-
题名基于LSTM的气味源距离估计
- 1
-
-
作者
闫铮
井涛
孟庆浩
-
机构
天津大学机器人与自主系统研究所
天津市过程检测与控制重点实验室
天津大学电气自动化与信息工程学院
-
出处
《传感技术学报》
CAS
CSCD
北大核心
2022年第8期1065-1072,共8页
-
基金
中国博士后科学基金项目(2021M692390)
天津市自然科学基金项目(20JCZDJC00150,20JCYBJC00320)。
-
文摘
为提升基于金属氧化物半导体(Metal Oxide Semiconductor,MOS)传感器阵列估计气味源距离的精度,同时避免传统距离估计方法对手动参数设定的依赖性,提出了一种基于长短时记忆(Long Short-Term Memory,LSTM)网络的气味源距离估计方法。所提方法利用LSTM网络对长序列特征的获取能力,从MOS传感器阵列的信号中自动学习距离指标,从而实现端到端估计。搭建了气味扩散仿真平台,生成气味扩散仿真数据集用于网络训练、参数调优和验证测试。结果显示,所提出的模型在10 m范围内的平均估计误差为0.16 m,比基于统计特征的估计方法误差降低了一个数量级。最后分析了不同LSTM超参数对距离估计精度的影响,并且就网络对未知气味扩散环境条件的泛化适应能力进行了验证。
-
关键词
信号处理
源距离估计
深度学习
金属氧化物传感器
长短时记忆网络
-
Keywords
signal processing
source proximity estimation
deep learning
metal-oxide sensors
long short-term memory network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP391.9
[自动化与计算机技术—计算机应用技术]
-
