基于ARM嵌入式系统的数据融合监测系统设计

针对高危场所人工不方便现场监测、环境变化复杂、影响因素较多的问题,设计了一套基于ARM嵌入式控制台的多传感器网络节点的数据融合技术监测设备运行状况的系统。在高危场所组建监测节点传感器网络,融合多传感器网络数据,描述监测对象状态。在ARM嵌入式控制平台上通过MiniGui软件设计监测系统界面,开发监控系统软件以及研究数据融合算法完成监测系统设计。     

多传感器数据融合技术研究进展

多传感器数据融合是信息领域一个前景广阔的研究方向.由于单一的数据融合算法具有一定的局限性,将2种或2种以上的数据融合算法进行优势集成已逐渐成为数据融合领域的研究热点.介绍了数据级、特征级和决策级融合3种数据融合方式的主要特点、方法及应用,归纳了常用的数据融合方法,并重点阐述了几种多传感器数据融合集成算法的研究进展,简单介绍了多传感器数据融合技术的应用.     

卡尔曼滤波在两轮自平衡代步车姿态检测中的应用

介绍了一种MENS加速度计、陀螺仪与嵌入式微控制器相结合的两轮自平衡代步车姿态检测系统。针对加速度计和陀螺仪测量分别存在噪声干扰和随机漂移误差,采用卡尔曼滤波实现传感器数据融合,补偿传感器测量误差,得到车体姿态的最优估计。将该算法移植到姿态检测系统的微控制器中,测试结果表明卡尔曼信息融合可以有效提高系统检测精度。     

视觉及多传感器数据融合的关键技术研究

多传感器融合是现代信息技术领域一个前景很广阔的研究方向,由于单一传感设备所采集的数据在融合算法计算时会具有一定的局限性,因此将2种或2种以上的传感设备所采集来的数据通过融合算法进行计算与优势集成的方案,已经逐渐成为数据融合领域的研究热点。主要介绍传感器数据融合的创新及关键技术,多传感器底层数据收集的复杂性,往往有大量的数据需要处理,将不同类型的传感器数据进行实时采集、融合、存储、传输并显示。     

一种基于Bagging-SVM的智能传感器集成学习方法

集成多个传感器的智能片上系统( SoC)在物联网得到了广泛的应用.在融合多个传感器数据的分类算法方面,传统的支持向量机( SVM)单分类器不能直接对传感器数据流进行小样本增量学习.针对上述问题,提出一种基于Bagging-SVM的集成增量算法,该算法通过在增量数据中采用Bootstrap方式抽取训练集,构造能够反映新信息变化的集成分类器,然后将新老分类器集成,实现集成增量学习.实验结果表明:该算法相比SVM单分类器能够有效降低分类误差,提高分类准确率,且具有较好的泛化能力,可以满足当下智能传感器系统基于小样本数据流的在线学习需求.     

基于ARM的多陀螺融合算法仿真研究

为最大限度地提高导弹捷联惯性测量组合的可靠性和量测精度,提出在捷联惯性测量组合中采用多惯性仪表(陀螺仪、加速度计)进行冗余配置,利用多传感器数据融合算法对冗余量测数据进行处理的组合方案,并在以ARM为核心构建的嵌入式系统仿真平台上对这些数据融合算法进行了仿真试验;仿真结果表明:冗余技术能够有效提高导弹捷联惯性测量组合的可靠性,同时利用多传感器数据融合技术可以明显提高导弹捷联惯性测量组合的精度.     

基于改进自适应加权的多传感器融合监测

针对加注系统多传感器测量数据融合,为满足融合的可靠性与准确性需求,提出了一种改进的自适应加权融合算法。加权融合算法的关键是如何准确判定测量数据权重值,在总结分析当前权重值判定方法优缺点的基础上,将证据理论中的修正证据距离引入测量数据间距离计算,生成融合权重值,完成传感器数据融合。通过一般算例与加注系统典型算例,对所提融合算法进行验证,结果表明算法融合效果较好、鲁棒性强,具有一定的理论意义和较好的工程实用价值。     

基于信息融合的爆破投掷训练系统研究

解决爆破装置在投掷过程中无法获取精度高、稳定性强的投掷姿态轨迹信息数据，导致投掷仿真系统中投掷校正效率低等问题，提出一种基于扩展卡尔曼滤波（EKF）融合算法实现多传感器姿态检测数据的动态融合方法，通过惯性传感器、速度传感器、高度传感器获取投掷姿态数据，根据EKF融合算法推算投掷轨迹曲线，采用移动最小二乘法拟合曲线轨迹，结合训练爆破器材声光电传感器的实时爆破数据，利用.可视化的曲线显示，实现训练爆破器材投掷的姿态校正。投掷爆破器材的投掷姿态传感器数据经过EKF融合算法实现投掷校正效率提升21%,EKF融合算法与拟合方法实现对多传感器获取的投掷数据有效结合能获取稳定的轨迹数据。随着投掷次数的增加采用融合算法的投掷校正效率稳步提升；EKF融合算法与数据拟合方法的结合能实现精度高、稳定性强的投掷姿态数据获取。     

基于ARM的煤矿瓦斯涌出量预测系统的设计

介绍了基于ARM920T嵌入式处理器(S3C2440)硬件平台上的瓦斯涌出量预测系统的设计.基于ARM嵌入式设备体积小、反应快、可靠性高等特点,可以有效地对多传感器数据进行融合和即时分析,从而及时地预测瓦斯涌出量的变化.系统采用分源法作为预测算法,讨论了硬件及软件方面的设计.     

嵌入式转动角度采集系统

在控制与测量系统中,转子的旋转角度是一个要求测量的重要参数。以ARM-Linux为核心的嵌入式系统平台,采用MPU6050传感器,利用卡尔曼滤波技术使加速度传感器和陀螺仪传感器的数据进行融合,得到准确、可靠的数据,然后对数据进行分析选择合适的参数进行优化处理,同时采用了数据校准机制使得到的数据更稳定。研究结果表明,该系统能够精准得到360°范围的旋转值,并且能够可靠稳定地工作,为设计测量角度的嵌入式系统提供了有利参考。     

一种面向无线体域网的低能耗数据融合隐私保护算法

无线体域网能够借助低能耗高精度传感技术实时采集并分析多种模态的人体健康体征数据,需要在数据传输过程中对关系到个人隐私的健康敏感数据进行保护.针对无线体域网数据融合过程中的隐私保护需求提出一种针对性更强的低能耗数据融合SMART-RR算法,利用人体健康数据存在周期重复性和健康数据冗余特点,提出不等长时间间隔、加入重复性归约因子的数据融合策略.仿真实验表明,SMART-RR算法是一种数据通信量小、高隐私保护性和高精确度的低能耗数据融合隐私保护算法,在面向无线体域网的人体健康体征数据采集分析领域具有一定应用价值.     

一种权系数两级自调整的融合定位精度提高方法

在分布式传感器网络节点定位技术中,使用数据融合方法以提高探测系统的检测与定位精度正成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合定位算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。该算法采用两级自适应调整得到最优加权因子,首先利用线性最小均方差（LMSE）算法得到权系数的初始值,然后利用训练节点和递归最小二乘（RLS）算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真,仿真结果表明：相比单节点定位,提出的融合算法的定位精度有约1—2个数量级的提高。     

地震微观前兆预报网络系统设计研究(2-2)——基岩传感器网络和数据融合技术

提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合、信号处理技术和网络系统设计。本文介绍传感器网络和智能数据融合技术,包括：（1）无线传感器网络;（2）多传感器数据融合技术;（3）多平台多传感器目标跟踪解耦相关算法;（4）传感器网络中合作信号和信息处理技术;（5）传感器网络中分布目标的分类和跟踪。     

地震微观前兆预报网络系统设计研究(2-2)——基岩传感器网络和数据融合技术

提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合、信号处理技术和网络系统设计.本文介绍传感器网络和智能数据融合技术,包括:(1)无线传感器网络.(2)多传感器数据融合技术;(3)多平台多传感器目标跟踪解耦相关算法;(4)传感器网络中合作信号和信息处理技术;(5)传感器网络中分布目标的分类和跟踪.     

基于多传感器数据融合技术的臭氧监测系统设计

针对臭氧在进行保鲜和消毒时的特点和要求,设计了一种基于多传感器数据融合技术的监测系统,用来严格监测臭氧浓度。系统采用自主设计且拥有专利的臭氧传感器进行数据采集,并通过搭建无线传感器网络实现对臭氧浓度的实时监测。为了提高数据的准确度,首先要剔除可疑数据,然后选择适当的算法对数据进行数据融合。仿真结果表明:数据融合后所得到的融合值更加平稳,可靠性高,通过选择适合的融合算法可以提高臭氧浓度采集的精度。     

基于多传感器数据融合的智能机器人设计

提出一种基于多传感器数据融合技术的智能机器人系统设计，介绍了系统所选用的激光、超声、红外、光敏等传感器的类型．阐述了系统的硬件结构与软件设计及D—S数据融合算法。     

多目标跟踪系统数据融合算法的性能评估

通过构建一个多传感器信息融合算法的仿真测试系统,模拟了多种实际战场环境,对不同信息融合算法的测试结果的统计与分析;综合性能评估领域已有的研究成果,建立了完整的多目标跟踪数据融合算法性能评估的通用的指标体系;针对基于声传感器布阵的多目标跟踪系统,提出了系统时间延迟的统计方法;最后,通过蒙特卡罗仿真实验的多次测试,验证了该指标体系能够很好地反映多目标跟踪系统数据融合算法的基本性能.     

Computational architectures for sonar array processing in autonomous rovers

This paper presents design of novel embedded computational architectures for real time, in-motion mapping based on ultrasound sensors for use in resource constrained autonomous rovers. Autonomous rovers are a class of real time systems that are constrained for size, weight, on-board computational resources and power. Embedded computing architectures designed for implementing the mapping and navigational algorithms must optimize the use of these resources. In the process of map generation, raw sensor data obtained from an array of ultrasound sensors is filtered for sensor noise using probabilistic sensor model, and probabilistic data fusion methods are employed for spatial and temporal correlation of data for improving the map. In this paper, we present a System-on-Chip design based design space exploration of embedded computational architectures for implementation on field programmable gate arrays. We seek to exploit system level, region level and sensor level parallelism in the mapping algorithm for enhancing the throughput. Design space exploration is carried out by employing existing soft core processors, designing custom co-processors and data path modules and integrating them using parallel and pipelined data flow approaches. Results of mapping a test area on all the architectures are compared to characterize the performance and suitability of the proposed architectures.