基于SVM的傳感器非線性特性校正新方法

3.2二維圖像傳感器非線性校正
有二維圖像傳感器，其校正前的輸出如圖4a所示，而實際像點應在柵格線的交叉點。從圖4a不難看出，該傳感器存在著嚴重的非線性，且這種非線性不能以解析式表達。
如式(1)所示，文中介紹的支持向量機每個學習樣本的輸入數據xi是一個多維向量，樣本輸出yi是一個數而非向量。待校正的二維圖像傳感器校正樣本｛(x_a，x_b)，(y_a，y_b)｝是二維輸入二維輸出的數據，因此，不能直接用支持向量機進行校正。
　　筆者設計兩個SVM來解決該問題，一個SVMa用于校正a方向上的誤差，其學習樣本為｛(x_a，x_b)，y_a｝；另一個SVMb用于校正b方向上的誤差，其學習樣本為｛（x_a，x_b)，y_b｝。兩個SVM設ε＝0.01，核函數均選用多項式k(x_i，x)＝(x_i·x＋1)⁴。
用SVMa和SVMb分別校正樣本數據在a和b方向非線性誤差，校正結果如圖4b所示。
比較圖4b與圖4a，校正后的二維圖像傳感器的非線性已得到校正，精度令人滿意。

4結束語
　　將SVM技術應用于傳感器非線性特性校正的研究剛起步，國內尚無此 類文獻。畢竟支持向量機理論和應用還是一個較新的領域，仍處于理論和實驗研究 階段。筆者認為支持向量機今后的研究應該集中在以下幾個方面：①核函數的構造與選擇； ②大樣本條件下SVM算法研究；③懲罰函數的改進。