基于高阶统计量滤波器的离子浓度信号测量

发布时间：2019-11-03 00:09

【摘要】：使用选择性离子电极测量水质分析样品中的离子浓度时,由于溶液中各种离子的相互作用,使信号不可避免地混入超高斯噪声和亚高斯噪声。为了提高离子浓度信号的信噪比和测量精度,采用基于四阶累积量均方误差准则的高阶统计量自适应滤波器(HOSRLS),以抑制离子浓度信号的超高斯噪声和亚高斯噪声。仿真结果表明:较之于低阶统计量的递归最小均方误差自适应滤波器(RLS)方法,HOSRLS方法可有效地消除离子浓度信号的非高斯噪声分量,具有较高的信噪比和收敛速度。
【图文】：

框图,滤波器,亚高斯,峭度

3wk(40)，k∈［20，59］0，其他系统仿真数学模型为:x=d+N(P)+Ｒeyleigh(В)+Exponential(λ)在采样序列k1=160、k2=100、k3=40，分别获得3个极值点，以测试在极值和不同峭度条件下HOSＲLS滤波器的收敛性能。HOSＲLS和ＲLS滤波器的仿真结果如图1所示，从图中可看出，当迭代次数较少(i=5)，在峭度和偏度较大的区域(如A、B和C)，ＲLS滤波器仍然含有超高斯和亚高斯噪声分量Ｒeyleigh(B)和Exponential(λ)，且超调量高于10%，而HOSＲLS则完全滤除超高斯和亚高斯噪声，其收敛速度优于ＲLS．图1HOSＲLS和ＲLS滤波器的仿真结果另一方面，在同样的迭代次数(i=5)条件下(如图2所示的D、E和F点)，ＲLS和HOSＲLS抑制高斯白噪声的能力相当，但对于叠加非高斯噪声分量的系统仿真数学模型来说，HOS-ＲLS滤波器在采样序列k1=160、k2=100、k3=40分别获得45dB、28dB和55dB，而ＲLS分别获得25dB、25dB和22dB，可看出HOSＲLS比ＲLS滤波器获得较高的信噪比。3实验及结果分析实验平台的总体结构框图如图3所示，在CycloneIII系列EP3C10F256上创建系统，以标准型NIOSII微处理器为核心，将HOSＲLS滤波器模块挂接到Avalon总线上，以硬件加速方式设计HOSＲLS模块，NIOSII微处理器访问HOSＲLS模块，并实时计算离子浓度，经IEEE802．15．4收发片上系统CC2430，将离子浓度值发送到远程数据管理中心。为了提高信号整定单元的性能，减少温度漂移，取消高输入阻抗运算放大器ICL7621和电压温度漂移补偿电路，精简传感器及其模拟前端的电路结构，采用化学传感器可配置模拟前

滤波器,信噪比

第12期周安然等:基于高阶统计量滤波器的离子浓度信号测量123图2HOSＲLS和ＲLS滤波器的信噪比比较图3无线传感器网络离子浓度监测节点结构框图端LMP91200，NIOSII处理器经SPI总线，配置离子电极的共模电压、对温度补偿传感器的电流源编程配置、选择标定/测试模式等。无线传感器网络离子浓度监测节点在1．68、4．01、6．86、7．00和10．00等不同pH标准缓冲溶液、25℃标定实验条件下，测量并计算其绝对误差和独立线性度，其结果见表1。可看出，加入HOSＲLS滤波器模块之后，离子浓度监测节点的线性度有明显提高。表1绝对误差和线性度测试结果标准缓冲溶液pH值绝对误差独立线性度/%1．680．0200．144．010．0100．076．86007．000010．000．0200．144结论在文中采用基于四阶累积量的均方误差准则来设计自适应滤波器，用于离子敏传感器来测量溶液中氢离子浓度。仿真和实验结果表明高阶统计量自适应滤波器方法比低阶自适应滤波器方法在氢离子浓度的测量上，极大地提高了信噪比，滤波效果明显优于低阶自适应滤波器，收敛速度更快，这也验证了高阶统计量能有效地抑制高斯噪声和非高斯噪声。参考文献:［1］查全性．电极过程动力学导论．3版北京:科学出版社，2002．［2］李芬．锌空气电池之气体扩散电极性能研究:［学位论文］．合肥:中国科学技术大学，2010．［3］黄运生，毛先柏，陈学．基于微控制器的智能钴离子浓度分析仪．仪表技术与传感器，2005(10):6－8．［4］杨光永．KA0324A离子浓度计的研究与设计:［学位论文］．昆明:昆明理工大学，2005．［5］马钰华．金属离子选择性电极的研究及应用:［学位论文］．重庆:西南大学，，2010．［6］黄勤，周婷，刘益良，等．高共模抑制比脑电放大电路设计．仪器仪表与检测技术，2009，2

【参考文献】