中國科學院空天信息研究所(AIR)的研究人員提出了一種稱為動態(tài)量子粒子群優(yōu)化(DQPSO)的改進算法，以提高用于跟蹤和監(jiān)測野生候鳥的壓力傳感器的準確性和可靠性。該算法優(yōu)化了專為溫度補償而設計的徑向基函數(RBF)神經網絡的性能。
該研究于10月22日發(fā)表在《Electronics》雜志上。
DQPSO算法采用整體方法來應對溫度波動時傳感器精度的挑戰(zhàn)。它采用了溫度-壓力擬合模型，其中包括溫度變化率和梯度參考項等關鍵參數。該模型確保壓力傳感器能夠有效地適應不同的環(huán)境條件，這是監(jiān)測野生候鳥遷徙時的關鍵要求。
該算法具有創(chuàng)新的損失函數，同時考慮了擬合精度和復雜性。這種方法增強了壓力傳感器的魯棒性，使其能夠在存在復雜溫度變化的情況下提供可靠的數據。
研究人員進行了校準實驗來驗證算法的有效性。根據常用的商業(yè)傳感器算法確定，壓力傳感器在動態(tài)溫度變化期間表現出145.3帕斯卡的平均絕對誤差。然而，使用DQPSO算法后，該誤差已降至20.2帕斯卡。
他們在嵌入式環(huán)境中部署并驗證了該算法，保證了野生候鳥跟蹤監(jiān)測過程中的低功耗、高精度、實時壓力補償。這項研究為了解和保護野生候鳥的旅程打開了新的大門。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯(lián)系刪除！