基于多传感器的数据融合技术

近年来,多传感器数据融合技术已受到广泛关注,它的理论和方法已被应用到许多研究领域。主要论述了多传感器数据融合技术,介绍其概念、原理、结构、方法及应用,并总结了当前数据融合研究中存在的主要问题及其发展趋势。     

多传感器数据融合技术及其应用

针对多传感器融合技术,依据中心分布式判决和非中心分布式判决理论,采用加权融合估计算法,以实现多参数的复杂系统。多传感器融合技术的使用,具有降低噪声干扰、减少信息冗余性、提高精度等优点。为多参数测量的复杂系统提供了有效手段。     

基于多传感器的汽车防盗系统的数据融合技术

基于汽车的常见被盗方式，介绍了用多传感器采集信号、信息融合技术处理信号的方法，分析了信息融合技术的基本算法，讲述了神经网络的自学习和自组织能力．通过分析可知：使用多传感器的汽车防盗系统具有高的准确性和可靠性，能起到及时、有效的预警和报警作用．     

多传感器数据融合的研究现状

文中概要阐述数据融合问题的起源、概念及功能模型；综合评估现有的各种融合方法；全面分析数据融合的研究现状；并指出这一领域当前研究的困难和今后发展的趋势。     

基于模糊神经系统的多传感器数据融合算法

将自适应模糊神经推理系统(ANFIS)和卡尔曼滤波器应用于目标跟踪系统中,构成多传感器数据融合算法。该算 法假设在目标运动过程中,过程噪声和测量噪声是相互独立的高斯白噪声序列。使用ANFIS分别对目标的加速度和测量噪声 的方差进行估计,通过卡尔曼滤波器获得目标后验状态,最终由神经网络对多传感数据进行融合得到系统输出。仿真结果表 明,该算法可以通过自适应调整跟踪参数有效地防止目标丢失。     

多传感器数据融合技术在智能压力检测中的应用

传感器之间大都相互影响，存在交叉干扰，这将直接导致传感器稳定性下降，以及测量精度降低等。提出一种基于神经网络的多传感器数据融合技术处理方法，并将其应用到智能压力检测系统中。通过对融合前后的数据进行比较分析，表明该方法大大降低了交叉干扰，有效提高了测量精度，达到了预期效果。     

基于卡尔曼滤波的多传感器测量数据融合

为解决最小二乘数据融合方法不能显式考虑测量的不确定性等问题,提出基于Kalman滤波的多传感器测量数据融合方法,此方法不仅显式考虑各测量设备的不确定性,而且还能实现单点和批量融合数据,有助于用户根据测量数据的多少选择有效的融合方法;且能有效地过滤基于Mahalanobis统计距离的异常噪声点.实例证明,此方法能获得高质量的融合曲面.     

基于神经网络的多传感器信息融合

将传统神经网络结构的中间隐层用子网络代替,提出了一种陈列神经网络进行信息融合的结构模型,针对传感器信息融俣的特点,用子网络实现信息的分化与融合,不仅对神经网络的结构设计有一定意义,而且从理论到实便说明了这种方法确能改善神经网络信息融合的效果和速度。     

基于多传感器的汽车防盗系统的数据融合技术

基于汽车的常见被盗方式,介绍了用多传感器采集信号、信息融合技术处理信号的方法,分析了信息融合技术的基本算法,讲述了神经网络的自学习和自组织能力.通过分析可知:使用多传感器的汽车防盗系统具有高的准确性和可靠性,能起到及时、有效的预警和报警作用.     

基于多传感器数据融合技术的烧结矿碱度预报模型研究

烧结矿碱度的测量是钢铁工业中的关键和难点,况且又容易受到烧结几乎每一个操作环节的影响.据此提出利用BP神经网络进行多传感器数据融合的烧结矿碱度的预报模型.通过对现场实际数据进行仿真,表明该方法鲁棒性强,准确性高,泛化能力广,具有很强的实用性和推广价值.     

基于多传感器信息融合的大坝监测数据分析

大坝中的传感器(测点)在信息上存在相互印证关系.首先通过对具有相似变化规律的多个测点的监测数据进行标准化处理,将不同测点在同一时间的一次观测近似看作同一测点在相同观测条件下的重复观测.然后,运用常规统计理论,在大坝安全监控专家系统中实现异常值检测以及异常趋势识别.从而,及时发现大坝潜在的问题,为大坝安全监控提供可靠依据.     

一种复杂环境下多传感器数据融合方法

针对现有方法没有利用证据数据采集源头的可靠性信息这一问题,结合温度数据采集,提出一种复杂环境下多传感器数据融合算法。从多传感器采集的原始数据出发,通过原始数据分析当前传感器节点的信任度,对当前传感器证据进行相应的修正,从证据源层面修正冲突证据。在证据融合阶段引入支持度修正证据迭代融合思想,比较融合证据与原证据的差异冲突等属性来评估原证据的支持度并修正原证据,将修正后的证据再次融合,多次迭代至最终融合结果收敛。试验仿真与现存的多种融合方法进行比较,仿真结果验证了本研究方法在解决证据冲突问题上的有效性。     

一种复杂环境下多传感器数据融合方法

针对现有方法没有利用证据数据采集源头的可靠性信息这一问题,结合温度数据采集,提出一种复杂环境下多传感器数据融合算法。从多传感器采集的原始数据出发,通过原始数据分析当前传感器节点的信任度,对当前传感器证据进行相应的修正,从证据源层面修正冲突证据。在证据融合阶段引入支持度修正证据迭代融合思想,比较融合证据与原证据的差异冲突等属性来评估原证据的支持度并修正原证据,将修正后的证据再次融合,多次迭代至最终融合结果收敛。试验仿真与现存的多种融合方法进行比较,仿真结果验证了本研究方法在解决证据冲突问题上的有效性。     

像素级多传感器图像融合技术

随着图像传感器技术的发展,多传感器图像融合已成为图像理解、计算机视觉以及遥感领域中的一个研究热点,并广泛应用于自动目标识别、智能机器人、遥感、医学图像处理和制造业等领域.像素级多传感器图像融合获取的原始信息量最多、检测性能最好、应用范围最广,是各级图像融合的基础.详细介绍了像素级多传感器图像融合的原理,着重分析总结了常用的像素级多传感器图像融合的算法与质量评价标准,探讨了多传感器图像融合的应用与发展方向.     

基于多传感器融合的鸡肉新鲜度检测方法

为了快捷、无损检测鸡肉新鲜度,建立了一套基于电子鼻和力学参数两种传感器以及神经网络识别技术的智能检测系统。根据鸡肉腐败机理,合理选择传感器。采用RBF神经网络作为模式识别方法。经理化试验证明系统检测鸡肉新鲜度准确率达93.65%,结果表明设计的融合系统检测鸡肉新鲜度是可行的。     

Obstacle avoidance technology of bionic quadruped robot based on multi-sensor information fusion

In order to improve the ability of a bionic quadruped robot to percept the location of obstacles in a complex and dynamic environment, the information fusion between an ultrasonic sensor and a binocular sensor was studied under the condition that the robot moves in the Walk gait on a structured road. Firstly, the distance information of obstacles from these two sensors was separately processed by the Kalman filter algorithm, which largely reduced the noise interference. After that, we obtained two groups of estimated distance values from the robot to the obstacle and a variance of the estimation value. Additionally, a fusion of the estimation values and the variances was achieved based on the STF fusion algorithm. Finally, a simulation was performed to show that the curve of a real value was tracked well by that of the estimation value, which attributes to the effectiveness of the Kalman filter algorithm. In contrast to statistics before fusion, the fusion variance of the estimation value was sharply decreased. The precision of the position information is 4.6.cm, which meets the application requirements of the robot.     

虚拟多传感器信息融合的在线钢材视觉检测

为提高工业现场在线视觉检测准确性，提出了一种新颖的基于虚拟多传感器信息融合的在线视觉检
测方法.该方法在虚拟多传感器的概念及其实现技术的基础上，给出了一种基于统计方法的自适应权系数D
S证据理论融合算法.对在线获取的实时图像完成特征统计，获得图像的信息融合权系数.分别采用Canny
边缘检测、Sobel梯度算法、区域灰度均值以及模板匹配度计算等方法对图像进行处理，获取图像中存在
检测对象的基本信度.利用加权D S证据理论融合这些基本信度，并获得实时检测数据.现场应用结果表明
，该方法具有检测分析快速准确、抗干扰能力强、适用范围宽且不需要多个传感器的特点.     

基于预测数据特征的空气质量预测方法

采用LightGBM预测模型对空气质量预测问题进行研究,提出并设计一种基于预测性特征的空气质量预测方法,有效地预测北京市区内未来24 h核心表征空气质量的PM_2.5质量浓度。在构建预测方案过程中,分析训练数据集特性开展数据清洗,利用随机森林与线性插值相结合的方法,解决数据大量缺失以及噪声干扰问题;提出使用预测性数据特征方法,同时设计相关统计特征,提高预测结果的准确性;采用滑窗机制挖掘高维时间特征,增加数据特征数量级;对预测模型的工作性能和结果进行详细分析,并结合基线模型进行对比评价。试验结果表明,基于预测性特征结合采用LightGBM预测模型的方案具有更高的预测精度。     

基于多传感器信息融合的人体姿态解算算法

针对传统人体姿态解算算法中存在的稳定性差和解算精度低等问题,提出一种基于多传感器信息融合的姿态解算算法。利用四元数计算人体的姿态变化,将惯性测量模块的姿态测量值与观测值之间的偏差通过PI调节进行控制;采用互补滤波对多传感器数据进行融合,求取人体实时姿态。实验表明,该算法能够实现稳定地输出高精度姿态数据。     

基于数据仓库技术的炼钢质量数据模型研究

根据某钢铁企业质量追溯中的需求以及企业管理信息系统分散、独立的现状,提出采用数据仓库解决方案的体系架构,确定以质量追溯为主题的数据仓库模型,解决了数据独立、分散、面向应用的问题.为数据的集中管理和综合利用提供了解决方案,为企业决策者进行统计分析和数据挖掘奠定了良好的基础.