：该方法包括以下步骤：

步骤A：选择传感器，确定对应传感器的先验概率对应的统计数据以及均值μ₀和方差

步骤B：确定传感器数量以及对应的安装布局，传感器安装布局要覆盖全部的动态场景；

步骤C：通过安装的传感器进行温度数据采集；

步骤D：计算n个传感器数据的置信距离矩阵，计算公式为：

步骤E：选择距离临界值，由置信距离矩阵产生关系矩阵，关系矩阵中的要素为

通过关系矩阵筛除无效数据，获得m个用于融合的有效数据；

步骤F：将μ₀、和最佳融合数对应的x_k、代入Bayes融合估计公式求得参数估计融合数值，即：

步骤G：步骤F得到的估计融合数值、异常数据以及传感器故障数据打包发送给外部系统。

8.如权利要求7所述的一种基于多传感器的农作物环境温度数据融合方法，其特征在于，所述步骤C中温度数据采集过程包括：传感器转换、模拟信号到数字信号的转换、数字信号滤波或平滑预处理以及传感器通道之间的数据同步。