公开(公告)号：CN108593557A

公开(公告)日：2018-09-28

申请号：CN201810205703.6

申请日：2018-03-13

Applicant: 杭州电子科技大学

Inventor： 蒋鹏 ,  华通 ,  席旭刚 ,  佘青山 ,  甘海涛

IPC: G01N21/17 ,  G06F17/18 ,  G06N3/08

Abstract: 本发明公开了一种基于TE-ANN-AWF移动污染源遥测误差补偿方法，本发明利用TE传递熵对干扰与测量结果进行因果相关性分析，从而确定测量误差来源以及衡量多干扰间不平衡程度，并利用TE传递熵的方向性引出非显著因果关系的量化标准和判定方法。提出了虚拟观测方法来实现单元观测序列的多元解构，通过ANN误差预测模型实现单干扰通道虚拟观测序列的补偿，再采用多元自适应加权融合方法对补偿后的多元虚拟观测序列进行融合重构。针对融合算法中的权值收敛问题，模型中引入了指数遗忘的方法将TE良好的权值预估能力和AWF的权值自适应调整的优点相结合，改善了误差补偿过程的动态性能。

公开(公告)号：CN109374532B

公开(公告)日：2021-03-30

申请号：CN201811541673.2

申请日：2018-12-17

Applicant: 杭州电子科技大学

Inventor： 蒋鹏 ,  华通 ,  席旭刚 ,  胡华 ,  佘青山 ,  刘俊 ,  许欢 ,  李添骄 ,  薛凌云 ,  林广 ,  任付越

IPC: G01N21/17 ,  G06F17/17

Abstract: 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。

公开(公告)号：CN108593557B

公开(公告)日：2020-08-11

申请号：CN201810205703.6

申请日：2018-03-13

Applicant: 杭州电子科技大学

Inventor： 蒋鹏 ,  华通 ,  席旭刚 ,  佘青山 ,  甘海涛

IPC: G01N21/17 ,  G06F17/18 ,  G06N3/08

Abstract: 本发明公开了一种基于TE‑ANN‑AWF移动污染源遥测误差补偿方法，本发明利用TE传递熵对干扰与测量结果进行因果相关性分析，从而确定测量误差来源以及衡量多干扰间不平衡程度，并利用TE传递熵的方向性引出非显著因果关系的量化标准和判定方法。提出了虚拟观测方法来实现单元观测序列的多元解构，通过ANN误差预测模型实现单干扰通道虚拟观测序列的补偿，再采用多元自适应加权融合方法对补偿后的多元虚拟观测序列进行融合重构。针对融合算法中的权值收敛问题，模型中引入了指数遗忘的方法将TE良好的权值预估能力和AWF的权值自适应调整的优点相结合，改善了误差补偿过程的动态性能。

公开(公告)号：CN109374532A

公开(公告)日：2019-02-22

申请号：CN201811541673.2

申请日：2018-12-17

Applicant: 杭州电子科技大学

Inventor： 蒋鹏 ,  华通 ,  席旭刚 ,  佘青山 ,  林宏泽 ,  林广

IPC: G01N21/17 ,  G06F17/17

Abstract: 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。