文献类型：期刊文章

作　　者：王立锋[1] 唐松[2,5] 连晓晓[3] 左北辰[2] 田灵娣[4] 杨萌[6]

WANG Lifeng;TANG Song;Lian Xiaoxiao;Zuo Beichen;TIAN Lingdi;YANG Meng(Hebei Huaye Jike Information Technology Co.,Ltd.,Shijiazhuang Hebei 050081,China;Hebei Information Security Certification Technology Innovation Center,Institute of Applied Mathematics,Hebei Academy of Sciences,Shijiazhuang Hebei 050081,China;Hebei Academy of Sciences,Shijiazhuang Hebei 050081,China;Hebei Xianhe Environmental Protection Technology Co.,Ltd.,Shijiazhuang Hebei 050035,China;Julu County Institute of Applied Technology,Julu Hebei 055250,China;Kanglv Industrial of College,Shijiazhuang Institute of Railway Technology,Shijiazhuang Hebei 050062,China)

机构地区：[1]河北华烨冀科信息技术有限责任公司,河北石家庄050081 [2]河北省科学院应用数学研究所,河北省信息安全认证技术创新中心,河北石家庄050081 [3]河北省科学院,河北石家庄050081 [4]河北先河环保科技股份有限公司,河北石家庄050035 [5]巨鹿县应用技术研究院,河北巨鹿055250 [6]石家庄铁路职业技术学院康旅产业学院,河北石家庄050062

出　　处：《河北省科学院学报》

基　　金：河北省省级科技计划资助(20313701D);河北省科学院科技计划项目资金资助(23612)。

年　　份：2023

卷　　号：40

期　　号：3

起止页码：10-16

语　　种：中文

收录情况：CAS、普通刊

摘　　要：针对多源传感器系统中存在着异常数据处理不及时、数据融合计算效率较低等问题,本文提出了一种基于LSTM和扩展卡尔曼滤波的多源传感器监测及数据融合方法,并以空气质量监测为例详细论述了该研究的应用。通过物联网采集模块,实现了传感器数据测量和传输,选用LSTM神经网络来对其进行异常数据处理,通过扩展卡尔曼滤波算法对测量过程产生的动态误差进行补偿,进而实现传感器目标状态高精度的测量,达到有效去除噪声影响的目的。最后,经过实验结果分析,表明该方法有较好的实践应用效果。

关 键 词：传感器 扩展卡尔曼滤波算法  数据融合 监测  

分 类 号：TP18] TP212]