0． 9（ V in －V min ） V max －V min
+ 0． 05．
train （ ） 、 sim （ ） 三个函依次实 ③创建网络并进行训练与测试； 在 Matlab2010 平台下分别通过 newff （ ） 、 现创建网络、 训练网络、 测试网络． 将训练误差参数设为 0．001， 不断调整网络结构及其它训练参数 （ 如学习 率、 学习步长等） ， 直到收到最好的测试效果． 经过多次实验， 最终确立神经网络模型如下图 3 所示为 2 － 6 － 1 结构， 即输入层包含 2 个神经元， 隐藏层包含 6 个神经元， 输出层为一个节点； 输入层 → 隐藏层 → 输出层 purelin． 网络训练函数使用： trainlm． 最终输出的最值权值和阈值如下 ： 间的传递函数分别为： logsig、 第一层的权值转秩矩阵为： w' =
②样本的归一化处理； 为了缩短训练时间以及适应网络训练激励函数的需求 ， 需将输入样本按式 （ 5 ） 0 1］ X in 代表归一化前的输入值， X max 与 X min 为温、 进行归一化到［ 之间， 其中 X in 代表归一化后的值， 湿度的 V in 代表归一化前 各自最大与最小值． 将输出样本 V s 按式（ 6） 进行归一化处理， 其中 V in 代表归一化后的值， V max 分别代表 V s 的最大值与最小值． V min ， 的值， X in = V in = X in －X min X max －X min ， （ 5） （ 6）
i=1 6
－ 2． 9208］ ；
图3
构建的网络结构
（ 7） （ 8） （ 9）
Vs =
（ y － 0． 05） （ V max －V min ） 0．9 logsig（ x） = 1 ． 1 +e －x
+V min ，
根据上述分析可知， 基于 STM32 平台下， 用 C 语言编写如下关键代码， 实现了超声波速度的随环境 · 20·
表1 温度 T/℃ －30 －20 －10 0 10 20 30 40 速度 V s / m·s －1 313．29 319．36 325．43 331．50 337．57 343．64 349．71 355．78 0% 410．5 415．8 421．1 426．5 431．8 437．2 442．5 448．3 超声波速度标定样本值 不同湿度下的实际速度 V s / m·s 20% 351．7 357．9 364．2 369．4 374．6 379．9 385．6 390．5 40% 292．9 300．3 307．3 312．3 317．4 322．6 328．7 333．9
－1
60% 234．1 242．1 250．4 255．2 260．2 265．3 271．8 277．6
80% 175．3 184．2 193．5 198．1 203．0 208．0 214．9 219．5
2．2 数据融合 由表 1 的数据分析可知， 环境温度、 湿度与超声波速度间存在非线性相关性． 鉴于神经网络在非线性 因此， 将表 1 样本数据中温度与湿度值作为神经网络的输入， 标定的超声波速度值 映射关系拟合的优点， 作为神经网络的输出， 构建神经网络， 进行训练挖掘速度与温度、 湿度之间的映射关系， 将训练好的映射关 · 19·
［6－7 ］
． 单层 BP 神经网络如
图2 单层 BP 神经网络示意图
2， …， N） 为 j 维输入信号， 其中 x j（ j = 1， 图 2 所示， W ij 为对应的连接权重； u i 为各输入信号与相应连 （ 2） 、 （ 3） 所示： 如式（ 1） 、 u j = ∑w ij x j ，
［3 ］
． 温、 湿度测量模块选取型号为 SHT11
［4 ］
图1
超声测距系统框图
的集成传感器
， 其集温、 湿度测量于一体， 直接输
出温、 湿度的测量值， 且与外界采用典型的 IIC 总线进行数据通信， 在一定程度上简化了系统硬件电路设 分辨能力高达 0．01℃ ； 可测 0% ～ 100%ＲH 间的湿度， 分辨能力高达 计．SHT11 可测 － 40℃ ～ 120℃ 间的温度， 0．03%ＲH． 能够很好的满足超声测距温、 湿度补偿实验的测定要求．
张喜红等： 超声测距温湿度补偿算法的研究及 STM 湿度变化的实时校准． #include ＜math．h＞； / / 包含数学公式头文件， 以便调用相应的数学公式 #define Vs_max 442．5； / / 速度最大值 #define Vs_min 175．3 ； / / 速度最小值 － 1．8644， － 10．0350， － 0．6967， － 3．4904， － 2．9208 ｝ ； / / 第一层的阈值 long double B1_TH ［ 6］= ｛ 16．2036， long double B2_TH = 0．2278； / / 第二层的阈值 － 1．7725， － 10．8993， long double w_x1 ［ 6］= ｛ － 7．0707， 6．8314， 9．5295， 11．6864｝ ； / / 温度权值 long double w_x2 ［ 6］= ｛ － 11．8215，13．5721， 12．2470，－ 9．5793， 7．8985，6．6588｝ ； / / 湿度权值 / / 求神经网络输入权值、 阈值加权累加和 long double net_sum（ long double x1； long double x2； ） ｛ u8 i； long double net_sum； for（ i = 0； i＜6； i ++） ｛ net_sum = +（ （ w_x1 ［ i］ * x1 + B1_TH ［ i］ ） + （ w_x2 ［ i］ * x1 + B1_TH ［ i］ ））； ｝ return net_sum； ｝ / / logsig（ ·） 函数的实现 long double logsig（ long double x） ｛ long double y； y = 1 / （ 1 +exp（ x） ） ； / / exp（ ） 为库中的求取幂函数 return y； ｝ / / 求当前环境下的超声波速度 Vs Vs = （ （ logsig（ sum） + B2_TH） － 0．05） * （ Vs_max － Vs_min） /0．9 + Vs_min．
［1－2 ］
所述． 然而，
在一些特殊测量环境中， 湿度对测量结果的影响较大， 不可忽视． 基于上述现状， 本文在 Matlab2010 平台 下， 基于 BP 神经网络研究了温、 湿度误差的补偿， 并在 STM32 上实现了本文方法的移植与测试 ．
1 平台及方法理论
1．1 超声测距实验系统 为了开展实验， 获取实验样本的温、 湿度数据， 以及后续算法有效性的移植测验， 搭建了如图 1 所 示的超声测距系统． 其由 STM32 微处理器 （ 型号为 STM32F103CZET6） 、 LCD 液晶显示模块、 超声发射 模块、 超声接收模块， 及温、 湿度测量模块构成． 超声 发射、 接收模块电路的具体实现原理及控制方法， 参见文献
第 23 卷
第2期
琼州学院学报
系用于速度偏差补偿是可行的． 在 Matlab2010 平台下的具体流程如下： Ｒi 、 Vsi 分别对应 ①构造输入输出样本数据矩阵； 将表 1 中的数据按下式 （ 4 ） 格式进行存储为矩阵 T i 、 温度、 湿度、 超声波速度值， 总计 i = 40 个样本． 抽取 D 中第 1 行与第 2 行数据为样本点作为神经网络训练 输入样本（ 即抽取 T = － 30℃ ～ 30℃ 之间的样本为训练集） ， 将对应的 V s 值作为训练目标输出样本值． 将 T = 40℃ 对应的样本点作为测试样本数据 ． T1 D = Ｒ1 V s1 … … … Ti Ｒi V si （ 4）
· 18·
吉林省教育学院学报投稿邮箱 jljyxyzz@
1．2 BP 神经网络 BP 神经网络［5］， 即反向传播网络． 它仿照人 脑神经元对外部刺激信号的响应过程， 构造多层 感知器， 采用信号正向传播和误差反向调整的学 习机理， 经过数次迭代计算， 成功地搭建出处理非 线性信息的智能化网络模型． 其被广泛用于数据 融合、 压缩等多个领域
0引言
超声测距因具有非接触测量的优点 ， 被广泛用于各个测距领域， 如汽车倒车雷达， 机器人智能避障， 盲 人导航， 物位测量等． 测距的基本原理是超声波反射测量 ， 距离可表示为 L = tv /2， 其中 v 是超声波在空气介 t 是从发出超声到收到回波所用时间． 上述情况是假定超声波速度 v 不受环境影响的理 质中的传播速度， 想情况， 然而在现实中， 超声波速度会因工作环境温、 湿度的变化而发生不规则性的改变． 如果使用恒定的 必然会产生较大的测量误差． 基于这一情况， 众多研究人员对测距结果的补偿方法 速度值进行距离计算， 开展了大量的研究， 到目前为止大多是基于拟合公式的方法对速度实现温度补偿， 如文献
j=1 N
接权重乘积的累加组合； θ i 为调节阈值； v i 为经阈值调整后的值； f （ · ） 为神经元的激励函数． 其数学表达
（ 1） （ 2） （ 3）
v j = u j +θ j ， y i = f（ v i ） ．
2 BP 神经网络温湿度补偿算法
2．1 样本标定 使用 1．1 节所设计的超声波测距系统， 在空间相对较小的房间中装有加湿器与空调设备对样本数据 进行标定． 环境温度的改变主要通过空调辅助实现 ， 湿度的变化通过加湿器设备辅助实现． 其中 10 摄氏度 以下的样本点在超市冷冻冰柜仓内所得 ， 最终所标定的数据样本如表 1 所示， 其中 v 由文献
收稿日期： 2015－12－02 基金项目： 安徽省教育厅医电子仪器与维护省级特色专业质量工程项目 （ 20101459 ） ； 安徽省教育厅医用电子仪器省级 示范实习实训中心项目 （ 2011131） ； 安徽省教育厅重点教研项目 （ 2015jyxm535） 作者简介： 张喜红（ 1983－） ， 男， 山西朔州人， 亳州职业技术学院讲师， 硕士， 山东大学访问学者， 研究方向为生物医学工程．