基于统计学习预测技术提高传感器稳定度

• 作者: 刘君华 林继鹏
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 统计学习 支持向量机预测技术 数据融合 不稳定度
• 年，卷（期）: 2008,（9）
• 所属期刊栏目: 研究与探讨
• 页码范围: 33-36
• 页数: 4页
• 分类号: TN911.7
• 字数: 3571字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-9787.2008.09.011

摘要

针对传感器的输出随温度和电源的波动以及自身的某些特性的改变等因素而发生零点漂移现象,提出了一种对以上非目标量进行预测处理以消除它们对传感器输出影响的支持向量机(SVM)预测技术.这种方法不需要建立大量的观测样本,也不需要对观测样本进行特征提取就可以取得良好的改善效果,具有较好的实用价值.以2只半导体传感器为研究对象的测试结果表明:利用该方法使稳定性提高了6倍.同时,提出了2种优化算法:增量样本法和降一阶算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘君华	西安交通大学电气工程学院	224	3216	28.0	45.0
2	林继鹏	长安大学电子与控制工程学院	3	11	2.0	3.0