Dynamic Calibration of Nonlinear Sensors with Time-Drifts and Delays by Bayesian Inference
大多数传感器校准依赖于其响应特性的线性和稳定性，但实际传感器是非线性的，并且其响应随时间漂移，限制了它们的选择。为了拓宽领域的传感器，允许在底层动态的非线性和时间漂移，贝叶斯推理为基础的非线性，非因果动态校准方法，其中的传感器测量和经过的时间的有限长度的序列被估计为后验条件平均值。此外，提出了一种算法，以调整一个已经学习的校准地图在线时，新的数据到达。所提出的方法的有效性进行了验证连续葡萄糖监测（CGM）的数据，从一个活着的大鼠配备了内部光学葡萄糖传感器。为了允许选择的灵活性，还对使用FDA批准的虚拟糖尿病患者模型以及说明性CGM传感器模型生成的合成血糖水平（BGL）数据集执行验证。
2022-08-29 eess.SP
PCA-aided calibration of systems comprising multiple unbiased sensors
针对多传感器系统校准易陷入局部极小值的问题，提出一种基于主成分分析的新型闭式校准算法，并通过12个单轴陀螺仪仿真实验验证了其校准精度。
2024-06-01 eess.SP
Self Calibration of Scalar and Vector Sensor Arrays
在这项工作中，我们考虑使用传感器阵列的联合校准和到达方向（DOA）估计的问题。这种联合估计问题被称为自校准。与许多以前的迭代方法不同，我们提出了几何无关的凸优化算法来联合估计传感器增益和相位误差以及源波达方向。我们得到这些算法的基础上，传统的元素空间数据模型和协方差数据模型。我们专注于稀疏和定期阵列形成的标量传感器以及矢量传感器。所开发的算法是通过将基本的双线性校准模型转换成线性模型，然后使用标准的凸松弛技术来估计未知参数。在算法讨论之前，我们还推导出了自校准问题存在唯一解的可识别性条件。为了证明所开发的技术的有效性，数值实验和比较国家的最先进的方法。最后，从一个实验中进行的消声室使用声矢量传感器阵列的结果，以证明所提出的自校准技术的实用性。
2021-04-06 eess.SP
Sens-BERT: Enabling Transferability and Re-calibration of Calibration Models for Low-cost Sensors under Reference Measurements Scarcity
本文提出Sens-BERT，一种受BERT启发的两阶段（自监督预训练和监督微调）低成本传感器校准方法，通过仅用LCS数据预训练学习传感器行为，解决了传统校准需频繁重校准、依赖大量配对数据且缺乏可迁移性的问题。
2023-09-23 eess.SP
Two-Dimensional Magnetometer Calibration Using Inertial Sensors for Heading Estimation
School of Advanced Technologies, Iran University of Science and Technology（伊朗理工大学先进技术学院）；Department of Electrical Engineering, Sharif University of Technology（谢里夫理工大学电气工程系）
针对磁力计标定中多轴旋转激励不可行的问题，提出一种借助惯性传感器的二维闭式非迭代标定方法，利用单轴旋转及横滚俯仰角实现航向估计，仿真与实验验证了有效性。
2026-10-06 eess.SP
Few-shot calibration of low-cost air pollution (PM2.5) sensors using meta-learning
IIT Kanpur（印度理工学院坎普尔分校）
低成本颗粒物传感器正在改变空气质量监测，因为与参考监测器相比，它们具有更低的成本和更大的移动性。这些低成本传感器的校准需要来自共同部署的参考监测器的训练数据。基于机器学习的校准提供比传统技术更好的性能，但需要来自传感器的大量训练数据，以与参考监视器共同部署来校准。在这项工作中，我们提出了新的迁移学习方法快速校准的传感器与最小的共同部署与参考监视器。迁移学习利用来自其他传感器的大量数据以及来自目标传感器的有限量的数据。我们广泛的实验发现，所提出的基于模型不可知元学习（MAML）的迁移学习方法是最有效的其他竞争基准。
2021-08-02 cs.LG eess.SP
Sensor-Movement-Robust Angle Estimation for 3-DoF Lower Limb Joints Without Calibration
基于惯性测量单元（IMU）的下肢关节3自由度角度估计方法已经研究了几十年，然而由于实时应用的挑战，校准运动和/或仔细的传感器放置仍然是必要的。提出了一种新的无标定的下肢关节角度估计方法。提出了一种基于反馈迭代过程的实时优化方法，利用参考坐标系标定算法对三自由度关节的三个关节轴进行辨识，并提出了一种安全策略来检测和补偿由传感器运动引起的误差。从一个3自由度的框架和10个健康的受试者获得的实验结果表明，3自由度的角度估计有前途的性能。特别地，对10名受试者进行了三种步态模式和2 min水平步行的实验。对于水平行走，均方根误差小于2度，对于其他两种步态模式，均方根误差小于5度。2分钟水平行走的结果表明，我们的算法在长期运行的稳定性。通过多组IMU的数据证明了对传感器移动的鲁棒性。此外，三自由度框架的结果表明，三自由度角度估计的精度可以提高84.9%，与我们的参考框架校准算法。总之，我们的研究提出并验证了传感器运动鲁棒的3自由度角度估计下肢关节的IMU的基础上。据我们所知，我们的方法是第一个实验性的实现基于IMU的3自由度角度估计下肢关节没有校准。
2019-10-16 eess.SP
LACI: Low-effort Automatic Calibration of Infrastructure Sensors
Ulm University（乌尔姆大学）
传感器校准通常是一项耗时但重要的任务。虽然经典的方法是传感器特定的，往往需要校准目标，以及广泛重叠的视场（FOV），在这项工作中，一个合作的智能车辆被用作校准目标。在传感器帧中检测到车辆，然后与协作智能车接收到的协作感知信息进行匹配。所提出的算法是完全自动化的，以及传感器无关，只依赖于一组非常常见的假设。由于在世界帧上直接配准，因此不需要重叠FOV。该算法是通过实验评估的四个laserscanners以及一对立体相机显示的重复误差内的传感器的测量不确定度。可重复性检查排除了可能未通过评估重复误差来涵盖的系统误差。
2019-11-05 cs.CV eess.SP
Real-time Calibration Model for Low-cost Sensor in Fine-grained Time series
University of Maryland（马里兰大学）
针对低成本传感器校准问题，本文提出TESLA模型，利用Transformer和对数分箱注意力在硬件受限条件下实现细粒度时间序列的高精度、低能耗实时校准。
2024-12-28 cs.AI cs.LG eess.SP
Reference-free Calibration in Sensor Networks
Holst Centre / IMEC-NL（霍尔斯特中心 / 荷兰IMEC）
传感器校准是大规模物联网网络的基本挑战之一。在这篇文章中，我们解决了密集部署的传感器网络的无参考校准的挑战。传统上，为了校准就地传感器网络（或传感器阵列），在具有或不具有关于传感器性能的先验信息的情况下任意地选择参考。然而，如果无意中选择了错误的传感器，则任意选择参考可能是致命的。为了避免单点依赖，并提高估计性能，我们提出了无偏无参考算法。虽然，我们的重点是参考免费的解决方案，拟议的框架，允许纳入额外的参考，如果可用的。我们表明，与模拟的帮助下，所提出的解决方案实现了渐近推导的统计下界。此外，所提出的算法在现实生活中的数据集上显示出改进，与流行的算法相比。
2018-05-30 cs.LG eess.SP stat.AP
Magnetic Sensor Compensation Utilizing Factor Graph Estimation
本文提出基于因子图优化的磁传感器校准算法，融合惯性测量与矢量/标量磁强计数据，解决大永久磁矩和时变外部磁场下的校准难题，提升磁异常导航的传感器安装灵活性。
2023-12-22 eess.SP
Sensor Networks TDOA Self-Calibration: 2D Complexity Analysis and Solutions
给定接收机和发射机的网络，从测量的伪距确定它们的位置的过程被称为网络自校准。在本文中，我们考虑2D网络同步接收器，但不同步发射器和相应的校准技术，称为到达时间差（TDOA）技术。尽管以前的工作，TDOA自校准是计算上的挑战。迭代算法对初始化非常敏感，导致收敛问题。在本文中，我们提出了一种新的方法，它给出了一个代数解决方案，以前未解决的情况。我们还证明，我们的求解器产生一个很好的初始值的非线性优化算法，导致一个完整的管道鲁棒噪声。
2020-10-22 cs.NI eess.SP
Accurate Calibration of Power Measurements from Internal Power Sensors on NVIDIA Jetson Devices
本研究针对NVIDIA Jetson设备内置功率传感器测量不准的问题，提出使用外部硬件获取真实功率并构建回归模型进行校准，将误差从高达50%降至3%以内，为边缘服务能效设计提供可靠数据。
2023-06-19 eess.SP
Statistical Study of Sensor Data and Investigation of ML-based Calibration Algorithms for Inexpensive Sensor Modules: Experiments from Cape Point
Sentech Soc Ltd（森泰克有限公司）
该研究基于南非开普角同址观测的低成本 NDIR CO$_2$ 传感器与真值数据，比较多种机器学习校准模型的预测性能、统计特性及时间漂移。
2025-03-09 cs.LG cs.SY eess.SP
Digital Methods to Quantify Sensor Output Uncertainty in Real Time
University of Cambridge（剑桥大学）；Signaloid
本文提出了一种实时量化传感器输出不确定性的方法，通过实验展示了其在边缘检测和校准数据存储场景中的有效性与效率提升。
2026-03-06 eess.SP
Low-Cost Outdoor Air Quality Monitoring and Sensor Calibration: A Survey and Critical Analysis
University of Helsinki（赫尔辛基大学）
空气污染的重要性以及与之相关的问题正在推动全球空气质量监测站的部署。空气质量监测的最常见方法是依靠环境监测站，遗憾的是，环境监测站的购置和维护费用都非常昂贵。因此，环境监测站通常部署稀疏，导致测量的空间分辨率有限。最近，低成本的空气质量传感器已经成为一种替代方案，可以提高监测的粒度。然而，低成本空气质量传感器的使用带来了一些挑战：它们受到不同环境污染物之间的交叉敏感性的影响;它们可能受到外部因素的影响，例如交通，天气变化和人类行为;并且它们的准确性随着时间的推移而下降。定期重新校准可以提高低成本传感器的准确性，特别是基于机器学习的校准，由于其能够在现场校准传感器，因此显示出很大的前景。在本文中，我们调查了用于空气质量监测的低成本传感器技术及其使用机器学习技术进行校准的快速增长的研究前景。我们还确定了开放的研究挑战和未来的研究方向。
2021-01-25 cs.LG eess.SP stat.ML
Spatial-Temporal Graph Attention Fuser for Calibration in IoT Air Pollution Monitoring Systems
EPFL（洛桑联邦理工学院）；Federal Institute of Metrology (METAS)（联邦计量研究所）
针对物联网低成本空气污染传感器在不受控环境下校准困难的问题，提出利用图注意力网络模块融合传感器阵列数据的新方法，显著提升了校准准确性。
2023-09-08 cs.AI cs.LG eess.SP
3D Radar and Camera Co-Calibration: A Flexible and Accurate Method for Target-based Extrinsic Calibration
University of Arizona（亚利桑那大学）
针对3D雷达与相机外参标定操作繁琐的问题，提出一种利用单个角反射器同步采集数据并求解PnP问题的灵活标定方法，结合RANSAC和LM优化，在受控与真实实验中实现了15.31像素误差和89%准确率。
2023-07-28 cs.RO cs.SY eess.SP
Multi-frequency calibration for DOA estimation with distributed sensors
Mines Paristech（巴黎高等矿业学院）；Safran Electronics and Defense（赛峰电子与防务公司）；Paris-Nanterre University（巴黎楠泰尔大学）；University of Lille（里尔大学）；ENS Paris-Saclay（巴黎萨克雷高等师范学院）
在这项工作中，我们调查的方向发现存在的传感器增益的不确定性和方向扰动的传感器阵列处理在多频率的情况下。具体地说，我们采用了一种分布式优化方案，其中纳入了一致性模型，本地代理只在网络中连接的节点之间交换信息，即，没有融合中心。数值模拟突出了所提出的并行迭代技术在统计和计算效率方面的优势。
2020-02-24 cs.LG eess.SP stat.ML
A tensor model for the calibration of air-coupled ultrasonic sensor arrays in 3D imaging
针对空气耦合超声波传感器阵列制造公差和几何误差影响成像的问题，提出基于参考的张量信号模型标定方法，实验证明其成像性能与需完美几何信息的解析模型相当。
2024-12-18 eess.SP
Low power in-situ AI Calibration of a 3 Axial Magnetic Sensor
常规地，通过用便携式标量磁传感器扫描域来执行磁勘测。不幸的是，标量磁力计是昂贵的，功耗和笨重的。在许多应用中，校准的矢量磁力计可用于执行磁力勘测。近年来，基于人工智能（AI）的算法在许多现代应用中取得了最先进的成果。在这项工作中，我们研究了人工智能算法的经典标量校准的磁强计。提出了一种简单、低成本的磁测方法。该方法利用具有AI校准程序的低功耗传感器，该AI校准程序改进了常见的校准方法，并提出了传统技术和算法的替代方案。测量系统的设置经过优化，可在执行磁力测量之前快速部署。我们提出了一种校准方法的基础上旋转的传感器在自然地球磁场的最佳时间段的过程。该技术可以处理常量域偏移和非正交性问题，并且不需要任何外部参考。校准是通过找到一个估计器，产生校准参数，并产生最佳的几何拟合传感器读数。提出了一种综合考虑了测量系统中磁力仪的物理、算法和硬件特性的综合模型。几何椭球拟合方法进行了参数化测试。校准过程将均方根噪声从104 nT的数量级降低到小于10 nT，在自然地球磁场中完整的360度旋转中方差低于1 nT。
2021-06-27 cs.NA eess.SP math.NA
Not all those who drift are lost: Drift correction and calibration scheduling for the IoT
针对物联网传感器漂移及校准机会有限的问题，提出基于 Gaussian Process Regression 的概率漂移校正方法，并设计不确定性驱动的校准调度优化，显著降低 MSE。
2025-06-10 cs.DB eess.SP
Leveraging unsupervised data and domain adaptation for deep regression in low-cost sensor calibration
Indian Institute of Technology Kanpur（坎普尔印度理工学院）
随着人们对空气质量认识的提高，空气质量监测正成为一项重要任务。低成本空气质量传感器易于部署，但不如昂贵且笨重的参考监测器可靠。低质量传感器可以在深度学习的帮助下针对参考监视器进行校准。在本文中，我们将传感器校准的任务转化为一个半监督的领域自适应问题，并提出了一种新的解决方案。该问题具有挑战性，因为它是一个具有协变量偏移和标签间隙的回归问题。我们使用直方图损失代替均方或平均绝对误差，这是常用的回归，并发现它对协变量偏移有用。为了处理标签间隙，我们提出了对抗熵优化的样本加权。在实验评估中，所提出的计划优于许多竞争的基线，这是基于半监督和监督领域自适应，在R2得分和平均绝对误差。消融研究显示了整个方案中每个拟议组件的相关性。
2022-10-02 cs.LG eess.SP
Calibration-Free Positioning Technique Using Wi-Fi Ranging and Built-in Sensors of Mobile Devices
随着定位解决方案集成多个组件以提高精度，需要校准的参数数量也随之增加。本文研究了一种基于Wi-Fi测距和行人航位推算（PDR）的免校准定位技术，该技术对系统中的各个参数进行了实时优化。这大大减少了执行手动校准程序所需的时间和精力，并使定位解决方案能够在各种情况下实现稳健的性能。此外，本文还研究了一种有效的方法来执行不规则的Wi-Fi测距过程，以提高移动设备的电池寿命和网络性能。该方法的定位性能进行了验证，使用一个实时的Android应用程序在几个移动设备上的大型室内办公环境下。在没有任何校准的情况下，所提出的方法实现了高达1.38米的平均定位精度为接收信号强度（RSS）为基础的测距方案，这只相差30厘米的基准假设完美的校准。此外，所提出的方法实现了高达1.04米的精度为往返时间（RTT）为基础的测距方案与40 MHz的带宽配置，这只相差10厘米的基准。
2020-07-03 cs.NI eess.SP
CalTag: Robust calibration of mmWave Radar and LiDAR using backscatter tags
University of California San Diego（加利福尼亚大学圣迭戈分校）
针对多传感器感知系统中标定需求及传统角反射器标定在杂乱环境下的局限，提出基于毫米波反向散射技术的新型雷达基准标记系统CalTag，经真实环境验证其标定可靠性更优，可提升多传感器感知系统性能。
2024-09-17 cs.RO eess.SP
EEATC: A Novel Calibration Approach for Low-cost Sensors
本研究针对低成本传感器数据准确性不足的问题，提出EEATC两阶段校准方法，通过将首阶段估计误差融入第二阶段输入提升分布学习效果，在固定与移动部署场景下均优于传统单阶段校准模型。
2023-08-25 cs.SY eess.SP eess.SY
