针对桥梁支座倾角与应力监测中数据噪声干扰问题,设计了一种基于卡尔曼滤波的实时监测数据预处理系统。采用经典卡尔曼滤波算法对传感器采集的倾角、应力数据进行预处理,有效抑制了噪声干扰。基于FPGA的并行计算优势,实现了数据采集、...针对桥梁支座倾角与应力监测中数据噪声干扰问题,设计了一种基于卡尔曼滤波的实时监测数据预处理系统。采用经典卡尔曼滤波算法对传感器采集的倾角、应力数据进行预处理,有效抑制了噪声干扰。基于FPGA的并行计算优势,实现了数据采集、滤波和传输等功能,结合上位机实时动态显示桥梁支座监测数据。实验结果表明,滤波后应力信号的信噪比(Signal to NoiseRatio,SNR)为32.10dB,均方误差(MeanSquareError,MSE)为0.0518,相关系数为0.5811,方差比为0.7018;倾角信号滤波后SNR为33.98dB,MSE为0.0418,相关系数为0.7032,方差比为0.6291,表明滤波算法有效抑制了噪声干扰。该系统运行稳定、可靠,可实现快速数据处理,能够满足桥梁支座倾角与应力实时监测的需求。同时,采用ASIC流程对卡尔曼滤波算法进行芯片化设计,基于180nmCMOS工艺实现卡尔曼滤波电路,时钟频率为160MHz,综合面积为599131μm2。展开更多
文摘针对桥梁支座倾角与应力监测中数据噪声干扰问题,设计了一种基于卡尔曼滤波的实时监测数据预处理系统。采用经典卡尔曼滤波算法对传感器采集的倾角、应力数据进行预处理,有效抑制了噪声干扰。基于FPGA的并行计算优势,实现了数据采集、滤波和传输等功能,结合上位机实时动态显示桥梁支座监测数据。实验结果表明,滤波后应力信号的信噪比(Signal to NoiseRatio,SNR)为32.10dB,均方误差(MeanSquareError,MSE)为0.0518,相关系数为0.5811,方差比为0.7018;倾角信号滤波后SNR为33.98dB,MSE为0.0418,相关系数为0.7032,方差比为0.6291,表明滤波算法有效抑制了噪声干扰。该系统运行稳定、可靠,可实现快速数据处理,能够满足桥梁支座倾角与应力实时监测的需求。同时,采用ASIC流程对卡尔曼滤波算法进行芯片化设计,基于180nmCMOS工艺实现卡尔曼滤波电路,时钟频率为160MHz,综合面积为599131μm2。
