Как исправить дрейф датчика от внешней среды?

Question

У меня есть электромагнитный датчик, который сообщает, сколько напряженности электромагнитного поля он считывает в космосе.И у меня также есть устройство, которое излучает электромагнитное поле.Он покрывает площадь 1 метр.

Поэтому я хочу отчасти предсказать положение датчика, используя его показания.Но на сенсор воздействует металл, поэтому прогнозирование смещается.

Это похоже на то, что если показание равно 1, и вы кладете его рядом с металлом, вы получаете 2. Что-то в этом роде.Это не просто шум, это постоянный дрейф.Если вы не удалите металл, он всегда будет давать чтение 2.

Какие методы или темы мне нужно изучить в целом, чтобы восстановить чтение 1 из 2?Предположим, что металл зафиксирован где-то в космосе, и я могу откалибровать датчик, поместив его сначала рядом с металлом.

Вы можете предложить что-нибудь об устранении дрейфа в целом.Также, пожалуйста, учтите, что у меня может быть другой источник излучений, поэтому я смогу легче восстановить истинное значение.

Answer 1

Позвольте мне предложить вам просмотреть выходной сигнал вашего датчика как комбинацию двух факторов:

sensor_output = emitter_effect + environment_effect

И вы хотите получить emitter_effect без добавления environment_effect.Поэтому, конечно, вам необходимо вычесть:

emitter_effect = sensor_output - environment_effect 

Вычитание влияния среды на ваш датчик обычно называется компенсацией.Чтобы компенсировать это, вы должны быть в состоянии смоделировать или предсказать эффект, который ваша среда (лишний металл плавает вокруг) оказывает на датчик.Форма модели для вашего эффекта среды может быть очень простой или очень сложной.

Простые методы обычно используют отдельный датчик для оценки environment_effect.Я не совсем уверен, каков ваш сценарий, но вы можете выбрать датчик, который будет независимо измерять количество помех (металл) в вашей настройке.

Более сложные методы могут выполнить компенсацию, не обращаясь кнезависимый датчик для измерения помех.Например, если вы ожидаете, что расстояние будет в среднем на уровне 10.0 с небольшими отклонениями, вы можете использовать этот факт для оценки количества помех.По моему опыту, этот тип метода менее надежен;Системы с независимыми датчиками для измерения помех более предсказуемы и надежны.

Вы можете начать читать о фильтрации Калмана, если вас интересует оценка на основе моделей:

https://en.wikipedia.org/wiki/Kalman_filter

Это сложная тема, поэтому вы должны ожидать крутой кривой обучения.Фильтрация Калмана (и связанные с ней байесовские методы оценки) - это формальный способ перехода от «плохого показания датчика» к «скорректированному показанию датчика».