（a） 大型候鳥，斑頭雁，在飛行中。（b） 神經記錄器：收集鴿子腦電信號和GPS位置信息，并將其記錄在SD卡上[7]。（c） 安裝在信鴿頭部和背部的神經記錄器。（d） 鳥類可穿戴生物記錄儀收集有關心率、血氧飽和度、加速度、磁場、氣壓和溫度的信息。圖片來源：電子（2023 年）。DOI： 10.3390/electronics12204373

中國科學院（CAS）空天信息研究所（AIR）的研究人員提出了一種稱為動態(tài)量子粒子群優(yōu)化（DQPSO）的改進算法，以提高用于跟蹤和監(jiān)測野生候鳥的壓力傳感器的準確性和可靠性。該算法優(yōu)化了徑向基函數 （RBF） 神經網絡的性能，該神經網絡專為溫度補償而設計。

該研究于10月22日發(fā)表在《電子學》雜志上。

DQPSO算法采用整體方法，以應對溫度波動時傳感器精度的挑戰(zhàn)。它包含一個溫度-壓力擬合模型，其中包括溫度變化率和梯度參考項等關鍵參數。該模型確保壓力傳感器能夠有效地適應不同的環(huán)境條件，這是監(jiān)測野生候鳥運動的關鍵要求。

該算法具有創(chuàng)新的損失函數，兼顧擬合精度和復雜度。這種方法增強了壓力傳感器的魯棒性，使其能夠在存在復雜溫度變化的情況下提供可靠的數據。

研究人員進行了校準實驗，以驗證該算法的有效性。根據常用的商業(yè)傳感器算法，壓力傳感器在動態(tài)溫度變化期間的平均誤差為145.3帕斯卡。但是，使用 DQPSO 算法后，此誤差降低到 20.2 帕斯卡。

他們在嵌入式環(huán)境中部署并驗證了該算法，確保了在跟蹤和監(jiān)測野生候鳥期間實現低功耗、高精度、實時的壓力補償。這項研究為了解和保護野生候鳥的旅程打開了新的大門。