小波分析与信息融合技术在红外水分仪中的应用
|
摘要
红外水分仪的水分检测技术是一门涉及多学科的综合性技术，三十多年来，已经取得了很大的进步。但由于被测信号十分微弱，测量过程干扰因素较多，尤其是温度，而现有的红外水分仪在信号处理方面往往只是进行简单的滤波与温度补偿，致使仪器在测量精度、适应环境、抗干扰性能、调试与维护等方面还不尽人意。针对以上存在的问题，本课题对红外水分仪的光路系统、硬件电路、系统软件进行了全面设计，还引入小波软阈值滤波与信息融合技术，在智能化信息处理方面进行了一些探索和尝试，为新型红外水分仪的数据处理提供了新的思路。
本文的主要内容和主要成果可归纳如下：
1. 介绍了红外水分仪的基本组成和工作原理。对系统的光路和硬件电路进行了详细的设计与装配，编写了系统软件程序，并进行调试。
2. 制作神经网络训练所需的标准样本。
3. 阐述了小波去噪的相关理论，探讨了小波软阈值去噪的几种方法。
4. 阐述了信息融合的基本原理以及信息融合的几种方法，具体介绍了基于神经网络的信息融合技术。
5. 针对红外水分仪出来的信噪比相对较低的微弱信号，利用MATLAB小波分析工具包进行了小波软阈值滤波的可行性仿真之后，编写C语言程序进行实际实现。
6. 针对红外水分仪的水分传感器受温度影响很大的情况，利用BP神经网络进行了多传感器信息融合，用MATLAB进行仿真实验，融合后的效果较为理想。
The moisture measurement technology of infrared moisture meter is a synthetic technology relating to many subjects. During the past 30 years, much prominent progress has been achieved. However, many influence factors especially the temperature have influence on the output signal of infrared moisture meter which belongs to the weak signal, and the existing infrared moisture meter have some defects such as just carrying simple filter and temperature compensation on it, so the measurement precision, the capability of adapting the environment and anti-noise are still not satisfying, as well as its performance and maintenance. In view of the above, the wavelet soft threshold value filter and the information fusion technology are introduced; some explorations and attempts are made on processing the information intelligently, which give a new data processing basis of the infrared moisture meter. The main content and achievements can be summed up as follows:
1. The basic components and operation principle of infrared moisture meter, designing and assembling the light path and hardware circuit of the system are introduced in detail, the program is compiled and debugged.
2. Standard samples that are needed for neural network training are made.
3. The theory about the wavelet denoising method is introduced, as well as the methods of wavelet soft threshold selection.
4. The basic concepts and several ways about information fusion are illustrated, especially the information fusion technology based on neural network.
5. Considering the signal's SNR is relatively low and it belongs to weak signal, some feasible simulations of the wavelet soft threshold filter with MATLAB wavelet analysis tool packet are done, and the C program is compiled and executed.
6. The temperature's influence on the moisture sensor is very obvious, so bi-sensors information fusion techniques based on BP neural network is
proposed, and be simulated with MATLAB, the effect of it is ideal.
本文的主要内容和主要成果可归纳如下：
1. 介绍了红外水分仪的基本组成和工作原理。对系统的光路和硬件电路进行了详细的设计与装配，编写了系统软件程序，并进行调试。
2. 制作神经网络训练所需的标准样本。
3. 阐述了小波去噪的相关理论，探讨了小波软阈值去噪的几种方法。
4. 阐述了信息融合的基本原理以及信息融合的几种方法，具体介绍了基于神经网络的信息融合技术。
5. 针对红外水分仪出来的信噪比相对较低的微弱信号，利用MATLAB小波分析工具包进行了小波软阈值滤波的可行性仿真之后，编写C语言程序进行实际实现。
6. 针对红外水分仪的水分传感器受温度影响很大的情况，利用BP神经网络进行了多传感器信息融合，用MATLAB进行仿真实验，融合后的效果较为理想。
The moisture measurement technology of infrared moisture meter is a synthetic technology relating to many subjects. During the past 30 years, much prominent progress has been achieved. However, many influence factors especially the temperature have influence on the output signal of infrared moisture meter which belongs to the weak signal, and the existing infrared moisture meter have some defects such as just carrying simple filter and temperature compensation on it, so the measurement precision, the capability of adapting the environment and anti-noise are still not satisfying, as well as its performance and maintenance. In view of the above, the wavelet soft threshold value filter and the information fusion technology are introduced; some explorations and attempts are made on processing the information intelligently, which give a new data processing basis of the infrared moisture meter. The main content and achievements can be summed up as follows:
1. The basic components and operation principle of infrared moisture meter, designing and assembling the light path and hardware circuit of the system are introduced in detail, the program is compiled and debugged.
2. Standard samples that are needed for neural network training are made.
3. The theory about the wavelet denoising method is introduced, as well as the methods of wavelet soft threshold selection.
4. The basic concepts and several ways about information fusion are illustrated, especially the information fusion technology based on neural network.
5. Considering the signal's SNR is relatively low and it belongs to weak signal, some feasible simulations of the wavelet soft threshold filter with MATLAB wavelet analysis tool packet are done, and the C program is compiled and executed.
6. The temperature's influence on the moisture sensor is very obvious, so bi-sensors information fusion techniques based on BP neural network is
proposed, and be simulated with MATLAB, the effect of it is ideal.
引文
[1] 霍宝峰. 基于数据融合的粮食水分检测技术的研究. 沈阳工业大学硕士学位论文.2002.3
[2] H.A.Slight. the Measurement of Moisture Content, Measurement and Control,Vol.22.no,March 1989
[3] 陆品桢. 国内外水分测量技术及水分及发展概况. 分析仪器，1990.1:12-14
[4] 藤召胜. 水分检测技术及其智能信息处理方法的研究. 湖南大学博士论文. 1997
[5] 杜民. 水分测定义的综合研究及评述. 中国仪器仪表. 1996,2:8-10
[6] 杜民. 新型水分快速测定仪器的研究仪器. 仪表学报，1997.5:486-491
[7] 张仁标. KLS-411微量水分分析仪的设计. 分析仪器，1993.4:26-30
[8] 欧阳杰. 红外电子学. 北京理工大学出版社. 1997.1
[9] 石要武，任露泉，解小华等，红外土壤表面水分测量仪的研制，Transactions of the CSAE,1998.12:52-56
[10] 滕召胜，罗隆福，童调生. 智能检测系统与数据融合. 机械工业出版社. 2001.1
[11] 何友等，多传感器信息融合及其应用. 电子工业出版社，2000.11
[12] 吴兴惠，王彩君. 传感器与信号处理. 电子工业出版社. 1998.8
[13] 陈杰，黄鸿. 传感器与检测技术. 高等教育出版社.2002.8
[14] 徐泽善，胡爱民. 传感器与压电器件. 国防工业出版社。1999.9
[15] 彭玉华. 小波变换与工程应用. 科学出版社编，1999.9
[16] 徐佩霞. 小波分析与应用实例. 中国科学技术大学出版社. 2001.10
[17] 文成林. 多尺度估计理论及其应用. 清华大学出版社. 2002.9
[18] 文莉. 小波变换在去噪及结构动态特性分析中的应用研究. 合肥工业大学硕士学位论文. 2002.7
[19] 刘先省. 传感器管理方法研究. 西北工业大学博士学位论文. 2000.11
[20] 吕瑞兰. 小波阈值去噪的性能分析及基于能量元的小波阈值去噪方法研究. 浙江大学硕士学位论文. 2003.2
[21] I.Daubechies, Orthonormal Bases of Commpactly Supported Wavelets, Common. Pure and Appli.Math.,XLT,1988.
[22] I.Daubechies, The Wavelet transform:Time-Frequency Localization and Signal Analysis, IEEE Trans.on Information Theory,36(5),1990
[23] S.G.Mallat, Multiresolution Approximations and Wavelet Orthonormal
Bases of L2(R) Transactions of the American Mathematical Society,315(1),1989
[24] S.G.Mallat, A Theory for Multiresolution Signal Decomposition: The Wavelet Representation, IEEE Trans. on Pattern Analysis and Machine Intelligence,11(7),1989
[25] 徐长发. 实用小波方法. 华中科技大学出版社. 2001.1，
[26] D.L.Donoho,De-noising by Soft-thresholding.IEEE Transactions on Inform. Theory,41(3),1995
[27] 刘同明. 数据融合技术及其应用. 国防工业出版社. 1998.8
[28] 王士同，陈慧萍，赵跃华等. 人工智能教程. 电子工业出版社. 2001.10，
[29] 韩力群. 人工神经网络理论、设计及应用. 化学工业出版社. 2002.1
[30] 刘君华. 智能传感器系统. 西安电子科技大学出版社. 1999.3
[31] 戴葵. 神经网络实现技术. 国防科技大学出版社. 1998.7
[32] 阎平凡. 人工神经网络于模拟进化计算. 清华大学出版社. 2000
[33] 孙增圻. 智能控制理论与技术. 清华大学出版社.2002.3
[34] 蔡自兴，徐光祐. 人工智能及其应用. 清华大学出版社. 2002.7
[35] Marilyn McCord Nelson, W.T. Illingworth. A Practical Guide to Neural Nets. Reading: Addison-Wesley Publishing Company,1991
[36] S.Ahmad, G.Tesuro, Scaling and Generalization in Neural Networks. Proc.of 1988 Connectionist Models Summer School.Canada:1989
[37] Jacek M.Zurada. Introduction to Artificial Neural Systems. St. Paul: West Publishing Cmpany,1992
[38] Nielsen H R.Theory of the Backpropagation Neuron Network. IEEE IJCNN,1989
[39] Huang S C,Huang Y F.Bounds on number of hidden neurons in multiplayer perceptrons. IEEE Trans on Networks,1991
[40] 飞思科技产品研发中心. MATLAB 6.5 辅助小波分析与应用. 电子工业出版社. 2003.1
[41] 耿则勋. 离散小波变换的快速算法. 解放军测绘学院学报. 1997，
14(1):21－25
[42] 耿则勋，钱曾波. 小波变换的边界处理. 测绘学报，，1996，25(3):165－172
[43] 王欣. 离散信号的滤波. 电子工业出版社. 2002.6
[44] 陈童. C语言进阶诀窍. 西安交通大学出版社. 1997.3，
[45] 何振亚. 自适应信号处理. 科学出版社. 2002.4
[46] 马明建，周长城. 数据采集与处理技术. 西安交通大学出版社. 1999.4
[47] 肖忠祥. 数据采集原理. 西北工业大学出版社. 2002.1
[48] 杨青云. 数据处理方法. 冶金工业出版社. 1993.3
[49] 张福渊. 概率统计及随机过程. 北京航空航天大学出版社. 2001.7
[50] 沙占友. 智能化集成温度传感器原理与应用. 机械工业出版社. 2002.7
[51] 王欣, 王德隽. 离散信号的滤波. 电子工业出版社. 2002.6
[52] 飞思科技产品研发中心. Matlab 6.5辅助神经网络分析与设计. 电子工业出版社. 2003.1
[53] 谭浩强. C语言设计. 清华大学出版社. 1996.1
[54] 王子恢, 戴建鹏. C语言大全. 电子工业出版社. 2001.9
[55] 简聪海. 高等C的剖析. 天津大学出版社. 1996.9
[56] 姚远，水木. 高级C语言程序设计技巧与实例. 机械工业出版社. 1995.8
[57] 苏高利、邓芳萍，论基于MATLAB语言的BP神经网络的改进算法，BULLETIN OF SCIENCE AND TECHNOLOGY，2003，3：130～135
[58] 寇学芹、师帅兵，BP人工神经网络在二传感器数据融合处理中的应用，测量与设备，2003.2：26～28
[59] H.A.Sliht, Further Thoughts on Moisture Measurement, Measurement and Contorl,Vol.22, no.3,March 1989
[60] R.P.Loera, W.E,Thompson and S.A.Akbar, Multilevel distributed fusion of multisensors data, SPIE Vol.1699 1992
[61] 司端锋，常炳国，刘君华. 基于BP神经网络的传感器特性补偿新算法的研究. 传感器技术. 2000.1:11-14
[62] 高大文,王鹏,蔡臻超. 人工神经网络中隐含层节点与训练次数的优化. 哈尔滨工业大学学报. Vol.35. No.2 Feb.,2003: 85-87
[63] 张明社,李小昱,雷廷武. 用基于人工神经网络的数据融合法测量水流泥沙含量. 农业工程学报. 2002.7: 41-43
[64] 王强，余岳峰，张浩炯. 利用人工神经网络实现函数逼近. 计算机仿真. 2002.9:44－47
[65] 兰雪梅，朱健，黄承明等. BP网络的MATLAB实现. 微型电脑应用.
2003.1(19):6－8
[66] 林明星. 基于神经网络的多传感器信息融合技术. 新技术新工艺.
1999(3): 6－7
[67] 梁蔓君，石竹. 提高BP神经网络学习速度的算法研究. 合肥工业大学学报. 1995.18(1): 75－80
[68] 张广军. 人工神经网络技术在光电检测中的应用. 北京航空航天大学学报.
2001.10,Vol.27 No.5: 564－568
[2] H.A.Slight. the Measurement of Moisture Content, Measurement and Control,Vol.22.no,March 1989
[3] 陆品桢. 国内外水分测量技术及水分及发展概况. 分析仪器，1990.1:12-14
[4] 藤召胜. 水分检测技术及其智能信息处理方法的研究. 湖南大学博士论文. 1997
[5] 杜民. 水分测定义的综合研究及评述. 中国仪器仪表. 1996,2:8-10
[6] 杜民. 新型水分快速测定仪器的研究仪器. 仪表学报，1997.5:486-491
[7] 张仁标. KLS-411微量水分分析仪的设计. 分析仪器，1993.4:26-30
[8] 欧阳杰. 红外电子学. 北京理工大学出版社. 1997.1
[9] 石要武，任露泉，解小华等，红外土壤表面水分测量仪的研制，Transactions of the CSAE,1998.12:52-56
[10] 滕召胜，罗隆福，童调生. 智能检测系统与数据融合. 机械工业出版社. 2001.1
[11] 何友等，多传感器信息融合及其应用. 电子工业出版社，2000.11
[12] 吴兴惠，王彩君. 传感器与信号处理. 电子工业出版社. 1998.8
[13] 陈杰，黄鸿. 传感器与检测技术. 高等教育出版社.2002.8
[14] 徐泽善，胡爱民. 传感器与压电器件. 国防工业出版社。1999.9
[15] 彭玉华. 小波变换与工程应用. 科学出版社编，1999.9
[16] 徐佩霞. 小波分析与应用实例. 中国科学技术大学出版社. 2001.10
[17] 文成林. 多尺度估计理论及其应用. 清华大学出版社. 2002.9
[18] 文莉. 小波变换在去噪及结构动态特性分析中的应用研究. 合肥工业大学硕士学位论文. 2002.7
[19] 刘先省. 传感器管理方法研究. 西北工业大学博士学位论文. 2000.11
[20] 吕瑞兰. 小波阈值去噪的性能分析及基于能量元的小波阈值去噪方法研究. 浙江大学硕士学位论文. 2003.2
[21] I.Daubechies, Orthonormal Bases of Commpactly Supported Wavelets, Common. Pure and Appli.Math.,XLT,1988.
[22] I.Daubechies, The Wavelet transform:Time-Frequency Localization and Signal Analysis, IEEE Trans.on Information Theory,36(5),1990
[23] S.G.Mallat, Multiresolution Approximations and Wavelet Orthonormal
Bases of L2(R) Transactions of the American Mathematical Society,315(1),1989
[24] S.G.Mallat, A Theory for Multiresolution Signal Decomposition: The Wavelet Representation, IEEE Trans. on Pattern Analysis and Machine Intelligence,11(7),1989
[25] 徐长发. 实用小波方法. 华中科技大学出版社. 2001.1，
[26] D.L.Donoho,De-noising by Soft-thresholding.IEEE Transactions on Inform. Theory,41(3),1995
[27] 刘同明. 数据融合技术及其应用. 国防工业出版社. 1998.8
[28] 王士同，陈慧萍，赵跃华等. 人工智能教程. 电子工业出版社. 2001.10，
[29] 韩力群. 人工神经网络理论、设计及应用. 化学工业出版社. 2002.1
[30] 刘君华. 智能传感器系统. 西安电子科技大学出版社. 1999.3
[31] 戴葵. 神经网络实现技术. 国防科技大学出版社. 1998.7
[32] 阎平凡. 人工神经网络于模拟进化计算. 清华大学出版社. 2000
[33] 孙增圻. 智能控制理论与技术. 清华大学出版社.2002.3
[34] 蔡自兴，徐光祐. 人工智能及其应用. 清华大学出版社. 2002.7
[35] Marilyn McCord Nelson, W.T. Illingworth. A Practical Guide to Neural Nets. Reading: Addison-Wesley Publishing Company,1991
[36] S.Ahmad, G.Tesuro, Scaling and Generalization in Neural Networks. Proc.of 1988 Connectionist Models Summer School.Canada:1989
[37] Jacek M.Zurada. Introduction to Artificial Neural Systems. St. Paul: West Publishing Cmpany,1992
[38] Nielsen H R.Theory of the Backpropagation Neuron Network. IEEE IJCNN,1989
[39] Huang S C,Huang Y F.Bounds on number of hidden neurons in multiplayer perceptrons. IEEE Trans on Networks,1991
[40] 飞思科技产品研发中心. MATLAB 6.5 辅助小波分析与应用. 电子工业出版社. 2003.1
[41] 耿则勋. 离散小波变换的快速算法. 解放军测绘学院学报. 1997，
14(1):21－25
[42] 耿则勋，钱曾波. 小波变换的边界处理. 测绘学报，，1996，25(3):165－172
[43] 王欣. 离散信号的滤波. 电子工业出版社. 2002.6
[44] 陈童. C语言进阶诀窍. 西安交通大学出版社. 1997.3，
[45] 何振亚. 自适应信号处理. 科学出版社. 2002.4
[46] 马明建，周长城. 数据采集与处理技术. 西安交通大学出版社. 1999.4
[47] 肖忠祥. 数据采集原理. 西北工业大学出版社. 2002.1
[48] 杨青云. 数据处理方法. 冶金工业出版社. 1993.3
[49] 张福渊. 概率统计及随机过程. 北京航空航天大学出版社. 2001.7
[50] 沙占友. 智能化集成温度传感器原理与应用. 机械工业出版社. 2002.7
[51] 王欣, 王德隽. 离散信号的滤波. 电子工业出版社. 2002.6
[52] 飞思科技产品研发中心. Matlab 6.5辅助神经网络分析与设计. 电子工业出版社. 2003.1
[53] 谭浩强. C语言设计. 清华大学出版社. 1996.1
[54] 王子恢, 戴建鹏. C语言大全. 电子工业出版社. 2001.9
[55] 简聪海. 高等C的剖析. 天津大学出版社. 1996.9
[56] 姚远，水木. 高级C语言程序设计技巧与实例. 机械工业出版社. 1995.8
[57] 苏高利、邓芳萍，论基于MATLAB语言的BP神经网络的改进算法，BULLETIN OF SCIENCE AND TECHNOLOGY，2003，3：130～135
[58] 寇学芹、师帅兵，BP人工神经网络在二传感器数据融合处理中的应用，测量与设备，2003.2：26～28
[59] H.A.Sliht, Further Thoughts on Moisture Measurement, Measurement and Contorl,Vol.22, no.3,March 1989
[60] R.P.Loera, W.E,Thompson and S.A.Akbar, Multilevel distributed fusion of multisensors data, SPIE Vol.1699 1992
[61] 司端锋，常炳国，刘君华. 基于BP神经网络的传感器特性补偿新算法的研究. 传感器技术. 2000.1:11-14
[62] 高大文,王鹏,蔡臻超. 人工神经网络中隐含层节点与训练次数的优化. 哈尔滨工业大学学报. Vol.35. No.2 Feb.,2003: 85-87
[63] 张明社,李小昱,雷廷武. 用基于人工神经网络的数据融合法测量水流泥沙含量. 农业工程学报. 2002.7: 41-43
[64] 王强，余岳峰，张浩炯. 利用人工神经网络实现函数逼近. 计算机仿真. 2002.9:44－47
[65] 兰雪梅，朱健，黄承明等. BP网络的MATLAB实现. 微型电脑应用.
2003.1(19):6－8
[66] 林明星. 基于神经网络的多传感器信息融合技术. 新技术新工艺.
1999(3): 6－7
[67] 梁蔓君，石竹. 提高BP神经网络学习速度的算法研究. 合肥工业大学学报. 1995.18(1): 75－80
[68] 张广军. 人工神经网络技术在光电检测中的应用. 北京航空航天大学学报.
2001.10,Vol.27 No.5: 564－568
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |