[目的]对老年人健康状态变化的准确监测过程中,基础的误差反向传播(back propagation,BP)神经网络难以对柔性传感器测量信号进行精准的校准处理,导致容易出现过拟合现象,使得校准后的信号均方根差(root mean square error,RMSE)较大。因...[目的]对老年人健康状态变化的准确监测过程中,基础的误差反向传播(back propagation,BP)神经网络难以对柔性传感器测量信号进行精准的校准处理,导致容易出现过拟合现象,使得校准后的信号均方根差(root mean square error,RMSE)较大。因此,以面向老年人健康监测的柔性传感器为研究对象,设计一种基于改进GA-BP神经网络的测量信号校准方法。[方法]将卡尔曼滤波算法和滑动平均滤波算法结合起来,对柔性传感器实时测量信号进行混合滤波处理,得到去除噪声干扰的有效信号。通过细分操作将预处理后的信号转换为多个信号子序列,并计算出信号均方根值和波动系数,完成信号特征向量提取。以BP神经网络为核心,构建柔性传感器测量信号校准模型,并应用改进遗传算法(genetic algorithm,GA)对模型参数进行寻优计算,提升网络模型工作性能,将特征向量输入其中自动预测未来时刻健康监测信号变化,对比实时测量信号即可完成校准操作。[结果]实验结果表明:应用该方法对柔性传感器给出的老年人健康监测信号校准后,测量信号的RMSE值低于0.07。[结论]所提出的改进GA-BP神经网络的测量信号校准方法,满足了信号误差校准要求。展开更多
