基于二元多项式拟合法的压力传感器输入信号重构

信号重构与压缩感知理论信号重构与压缩感知理论是数字信号处理和通信领域中的重要概念和技术。

它们对于信号的采集、传输和存储具有重要意义，能够提高系统的效率和性能。

本文将深入探讨信号重构与压缩感知理论的原理、应用以及未来发展方向。

一、信号重构理论信号重构是指根据已知的部分信号信息，通过合适的算法和技术手段来估计和恢复出完整的信号。

常见的信号重构方法包括插值法、采样定理、多项式拟合等。

而信号重构理论则是为了解决信号重构问题而产生的一系列数学理论和方法。

信号重构理论的核心思想是利用信号的稀疏性或者低维结构进行信号重构。

在信号的采集和传输过程中，信号往往存在冗余或者冗杂信息，通过剔除这些冗余信息，可以减少信号的存储空间和传输数据量。

常见的信号重构算法有最小二乘法、压缩感知算法、稀疏表示算法等。

在实际应用中，信号重构理论被广泛应用于图像压缩、音频处理、视频编码等领域。

通过信号重构技术，可以实现对图像、音频、视频等信号的高效压缩和传输，以及信号的快速恢复和重建。

二、压缩感知理论压缩感知是一种通过较少的采样和测量来获取信号的方法，它与传统的采样理论和信号处理方法有着本质的区别。

压缩感知理论的核心概念是稀疏表示和非局部性。

在传统的采样理论中，信号必须按照一定的采样定理进行采样，然后通过重建算法来获取完整信号。

而压缩感知理论则认为，信号在某个稀疏基下可以用更少的采样数进行表示，从而在一定程度上减少了传统采样过程中的冗余信息。

压缩感知理论的基本步骤包括稀疏表示、测量矩阵设计和重构算法。

通过适当的测量矩阵和重构算法，可以从少量采样数据中恢复出完整信号。

在信号稀疏性较高的情况下，压缩感知理论具有较好的重构性能。

压缩感知理论广泛应用于信号采集、图像处理、雷达成像等领域。

它不仅可以降低传感器的采样率，减少数据存储和传输成本，还可以提高系统的抗噪性能和恢复效果。

三、信号重构与压缩感知的应用信号重构与压缩感知理论在各个领域都有广泛的应用。

一种改善压力传感器曲线拟合特性的方法
马军爽;李振东;王维
【期刊名称】《微计算机信息》
【年(卷),期】2007(023)010
【摘要】压力传感器的输出特性受温度影响很大,把任意温度下传感器的特性都标定出来是不可能的,可以用数据拟合的方法在已测定温度特性曲线的基础上得到所需温度的压力传感器输出特性.本文提出一种采用分段拟合的方法对压力传感器数据进行拟合,通过在实际中的应用证明,这种方法可以显著提高拟合数据的精确性和简便性.
【总页数】3页(P216-217,239)
【作者】马军爽;李振东;王维
【作者单位】063000,河北唐山,唐山学院信息工程系;063000,河北唐山,唐山学院信息工程系;063000,河北唐山,唐山学院信息工程系
【正文语种】中文
【中图分类】TP212.6
【相关文献】
1.一种基于基本样条插值的热电偶特性曲线拟合方法 [J], 王红萍
2.一种实用的传感器特性曲线拟合方法 [J], 王晓立;唐德尧;朱石沙
3.一种改善直流系统恢复特性的低压限流环节优化方法 [J], 王锐铭;李凤婷
4.一种改善刚性接触网接触力特性的方法研究 [J], 伊金浩;李鑫;徐旻;刘文正
5.一种改进的火电厂耗煤特性曲线拟合方法 [J], 王兴;刘广一;于尔铿
因版权原因，仅展示原文概要，查看原文内容请购买。

基于BSLA最小二乘法的多功能传感器信号重构
孙金玮;曾繁华;刘丹;张岩
【期刊名称】《传感技术学报》
【年(卷),期】2003(016)003
【摘要】最小二乘技术经常在利用若干测量数据评估被测变量的情况中使用,当使用这种方法来获得一个最佳线性逼近空间(BSLA)时,就会建立一个能够处理冗余度量数据的最佳解决方案,从而改善在三维空间环境中信号重构的效果(通常情况下,多功能传感器都是三元或三元以上的度量函数).为此提出了一种应用最小二乘算法重构多功能传感器被测信号的方法验证其有效性,建立了仿真模拟电路,并给出了仿真结果和算法误差分析.
【总页数】5页(P267-271)
【作者】孙金玮;曾繁华;刘丹;张岩
【作者单位】哈尔滨工业大学,电气学院,哈尔滨,150001;哈尔滨电业局,哈尔
滨,150010;哈尔滨工业大学,电气学院,哈尔滨,150001;哈尔滨工业大学,电气学院,哈尔滨,150001
【正文语种】中文
【中图分类】TP212;TP302.7
【相关文献】
1.基于总体最小二乘的多功能传感器信号重构方法研究 [J], 孙金玮;刘昕;孙圣和
2.基于B样条整体最小二乘的非线性多功能传感器信号重构方法 [J], 刘剑;魏国;孙
金玮
3.非线性多功能传感器信号重构的抗差估计方法研究 [J], 刘丹;孙金玮;刘昕
4.基于支持向量回归的非线性多功能传感器信号重构 [J], 刘昕;孙金玮;刘丹
5.基于LS-SVM的非线性多功能传感器信号重构方法研究 [J], 魏国;刘剑;孙金玮;孙圣和
因版权原因，仅展示原文概要，查看原文内容请购买。

多项式拟合在数学和统计学中，多项式拟合是一种常用的数据分析技术，用于拟合一个已知数据集合的多项式函数。

通过多项式拟合，我们可以找到一个最佳拟合曲线，以预测未知数据点的值或者描述数据的趋势。

原理多项式拟合的原理是基于最小二乘法。

最小二乘法通过最小化观测值和拟合值之间的误差平方和来确定最佳拟合曲线。

给定一组数据点(x1, y1), (x2, y2), …, (xn, yn)，我们希望找到一个多项式函数 f(x) 来最小化以下误差平方和：min Σ(yi - f(xi))^2其中，xi 和 yi 分别表示观测数据的自变量和因变量，f(xi) 是拟合函数的预测值。

多项式拟合中，常用的拟合函数是多项式函数。

一个一阶多项式函数可以表示为：f(x) = a0 + a1 * x其中，a0 和 a1 是多项式的系数。

一般情况下，我们可以拟合高阶多项式函数，例如：f(x) = a0 + a1 * x + a2 * x^2 + ... + an * x^n实现在实现多项式拟合时，我们可以使用不同的工具和编程语言。

下面以 Python 为例，介绍如何使用 numpy 和 matplotlib 进行多项式拟合。

首先，我们需要准备一组观测数据。

假设我们有以下数据集合：x = [1, 2, 3, 4, 5]y = [2, 3, 4, 5, 6]接下来，我们可以使用 numpy 的 polyfit 函数进行多项式拟合。

polyfit 函数返回的是一个多项式的系数：import numpy as np# 定义观测数据x = [1, 2, 3, 4, 5]y = [2, 3, 4, 5, 6]# 进行一阶多项式拟合coefficients = np.polyfit(x, y, 1)在上面的例子中，我们使用 1 作为拟合的阶数。

根据观测数据，polyfit 函数返回的 coefficients 是一个数组 [a0, a1]，其中 a0 和 a1 是拟合函数的系数。

doi: 10.11857/j.issn.1674-5124.2020050048一种压阻式压力传感器全温区温度补偿方法田青林1,2， 陈红亮1,2， 陈洪敏1， 李 粮1， 闫文吉1(1. 中国航发四川燃气涡轮研究院，四川 成都 610500; 2. 四川天利科技有限责任公司，四川 绵阳 621010)摘　要: 针对压阻式压力传感器因热零点漂移、热灵敏度改变以及热迟滞效应引起的误差，提出一种压阻式压力传感器全温区温度补偿方法。

该方法是在温升和温降全温区样本采集的数据基础上，采用最小二乘法曲面拟合原理对压阻式压力传感器进行数字补偿。

通过对传感器进行实验标定和误差分析，并与常用的单一温升样本采集并进行数字补偿的方法进行对比，结果表明该方法能有效降低传感器因热迟滞效应引入的误差，提高传感器在全温区内标定点和非标定点的测试精度。

同时，该方法校准参数少，计算量相对较小，对于硬件要求较低，达到在性能和成本之间的良好平衡，是一种实用性较强的在线补偿方法，具有较强的工程应用价值。

关键词: 压阻式压力传感器; 温度补偿; 全温区; 最小二乘法曲面拟合; 热迟滞效应中图分类号: TP212；TH812文献标志码: A 文章编号: 1674–5124(2021)01–0049–05A full-temperature-range temperature compensation method forpiezoresistive pressure sensorTIAN Qinglin 1,2, CHEN Hongliang 1,2, CHEN Hongmin 1, LI Liang 1, YAN Wenji 1(1. AECC Sichuan Gas Turbine Establishment, Chengdu 610500, China;2. Sichuan Tianli Technology Co., Ltd., Mianyang 621010, China)Abstract : For errors in a piezoresistive pressure sensor caused by thermal shifts of zero output and sensitivity as well as thermal hysteresis effect, a full-temperature-range temperature compensation method was put forward, which uses least square polynomial surface fitting to compensate piezoresistive pressure sensor based on data acquisition from sampling in a full temperature range including both temperature rise and drop.Through sensor test calibration and error analysis, as well as comparison with the common digital compensation method based on sampling only in temperature rise, it was proved that this method can effectively reduce errors caused by thermal hysteresis effect, and improve the sensor test accuracy at calibration points and non-calibration points in a full temperature range. Meanwhile, this method needs less calibration parameters, less calculation and lower hardware requirements, thus reaching a better balance between performance and cost, making it a more practical online compensation method with quite a value in engineering applications.Keywords : piezoresistive pressure sensor; temperature compensation; full-temperature-range; least square polynomial surface fitting; thermal hysteresis effect收稿日期: 2020-05-09；收到修改稿日期: 2020-07-10作者简介: 田青林（1987-），男，山东聊城市人，工程师，研究方向为航空发动机试验测试技术。