无线传感器网络的分簇时间同步算法研究

时间同步技术是无线传感器网络许多关键技术实现的基础,低耗能和高精度是无线传感器网络时间同步算法的重要技术要求;简要阐述了无线传感器网络的经典时间同步算法并进行了比较,具体介绍了基于分簇改进机制的,融合了PTSN改进算法和DMTS算法的时间同步技术;分簇改进机制和DMTS节约能量,而PTSN改进算法在精度高的情况下,复杂度较低,也节约了部分能量;此方法减少了网络的能量消耗,同时也保证了网络的精度。     

除冰机器人的多传感器高效融合障碍测距方法研究

障碍物测距是高压输电线路自主除冰机器人的关键技术之一;针对220 kV输电线路除冰机器人的结构特点,提出了一种基于障碍物距离信息融合检测方法;首先根据障碍物分布情况设计了除冰机器人多传感器检测系统的结构,建立了障碍物信息融合系统模型.然后根据障碍物信息状态模型的非线性特点,对传感器获取的异步测量数据进行同步处理,再应用改进的多传感器信息进行滤波和融合,并与单个传感器的结果相比较,实验结果研究表明:该方法能有效地融合不同传感器的信息,具有更高的测距精度和更快的收敛速度.     

一种温度自适应无线传感网络时间同步方法

无线传感器网络节点中的廉价晶振极易受到温度、电压、湿度等工作环境因素的影响.节点晶振的这一特性,为室外大规模无线传感器网络时间同步技术带来了两方面的挑战:(1) 过高的通信开销;(2) 精度与能耗之间的不平衡.针对以上问题,提出了一种基于温度感知的、自适应的无线传感器网络时间同步算法.该算法能够依赖本地温度信息对节点时间频偏进行估计及补偿,在保证算法同步精度的同时,降低了网络通信开销.除此之外,提出一种动态同步周期调节机制,使得算法能够根据当前环境温度变化情况对节点同步周期进行动态调节,从而达到了能耗与精度之间的平衡.大量仿真实验结果表明:所提出的时间同步算法可将通信能耗降低至传统同步算法的10%;且在环境温度不断变化的情况下,80%的频偏估计值其误差小于0.5ppm.故,所提出的时间同步方法能够有效地适用于室外环境下部署的大规模无线传感器网络.     

基于GPS与无线电的时间同步系统设计

在水中漂浮式传感器阵列铡试系统中,为了对被测对象进行准确的测试,多传感器数据融合非常重要,而时间同步是实现多传感器数据融合的必备条件之一;为了提高时间同步精度,利用单片机Atmega162和Xilinx公司的Coolrunner2系列的CPLDXC2C256作为控制核心,RSB-4H模块接收GPS信号,NRF905进行无线数据收发,通过软件、硬件设计,开发出基于GPS和无线电的时间同步系统;实验结果表明,各传感器节点之间的事件同步触发误差达到了微秒级,并具有很高的可靠性,可以广泛使用.     

多声传感器异步融合算法

声探测定位技术是利用声传感器接收特定声波信号以确定声源的一种无源定位技术,它具有隐蔽性好、不易受干扰等优点.本文研究了仅能提供方位角信息的异步多声传感器无源探测系统数据融合问题,提出了一种适用于声传感器的在线估计可变周期融合算法.该算法首先采用伪线性算法,将非线性量测方程线性化;然后通过采用参数在线估计和基于运动模型向前追溯确保时间同步的方法,解决了目标跟踪时信号传输时延和传感器异步的问题.通过Monte Carlo仿真表明,在参数在线估计中,步长选取适当时,该算法可以满足声探测系统的精度要求,并且具有收敛快、精度高、稳定的特点.     

无线传感器网络中带延时的一致性时间同步

针对无线传感器网络(WSNs)中节点间通信存在传输延迟,影响同步精度的情况,将加权平均应用于相对时钟斜率的计算,提出了一种带延时的一致性时间同步算法.该算法中每个传感器节点通过与邻居节点通信交换时钟信息,根据一致性理论更新时钟参数,从而到达时间同步的目的.研究了在假定传输延时服从正态分布的情况下对一致性时间同步算法的影响,提出的算法降低了延时对同步精度的影响,Matlab仿真验证了该算法的有效性.     

基于分簇的无线传感器网络时间同步算法

时间同步是无线传感器网络中一个重要支撑技术,为了提高时间同步精度,提出了一种基于分簇的无线传感器网络时间同步算法;在部署无线传感器网络的初期阶段,建立簇状拓扑结构,首先是基站与簇首节点实现同步,然后簇内实现同步,最终建立一个全网统一的时钟,在同步过程中,采用了成对节点间的同步算法,很好利用了多信道广播方式;该算法能很好地满足无线传感器网络低能耗的要求;性能分析和实验结果表明,该算法减少了同步层次,提高了同步精度。     

基于信息融合的分布式时间同步算法

时间同步算法作为无线传感器网络的支撑技术,成为近些年研究的一个热点。其中集中式时间同步算法一直以来被广泛研究,它依靠参考节点通过广播、泛洪或者多跳的方式达到全网时间同步,取得了良好的同步精度,但同时鲁棒性和可扩展性差。提出了一种分布式时间同步算法,通过融合全网节点的时间信息来达到时间同步,这种算法消除了网络拓扑变化和节点密度变化对集中式算法的影响。实验结果表明,针对典型的网络拓扑,分布式时间同步算法实现了全网时间同步,并且对于网络变化和节点数目变化具有鲁棒性。     

异类传感器时间配准技术研究

在多传感器信息融合系统中，异类传感器之间由于异步采样及传输延迟，数据之间存在时间不匹配的问题。时间配准是把关于同一个目标的各传感器的不同步测量信息同步到某一时刻，是信息融合前的数据预处理步骤之一。如果不经过时间配准这一步骤，那么信息融合会产生较大误差，甚至无法有效进行，因此，时间配准是多传感器信息融合中不可或缺的部分。针对异步采样这一时间配准的问题来源，通过Matlab验证了最小二乘法和内插外推法两种经典算法的有效性，并将卡尔曼（Kalman）滤波引入时间配准，将插值法与卡尔曼滤波相结合，提出了一种改进的时间配准算法，提高了信息融合的精度。     

一种简易通用的敲击触发式惯性导航系统时间同步装置设计方案

科学研究与工程实践中常需要利用多种传感器协同工作获取被测目标的动态信息,此时对不同传感器采集的数据进行时间同步是必要前提。提出了一种以“敲击-脉冲”信号为媒介的时间同步方案,通过能够在敲击瞬间产生脉冲信号的时间同步装置实现惯性导航系统等运动传感器与其他脉冲同步传感器的时间同步,并通过实验验证了其可行性和时间同步精度。与传统的硬件方案或软件方案时间同步技术相比,本方案通用性极强,开发工作量小,操作简单方便,适用于对时间同步精度要求不高的传感器或系统的快速试验评估。     

除冰机器人的多传感器融合障碍测距方法研究

障碍物测距是高压输电线路自主除冰机器人的关键技术之一。针对220 kV输电线路除冰机器人的结构特点,提出了一种基于扩展卡尔曼滤波的障碍物距离信息融合检测方法。首先根据障碍物分布情况设计了除冰机器人多传感器检测系统的结构,建立了障碍物信息融合系统模型。然后根据障碍物信息状态模型的非线性特点,对传感器获取的异步测量数据进行同步处理,再应用改进的扩展卡尔曼滤波对多传感器信息进行滤波和融合,并与单个传感器的结果相比较,实验结果研究表明：该方法能有效地融合不同传感器的信息,具有更高的测距精度和更快的收敛速度。     

基于参数估计的多传感器数据融合算法研究

为提高多传感器数据融合精度,结合传感器网络的特点及应用实例,研究分批估计、自适应加权和方差估计算法在数据融合中的有效性、准确度和实时性,提出按测量方差的自适应加权数据融合算法,利用600个传感器所提供的实例数据,对几种算法进行仿真,并比较了几种算法的有效性及其融合精度的差异,其结果表明采用自适应加权算法可以有效提高融合精度,对考虑了环境噪声的多传感器数据采集系统较为适合.     

基于BP神经网络数据融合的瓦斯监测系统

井下瓦斯监测系统为多传感器监测系统,它通过不同功能、不同精度、不同位置的传感器,对所需要的被测量进行多方位、多角度的测量。但是,目前对于多传感器所测的数据还没有一种通用的、行之有效的处理方法,井下瓦斯浓度的监测很难作到实时、精确。因此,文章提出了一种基于BP神经网络数据融合的瓦斯监测系统的设计方案,该方案采用改进的BP神经网络算法对多传感器数据进行融合,并采用两级融合的方式对数据进行处理,以得到井下环境特征。仿真结果表明,基于BP神经网络数据融合的瓦斯监测系统具有较高的测量精度,极大地提高了数据采集的可靠性、全面性和有效性。     

基于D-S证据理论的传感器网络数据融合算法

在传感器网络中，多个传感器对于同一目标的识别结果经常会发生冲突，本文采用基于Dempster—Sharer证据推理理论的数据融合方法来解决这一问题。然而，采用D—S证据组合公式计算融合结果，计算量过于巨大，对处理能力有限的感知结点来说负担过重，此外，计算所造成的延时也将严重影响系统的实时性和同步性．本文提出了一个基于矩阵分析的快速融合算法，该算法采用了D—S证据理论的思想，计算得到的融合结果与D—S证据组合公式计算得到的融合结果相同．本文用数学归纳法证明了这一结论，经过模拟实验验证，和直接采用D—S证据组合公式相比，该算法的计算量和所需的计算时间明显减少．     

基于QDPSO-BP网络的多传感器融合算法

多传感器数据融合的理论和方法已经被应用到许多领域。但目前对于多传感器所测的数据还没有一种通用的行之有效的处理方法。基于量子空间的粒子群(QDPSO)算法训练的BP神经网络具有较好的稳定性和收敛性,将其运用于多传感器的数据融合,在仿真中取得了比常规算法更高的精度,控制策略制定准确、可靠,是一种较有潜力的多传感器数据融合方法。     

基于BP神经网络的多传感器数据融合技术优化

传统的数据融合算法要求获得比较精确的对象数学模型,对于复杂的难于建立模型的场合无法适用。为解决上述问题,提出了一种基于BP神经网络算法的多传感器数据融合方法,对对象的先验要求不高,具有较强的自适应能力。仿真结果表明,采用BP神经网络对传感器数据进行融合处理大大提高了传感器的稳定性及其精度,效果良好。     

无反馈结构的多传感器数据融合研究

无线传感器网络近年来发展迅速,多传感器与无线传感器网络关系密切。数据融合在多传感器网络中的作用非常重要,理论中着重融合算法的研究。本文从结构出发,在原有无反馈层次结构的基础上加以改良,并进行最佳联合估计融合,加以仿真试验。结果表明,此方法能提高系统的灵活性与生存力。     

基于多传感器融合的机器人障碍物检测和识别

该文研究了在移动机器人中基于神经网络的多种传感器信息融合技术。通过由CCD摄像机获得的彩色图像与超声波传感器组获得的距离作为辅助视觉系统实现整个视觉系统功能。移动机器人的障碍物检测和识别的可靠性与精度比在任何单一传感器所获得的信息都有很大的提高。     

基于正交基神经网络算法的多传感器数据融合方法

为了改善多个同类传感器检测目标参数的性能,提出了一种基于递推最小二乘法的多传感器数据融合的正交基神经网络算法,用基于递推最小二乘法的神经网络算法对各传感器的量测数据进行处理,并用神经网络输出结果的平均值来实现多传感器的数据融合.为了验证算法的有效性,给出了多传感器数据融合的仿真实例.研究结果表明,基于递推最小二乘法的多传感器数据融合的正交基神经网络算法是有效的.     

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。