Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020191980 - BLIND CALIBRATION METHOD FOR WIRELESS SENSOR NETWORK DATA DRIFT

Publication Number WO/2020/191980
Publication Date 01.10.2020
International Application No. PCT/CN2019/099024
International Filing Date 02.08.2019
IPC
G06K 9/00 2006.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
G06N 20/00 2019.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
CPC
G06K 9/00516
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
00496Recognising patterns in signals and combinations thereof
00503Preprocessing, e.g. filtering
0051Denoising
00516by applying a scale-space analysis, e.g. using wavelet analysis
Applicants
  • 江南大学 JIANGNAN UNIVERSITY [CN]/[CN]
Inventors
  • 李光辉 LI, Guanghui
  • 武加文 WU, Jiawen
Agents
  • 哈尔滨市阳光惠远知识产权代理有限公司 HARBIN SHINEIP INTELLECTUAL PROPERTY AGENCY CO., LTD.
Priority Data
201910221701.022.03.2019CN
Publication Language Chinese (ZH)
Filing Language Chinese (ZH)
Designated States
Title
(EN) BLIND CALIBRATION METHOD FOR WIRELESS SENSOR NETWORK DATA DRIFT
(FR) PROCÉDÉ D'ÉTALONNAGE AVEUGLE POUR UNE DÉRIVE DE DONNÉES DE RÉSEAU DE CAPTEURS SANS FIL
(ZH) 一种无线传感网络数据漂移盲校准方法
Abstract
(EN)
Disclosed is a blind calibration method for a wireless sensor network data drift, falling within the technical field of wireless sensor networks. In the method, a data drift of a sensor node is calibrated by means of a method of combining a constraint-based extreme learning machine and a Kalman filter. In the present invention, a node measured value is firstly preprocessed; then, mathematical modeling is carried out on the space-time correlation between a node to be calibrated and a neighboring node by using a constraint extreme learning machine (CELM), so as to obtain a predicted value of a target node; and finally, the predicted value and a measured value of the target node are fed back to a Kalman filter to track and calibrate a data drift thereof. The average mean error between a calibrated value obtained by means of the method and a real value is extremely small, indicating that the method has extremely high model fitting precision and takes less training time. The algorithm complexity is reduced, and the reliability of WSN data is improved.
(FR)
L'invention concerne un procédé d'étalonnage aveugle pour une dérive de données de réseau de capteurs sans fil, appartenant au domaine technique des réseaux de capteurs sans fil. Selon le procédé, une dérive de données d'un nœud de capteur est étalonnée au moyen d'un procédé de combinaison d'une machine d'apprentissage extrême basée sur des contraintes et d'un filtre de Kalman. Dans la présente invention, une valeur mesurée de nœud est d'abord prétraitée ; ensuite, une modélisation mathématique est réalisée sur la corrélation espace-temps entre un nœud à étalonner et un nœud voisin à l'aide d'une machine d'apprentissage extrême de contrainte (CELM), de façon à obtenir une valeur prédite d'un nœud cible ; et enfin, la valeur prédite et une valeur mesurée du nœud cible sont renvoyées à un filtre de Kalman afni de suivre et d'étalonner une dérive de données associée. L'erreur médiane moyenne entre une valeur étalonnée obtenue au moyen du procédé et une valeur réelle est extrêmement faible, indiquant que le procédé présente une précision d'ajustement de modèle extrêmement élevée et nécessite moins de temps d'apprentissage. La complexité de l'algorithme est réduite, et la fiabilité des données WSN est améliorée.
(ZH)
本发明公开了一种无线传感网络数据漂移盲校准方法,属于无线传感网络技术领域。所述方法采用了基于约束的极限学习机与卡尔曼滤波器相结合的方法来校准传感器节点的数据漂移。本发明通过首先对节点测量值进行预处理。然后使用约束极限学习机(CELM)对待校准的节点和邻居节点间的时空相关性进行数学建模,从而得到目标节点的预测值。最后将目标节点的预测值和测量值反馈入卡尔曼滤波器中以跟踪并校准其数据漂移,采用上述方法得到的校准值与真实值之间的平均均值误差极小,表明本方法具有极高的模型拟合精度且所用的训练时间更少;算法复杂度降低且提高了WSN数据的可靠性。
Also published as
Latest bibliographic data on file with the International Bureau