基于數字濾波技術和動力學的綠色能源傳感器識別方法

何引生，李 偉

(廣東電網有限責任公司 佛山供電局，廣東 佛山 528000)

傳感器具有通信速度快、抗干擾能力強、安全性高的優點，可較好地完成遠距離通信工作，為日常的生產生活提供便利[1-2]。綠色能源傳感器是一種以清潔能源為原料的傳感器，其使用方法與其他傳感器不同，需要進行針對性管理。但傳感器網絡中的設備數量眾多，怎樣快速識別綠色能源傳感器成為當前研究中的重要問題。

在過往的研究中，國內外專家學者提出了多種傳感器識別方法，立足于傳感器的能耗等多個角度，區分傳感器的類別。文獻[3]提出了使用深度卷積和門控循環神經網絡運動識別傳感器的方法，此方法具有較高的數據運算能力，可有效提升識別速度。文獻[4]提出了一種基于SVM的傳感器識別方法，通過單一的前向神經網絡，快速回歸圖片中傳感器的種類、位置與數量信息，在保證準確率的條件下，有效提高了響應速度和部署可行性。

為了獲取高精度識別結果，研究選用數字濾波技術和動力學中的相關原理，設計了一種綠色傳感器新型識別方法，以期提升傳感器網絡對綠色能源傳感器的管理能力，改善傳感器使用效果。

1 綠色能源傳感器識別方法設計

1.1 傳感器信號采集與處理

為提升綠色能源傳感器的識別效果，首先應采集研究區域內的全部傳感器信號，并對其展開預處理。由于傳感器信號中包含的信息較為復雜，選擇RVM回歸算法處理采集到的傳感器信號[5]。

bn=(an∶bn)+α

(1)

式中，α為處理過程中產生的誤差，此誤差滿足高斯分布函數的均值要求，則信號處理的目標函數的分布概率為[6-7]：

p(b|a)=p(b|c，α2)

(2)

式中，p(b|c，α2)為似然函數，則有：

(3)

式中，?為n×(n-1)矩陣，則有：

(4)

由上述矩陣結構可以看出，當使用最大似然法估算取值結果時[8-9]，會導致部分信號處理過量，信號異常。因此，使用貝葉斯理論[10]，確定c的取值范圍，同時在此計算過程中使用先驗概率限制其權重取值區間，則有：

(5)

式中，β為n+1維的超參數向量，此向量對c的取值過程具有控制作用，確保先驗結果分布的稀疏性。

根據上述計算可得到目標函數的似然分布：

(6)

式中，δ為似然分布函數。

將c代入信號集中，可得到其后驗概率分布結果[11]，則有：

(7)

式中，?為后驗函數方差；o為信號均值。

根據上述函數可得到信號處理過程中的先驗函數與后驗函數，在信號處理的過程中需要進行多次迭代計算，當大多數β趨近于無窮大時，對應的c取值結果趨近于0，證實了采集到的信號具有一定的稀疏性，采集的信號具有實用價值。使用上述公式完成信號處理后，將處理后信號作為后續處理的信號基礎。

1.2 構建數字濾波器

在對傳感器信號進行初步處理后，發現采集到的信號中存在大量的噪聲，對傳感器的識別結果具有一定的影響，因此，在本次研究中需要使用濾波電路移除無用的信號與噪聲。由于數字濾波器多為線性非時變系統[12-13]，為了構建出適用于綠色能源傳感器的濾波器，將構建其數學模型，將其設定為f域函數Q(f)為：

(8)

(9)

式中，g、h為模型參數；g0通常取值為1。輸出序列x(f)與輸入序列y(f)之間的差分函數可表示為：

(10)

根據上述公式，輸入與輸出信號之間的時間域結構可表示如下：

x(f)→t(f)→y(f)

(11)

由此公式可得到時域結果的信號響應頻次，則有：

t(f)=y(f)|x(f)

(12)

已知取值為非負數，根據上述公式得到數字濾波器的頻率特征：

(13)

圖1 數字濾波器幅頻特性變化過程Fig.1 Amplitude frequency characteristic change process of digital filter

根據圖1可知，數字濾波器幅頻變化與其相頻特征與延遲有關[14-15]，為保證其幅頻正常，可對綠色能源處理器信號展開處理，則有：

(14)

其中，э表示相頻特征，將此數據作為濾波器的技術參數，提升濾波器的信號處理能力。

1.3 綠色能源傳感器識別

完成信號濾波后，使用動力學分析技術，完成最終的綠色能源傳感器識別過程。

傳感器信號發出后，會產生相應的信號沖擊[16-17]。使用動力學分析此信號沖擊特征，對比綠色傳感器的信號輸出狀態，即可完成傳感器的識別過程。

當傳感器信號發出時，其傳輸速度可記做v，信號的位移可使用l表示，則信號運動微分方程可表示為：

kl+al=0

(15)

式中，k為信號傳輸質量；a為信號的沖擊系數。

對此運動方程求解，則有[18-19]：

(16)

將識別過程中的初始條件設定為t=0，l=l0，則信號的自由運動解為：

(17)

式中，t為識別周期長度。

根據式(17)可得到傳感器發出的激振力脈沖信號[20]，則有：

(18)

整合此公式：

(19)

式中，p為傳感器脈沖的峰值；γ為脈沖的寬度。

使用此公式處理濾波后的數據，得到其脈沖特征。根據脈沖特征結果，設計綠色能源傳感器的識別流程，如圖2所示。

圖2 綠色能源傳感器的識別流程Fig.2 Identification process of green energy sensor

整合文中設計的信號處理部分與傳感器識別部分，至此，基于數字濾波技術和動力學的綠色能源傳感器識別方法設計完成。

2 實驗概述

2.1 實驗方案設計

本次研究中提出了基于數字濾波技術和動力學的綠色能源傳感器識別方法，為證實此方法具有較高的傳感器識別能力，以廣東電網公司某個供電局為實驗對象，構建實驗環節分析此方法的使用效果。在該供電局公開信息系統后臺選擇900個獨立信號樣本進行單一變量實驗。信號樣本來自于該供電局在信號線路上設置的10個傳感器，包含4個綠色能源傳感器和6個其他類別傳感器。為了使實驗結果更加可靠，統一實驗條件設定如下：①傳感器各信號發出結果已經經過準確估計，均符合采樣標準；②傳感器信號環境符合理想信道模式；③傳感器信號信噪比為SNR=10lg(ES/N)；④實驗環境中，僅可接收一個通信信號。

根據上述實驗條件，構建相應的實驗環境。選擇IFSVM方法(文獻[3])、SVM方法(文獻[4])與本文設計的數字濾波方法識別實驗樣本。為保證實驗中方法可獲取有效信號樣本，在實驗環境中增設2個放大器，通過放大器調整每種方法信息采集裝置的工作狀態。信號放大器被正弦波驅動，正弦波幅值在3～5 mV變化，以此保證不同方法的信號采集裝置合格。

在此實驗環境下，對實驗數據進行預處理，實驗數據整理后內容見表1。將表1中的數據作為后續實驗結果分析的對比數據，以此確定3種實驗方法在使用后的差異。

表1 實驗數據Tab.1 Experimental data

2.2 對比指標選擇

選擇識別個數、識別過程中的實驗開銷作為實驗對比指標。為保證實驗結果具有分析價值，取多次平均值作為實驗結果輸出，對此部分數據進行分析后，確定3種方法的使用差異。

2.3 實驗結果分析

將3種方法的識別結果與實際值對比，統計3種方法的識別個數，結果如圖3所示。由圖3可知，本文設計方法的傳感器信號識別個數最高，識別率穩定在98%以上，可保證傳感器識別結果的精準度。文獻[3]和文獻[4]方法的識別個數相對較低，在一定程度上影響傳感器的識別效果。綜合上述分析結果可以確定，本文設計方法的使用效果在一定程度上優于文獻[3]和文獻[4]方法。

圖3 綠色能源傳感器信號識別個數Fig.3 Signal recognition number of green energy sensor

傳感器識別時間開銷如圖4所示。由圖4可知，本文設計方法的時間波動值均在0以下，時間開銷相對較小，在保證傳感器識別效果的基礎上，提升了識別速度。相比之下，文獻[3]、文獻[4]方法的識別速度較慢。

圖4 傳感器識別時間開銷Fig.4 Time cost of sensor identification

整合此次實驗中的2組實驗結果可以發現，在不同的實驗條件下，本文設計方法的使用效果均優于其他兩種方法，此方法可以為傳感器識別工作提供便利。

3 結語

針對當前傳感器識別方法的不足，優化了信號處理部分，設計了基于數字濾波技術和動力學的綠色能源傳感器識別方法。該方法提高了傳感器識別的精準度和速度，為傳感器識別工作提供了便利。由于技術的限制，此方法還存在部分不足，在日后的研究中還需要對其進行更加細致的分析，不斷完善此方法的組成結構，以此推動傳感器網絡的發展。