环境传感器网络中的校准不确定性建模

低成本传感器网络正变得无处不在，但常面临精度差与漂移问题。定期与参考传感器共置可实现重新校准，但复杂且昂贵。另一种方式是利用低成本移动传感器传递校准。然而，推断校准（含不确定性）变得困难。我们提出一种变分方法来建模整个网络中的校准。我们在合成与真实空气污染数据上演示该方法，发现其优于当前最优方法（多跳校准）。我们将其扩展至由公民科学家标注产生的类别数据。总之：该方法实现了带不确定性量化的校准，而这曾是低成本传感器部署与公民科学研究的障碍之一。