物联网中的漂移校正与校准调度
信号处理
2025-06-12 v1 数据库
摘要
传感器提供了连接数字系统与物理世界的数据源。然而，随着传感器的使用年限增长，它们测量值与输出值之间的关系会发生变化，这被称为传感器漂移，构成了数据质量随时间恶化的重大挑战，且因校准机会有限而尤为突出。以往的漂移校正方法通常需要大量基准数据，且不考虑测量或预测不确定性。本文提出一种概率性传感器漂移校正方法，通过高斯过程回归 (Gaussian Process Regression) 对传感器响应进行根本性建模。实验使用溶解氧传感器测试，本方法在均方误差 (MSE) 上可实现最高达 90% 的降低，平均降低超过 20%。我们还提出一种基于不确定性驱动的校准调度优化方法，构建于漂移校正之上，进一步将 MSE 降低最高可达 15.7%。
引用
@article{arxiv.2506.09186,
title = {Not all those who drift are lost: Drift correction and calibration scheduling for the IoT},
author = {Aaron Hurst and Andrey V. Kalinichev and Klaus Koren and Daniel E. Lucani},
journal= {arXiv preprint arXiv:2506.09186},
year = {2025}
}