[发明专利]提高传感器计算精度的方法、装置、设备及可读存储介质

说明书

本发明提供了一种提高传感器计算精度的方法、装置、设备及可读存储介质，涉及传感器数字信号滤波技术领域，包括获取传感器中多个rawdata值；根据数据滤波算法，对所述rawdata值进行处理，得到处理后的rawdata值；将多个所述处理后的rawdata值整合为数据表；读取所述数据表中所述rawdata值相对应的所述传感器值；根据拟合算法和所述传感器值，求解方程并输出结果。本发明的有益效果为可以实现高精度压力数据采集，在前端传感器为0.25％到0.3％的100Kpa可扩散硅传感器实现精度0.15％内的计算精度，实际测试中的值精度到达0.1％。还可以应用到其他类传感器中，比如温度、湿度、光强、压强等传感器中的标定方法都适用。

技术领域

本发明涉及传感器数字信号滤波技术领域，具体而言，涉及提高传感器计算精度的方法、装置、设备及可读存储介质。

背景技术

现有市面上的技术对传感器出厂标定测试设备分为两种：一种是只收集数据，不直接在这个收集软件中参与数据分析和解算方程，只能人工进行拟合方程或利用计算机上其他工具进行拟合方程，求解参数后再把参数写入传感器的单片机等soc内的ROM或者flash,另一种是计算机收集数据，同时由计算机代码拟合方程，自动求解参数并返回写入到单片机等SOC内的ROM或者flash中。

目前市面上的这两种技术都存在一个严重的问题：那就是对ROM 或者flash空间占用度较高，特别是在高精度要求的传感器设备中，精度越高需要的空间就成倍增加。因为他们都是采用两张数据表进行存储，一张数据表存储传感器ADC数据(简称：rawdata)，一张存储多段拟合函数的参数表。成品后的应用是通过ADC读取数据后进行读rawdata数据表后去查找对应的拟合参数表。

发明内容

本发明的目的在于提供一种提高传感器计算精度的方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

第一方面，本申请提供了一种提高传感器计算精度的方法，包括：

获取传感器中多个rawdata值；

根据数据滤波算法，对所述rawdata值进行处理，得到处理后的 rawdata值；

将多个所述处理后的rawdata值整合为数据表；

读取所述数据表中所述rawdata值相对应的所述传感器值；

根据拟合算法和所述传感器值，求解方程并输出结果。

优选地，所述获取传感器中多个rawdata值，之前包括：

采用多项式神经网络算法，利用matlab软件对所述传感器的数据进行预处理，得到预处理数据；

利用统计学方法剔除所述预处理数据中偶然误差点；

采用滑动平均滤波器对剔除后的所述预处理数据中偶然误差点进行处理，得到传感器中多个rawdata值。

优选地，所述得到处理后的rawdata值，之后包括：

选取固定间隔值；

根据所述固定间隔值，判断data值是否等于处理后的所述 rawdata值；若是，则求解矩阵值，并将所述data值输入至方程求解；若不是，则输出异常值。

优选地，所述利用统计学方法剔除所述预处理数据中偶然误差点，之后包括：

将剔除之后的剩余数据进行归一化处理后作为多项式神经网络的输入值，进行Matlab仿真；

通过多次所述Matlab仿真比较所述传感器的干扰量敏感性，确定出多项式神经网络隐含层最优神经元数目，得出神经网络结构；