- 改进算法提高用于野生鸟类追踪的压力传感器的精度
- 来源:作者:李媛,中国科学院 发表于 2023/12/5
(a) 大型候鸟,斑头雁,在飞行中。(b) 神经记录器:收集鸽子脑电信号和GPS位置信息,并将其记录在SD卡上[7]。(c) 安装在信鸽头部和背部的神经记录器。(d) 鸟类可穿戴生物记录仪收集有关心率、血氧饱和度、加速度、磁场、气压和温度的信息。图片来源:电子(2023 年)。DOI: 10.3390/electronics12204373
中国科学院(CAS)空天信息研究所(AIR)的研究人员提出了一种称为动态量子粒子群优化(DQPSO)的改进算法,以提高用于跟踪和监测野生候鸟的压力传感器的准确性和可靠性。该算法优化了径向基函数 (RBF) 神经网络的性能,该神经网络专为温度补偿而设计。
该研究于10月22日发表在《电子学》杂志上。
DQPSO算法采用整体方法,以应对温度波动时传感器精度的挑战。它包含一个温度-压力拟合模型,其中包括温度变化率和梯度参考项等关键参数。该模型确保压力传感器能够有效地适应不同的环境条件,这是监测野生候鸟运动的关键要求。
该算法具有创新的损失函数,兼顾拟合精度和复杂度。这种方法增强了压力传感器的鲁棒性,使其能够在存在复杂温度变化的情况下提供可靠的数据。
研究人员进行了校准实验,以验证该算法的有效性。根据常用的商业传感器算法,压力传感器在动态温度变化期间的平均误差为145.3帕斯卡。但是,使用 DQPSO 算法后,此误差降低到 20.2 帕斯卡。
他们在嵌入式环境中部署并验证了该算法,确保了在跟踪和监测野生候鸟期间实现低功耗、高精度、实时的压力补偿。这项研究为了解和保护野生候鸟的旅程打开了新的大门。
- 如果本文收录的图片文字侵犯了您的权益,请及时与我们联系,我们将在24内核实删除,谢谢!
技术文摘