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
Enhanced Blind Calibration of Uniform Linear Arrays with One-Bit Quantization by Kullback-Leibler Divergence Covariance Fitting
由于对低功耗和更高采样率的需求不断增加,一位量化最近已成为尖端应用中数据采集的一个有吸引力的选择。随后,恢复活力的一位阵列处理领域现在受到更多的关注,因为“经典”阵列处理技术被相应地调整/修改。然而,阵列校准,往往是仪器阵列处理的初步阶段,迄今为止很少受到关注,在其一位的形式。在本文中,我们提出了一种新的解决方法的盲校准问题,即,不使用已知的校准信号。为了提取量化测量的二阶统计量内的信息,我们建议根据Kullback-Leibler Divergence(KLD)协方差拟合准则来估计未知传感器的增益和相位偏移。然后,我们提供了一个拟牛顿的解决方案的算法,具有一致的初始估计,并证明了我们的KLD为基础的估计在模拟中的精度提高。
2020-10-28 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
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
"Blind" Calibration and Toeplitz Covariance Matrix Estimation in Uniform Linear Arrays. Part I. Benchmark Analysis and Matrix-Free Techniques
本文针对高频超视距雷达均匀线性阵列,利用过采样特性和Toeplitz逆特征值问题等理论,重新评估“盲”校准基准效率,提出无需矩阵估计的无矩阵技术,为后续联合校准与协方差估计奠定基础。
2024-09-18 eess.SP
Board-level Code-Modulated Embedded Test and Calibration of an X-band Phased-Array Transceiver
本文提出了一种基于码调制嵌入式测试(CoMET)的相控阵列机内测试和校准方法。我们的方法采用笛卡尔调制的测试信号在每个元素内使用现有的移相器,这些信号组合成一个聚合的代码复用的响应,下变频和创建代码调制的元素到元素的“干扰产品”使用内置的功率检测器,解调的相关性从数字化的干扰响应,并提取每个元素的振幅和相位使用方程求解器。旋转轴的方法进行了讨论,以准确提取相位附近的原始0/90/180/270度轴。使用ADI公司ADAR 1000芯片构建的8单元8-16 GHz相控阵,在板级接收和发射模式下演示了我们的技术。在6 GHz时,与网络分析仪测量值相比,CoMET提取的增益和相位精确到0.2 dB和3度以内。然后,我们在校准回路中采用CoMET,以确定在6 GHz的最佳控制设置,在阵列设计的8-16 GHz频段之外。我们实现了7位相位分辨率与均衡增益。均方根增益和相位误差从校准前的0.8dB和8度改善到校准后的0.1dB和1.7度。
2021-07-12 eess.SP
In-Situ Calibration of Antenna Arrays for Positioning With 5G Networks
由于蜂窝通信信号的普遍存在,使用第五代(5G)信号的定位已经成为全球导航卫星系统拒绝地区的一种有前途的解决方案。不幸的是,尽管5G远程无线电单元(RRU)中广泛采用的天线阵列促进了对到达波达方向(DOA)的测量,但是基于DOA的定位性能由于阵列误差而严重降级。本文提出了一种现场校准框架,其中用户终端在实际操作环境中的几个已知位置发送5G参考信号,并且可访问的RRU从这些参考信号估计其阵列误差。此外,由于部署用于室内覆盖的6 GHz以下小小区RRU通常具有小孔径天线阵列,而5G信号具有丰富的带宽资源,因此这项工作基于最大似然准则通过超分辨率延迟估计来分离多径分量。这与现有的在空间域中解决多路径的原位校准工作有很大不同。通过数值仿真验证了该方法的优越性。然后,我们通过商用5G设备的现场测试证明,使用所提出的方法通过原位校准可以实现1- $σ$ DOA估计误差减少46.7%。
2023-03-08 eess.SP
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
Bayesian Self-Calibration and Parametric Channel Estimation for 6G Antenna Arrays
Institute of Communication Networks and Satellite Communications, TU Graz, Austria(格拉茨工业大学通信网络与卫星通信研究所)
提出将天线自校准集成到变分稀疏贝叶斯学习算法中,联合估计校准参数与信道参数,提高估计精度并加速收敛。
2026-07-03 eess.SP
Over-The-Air Phase Calibration of Spaceborne Phased Array for LEO Satellite Communications
本文提出一种针对低轨卫星通信天基相控阵的空中相位校准算法,联合估计相位偏差与信道,并通过波束图优化降低校准误差,仿真验证其有效性且获得超过4dB信噪比增益。
2025-10-10 eess.SP
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
Sparse Sensor Arrays for Active Sensing: Models, Configurations and Applications
Aalto University(阿尔托大学)
本文研究稀疏传感器阵列在主动感知中的模型、配置及应用,探讨了低冗余阵列设计与发射-接收波束成形方法,以及其在雷达、声纳等领域的应用。
2026-01-21 eess.SP
Performance evaluation of non-uniform sensor spacing in a linear array configuration for MUSIC algorithm
本文评估MUSIC算法中非均匀传感器间距的性能,发现相同阵列长度下,较少传感器的非均匀配置在DOA估计精度上可媲美或优于更多传感器的均匀配置。
2025-01-25 eess.SP
Mismatch Analysis and Cooperative Calibration of Array Beam Patterns for ISAC Systems
Chalmers University of Technology(查尔姆斯理工大学);Aalborg University(奥尔堡大学);National and Kapodistrian University of Athens(雅典国立卡波蒂斯特里安大学)
本文提出了一种基于角度估计误差的性能度量标准和协作校准框架,用于提升ISAC系统中阵列波束图案的校准性能。
2026-02-01 eess.SP
MIMO Array Calibration in Non-stationary Channels with Residual Surfaces and Slepian Spherical Harmonics
School of Engineering, University of Birmingham(伯明翰大学工程学院)
本文提出了一种基于残差表面和Slepian球谐函数的MIMO阵列校准方法,用于非平稳信道中实现硬件影响的间接测量与补偿,提升波束成形性能和方向估计精度。
2026-01-16 eess.SP
Experimental Comparison of Local and Over-the-Air Phase Calibration for MIMO Arrays
本文通过实验比较了MIMO阵列中局部和空中相位校准方法,研究了硬件失真对通信性能和信道估计精度的影响,发现局部校准在相位稳定性方面更优,而空中校准在不需要额外硬件的情况下对多径效应更敏感。
2026-05-21 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
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
A beamforming approach to the self-calibration of phased arrays
本文提出了一种校准孔径阵列模拟链方向无关增益的波束形成方法。通过将每个天线的输出电压与使用阵列的其他天线波束成形的电压互相关来获得增益估计。当波束形成权值等于平均互相关功率时,与StEFCal算法建立关系。一个例子说明了这种方法的几个点源和一个256元素的阵列。
2020-05-24 astro-ph.IM 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
High Accuracy VLP based on Image Sensor using Error Calibration Method
在本文中,可见光定位(VLP)的接收机采用商业图像传感器被认为是。本文首先分析了采用图像传感器的VLP系统的理论极限和误差来源。在此基础上,建立了基于接收机运动的VLP定位模型,并进一步提出了两种新的误差校准算法,即旋转校准法和色散圆校准法。旋转算法估计图像中的旋转中心,而不是将图像中心视为旋转中心,从而减少定位误差。对于色散圆,它可以抵消定位计算中不同坐标转换产生的偏移误差。实验结果表明,本文提出的方法的平均定位误差可以降低到0.82cm,达到了VLP领域的先进水平。
2020-10-01 eess.IV eess.SP
Phase Calibration of Distributed Antenna Arrays
本文研究分布式天线阵列的相位校准问题,在阐述空中R校准与F校准基本原理的基础上,提出一种将两个已分别F校准的阵列联合校准为整体F校准阵列的新方法。
2023-04-11 cs.IT eess.SP math.IT
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
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
Joint Block Low Rank and Sparse Matrix Recovery in Array Self-Calibration Off-Grid DoA Estimation
这封信解决了阵列校准误差和离网方向存在的情况下,使用稀疏模型的传感器阵列的到达方向(DoA)的估计。所接收的信号利用先前使用的用于校准中的未知误差的模型和离网效应的结构化线性表示。一个凸优化问题,制定了一个目标函数,以促进两层联合块稀疏与其二阶锥规划(SOCP)表示。通过数值模拟证明了所提出的方法的性能,并与Cramer-Rao界(CRB),和几个以前提出的方法进行了比较。
2019-06-03 cs.IR eess.SP math.OC
A Minimum Assumption Approach to MEG Sensor Array Design
本研究将MEG传感器阵列设计构建为精准测量神经元磁场的工程问题,基于VSH提出量化噪声放大的品质因数,可用于优化算法得到高性能阵列,为MEG阵列设计提供了新的工程化思路。
2023-06-15 eess.SP physics.med-ph
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
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
Calibration of an SKA-Low Prototype Station Using Holographic Techniques
本文提出基于张量的统一全息校准数学框架,统一自全息与交叉全息方法,并在SKA-Low原型站AAVS2上以太阳为校准源验证了其与传统校准技术结果一致。
2024-01-16 astro-ph.IM 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
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
Low Rank Matrix Recovery for Joint Array Self-Calibration and Sparse Model DoA Estimation
在这项工作中,结合校准和DoA估计接近的单测量矢量(SMV)模型的自校准的多测量模型(MMV)的情况下,制定的扩展。利用多快拍的优点,提出了一种改进的核范数最小化问题,以恢复低秩的高维矩阵。我们还给出了MMV模型的线性算子的定义,并给出了相应的矩阵表示,以生成凸优化问题的一个变体。为了降低该方法的计算复杂度,奇异值分解(SVD)被用来减少问题的大小。所提出的方法的性能证明了数值模拟。
2017-12-16 cs.IT eess.SP math.IT
Explicit Calibration of mmWave Phased Arrays with Phase Dependent Errors
本文考虑了一种具有增益误差和相位误差的相控阵误差模型,误差与相位和天线指标有关。在此模型下,我们提出了一种算法,通过选择性地打开天线在特定的相位和测量发射功率的误差测量。在我们的算法中,天线被单独打开,然后成对地进行测量,并且不需要旋转相控阵。我们给出数值结果来衡量的信号噪声比的函数的测量设置的算法的准确性。我们还比较了我们的算法与传统的旋转电矢量(REV)方法的性能,观察我们的算法的优越性。仿真结果还表明,在比较校准前后的等效各向同性辐射功率(EIRP)的累积分布函数(CDF)的覆盖范围的改善。
2021-07-16 cs.IT eess.SP math.IT