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.     

移动机器人多传感器信息融合技术探讨

本文对移动机器人多传感器信息融合技术进行了分析,并采用自适应加权融合算法对多超声波传感器数据与红外传感器数据进行融合。     

基于多传感器信息融合的控制系统研究

本文研究了多传感器组合系统的智能化数据融合方法。从数据处理算法、故障检测和系统可靠性等方面探讨 了基于多传感器的控制系统,并提出了一种实用的数据处理算法和故障检测算法。     

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.     

基于多传感器信息融合的控制系统研究

本文研究了多传感器组合系统的智能化数据融合方法。从数据处理算法、故障检测和系统可靠性等方面探讨了基于多传感器的控制系统,并提出了一种实用的数据处理算法和故障检测算法。     

嵌入式数据融合系统的设计与实现

介绍了一个基于ARM9嵌入式系统的数据融合平台设计与实现过程。采用S3C2440嵌入式微处理器、ZigBee无线传感器网络和实时Linux操作系统,集成单传感器数据融合与多传感器数据融合两套算法,能够依据环境切换融合算法,并可方便地集成各种数据融合算法,特别适用于旧系统改造、流动式数据检测与控制等场合。     

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。     

多传感器数据融合并行处理技术

分析了多传感器数据融合算法,并根据算法特点设计了基于集群计算机的数据融合系统,给出了算法映射策略,实现了数据融合的实时大容量处理,最后给出了实验室测试结论。     

数据融合技术

该文详细分析了数据融合的起源，概念，分类，优点等，阐述了数据融合系统的发展状况，技术要求和体系结构，介绍了数据融合的算法，实现数据融合的软硬件技术以及这一领域的技术的难点和前沿课题，在分析介绍的基础上，提出了发展我国的数据融合技术的一些设想，并对单舰多传感器数据融合系统的体系结构，软硬件平台和研制的可行性进行了探讨和研究，最后指出了还需要进一步研究的问题和研究的方法。     

多传感器数据融合系统的软件实现

多传感器数据融合技术的软件包括以下部分：基本数据分析，人机介面及显示，通信软件及数据融合算法。提出了编写数据融合软件的基本思路及实现方法，并介绍了国外在这方面的现状。     

自适应模糊[C]均值聚类的数据融合算法

针对基于改进模糊聚类的数据融合算法存在融合不精确、融合可信度较低等不足,为了解决多个同质传感器在无先验知识的情况下对同一个目标的某一特征进行测量的数据融合问题,提出了一种自适应模糊[C]均值聚类的数据融合算法,主要是把自适应模糊[C]均值聚类应用到数据融合中。该算法首先在改进的模糊聚类中通过引入自适应系数以发现不同形状和大小的聚类子集,使得融合结果更精确;其次将卡尔曼滤波原理和基于多层感知机的神经网络预测法应用到误差协方差估计中,提高了融合可信度。实验结果表明,与7种经典数据融合算法进行对比,该算法在4个模拟数据集与真实数据集上融合结果较好,特别在判别函数与融合误差方面优势更为明显。     

多小波基多尺度多传感器数据融合

多传感器数据融合技术已经被广泛应用在多个领域,小波多尺度分解对数据的分析具有独特的优点,小波基的选择对数据融合结果也起着关键的作用.提出一种新的基于多个小波基的数据融合算法,先对含有噪声的传感器信号进行多个不同小波基的多尺度分解,然后对相同小波基分解的信号在多尺度上实施加权数据融合算法,之后进行不同小波基的逆变换得到的重构信号,最后将基于不同小波基的重构信号做最终的融合.实验结果表明:数据融合技术可以从多个方面多个层面以及多种融合原则来考虑,从而融合众多的因素得到最优的结果.     

基于深度学习的眼动跟踪数据融合算法

针对传统数据融合算法在多场景下的眼动跟踪数据融合效果较差的问题,提出一种新的基于深度学习的眼动跟踪数据融合算法,即Eye-CNN-BLSTM算法。该算法在原始眼动跟踪数据空间位置信息基础上添加新的人工特征;将卷积神经网络（Convolutional Neural Network,CNN）与双向长短时记忆网络（Bi-directional Long Short-Term Memory,BLSTM）结合,设计了新的融合结构。实验结果表明,与六种经典数据融合算法相比,该算法在OTB-100数据集上融合性能更优。     

一种基于数据融合的传感器网络部署方案*

采用基于指数衰减的概率感知模型来研究数据融合对覆盖性能的影响,提出节点的虚拟半径概念以量化表示数据融合对覆盖性能的改善效果,同时提出了融合覆盖和虚拟部署的概念。提出了一种基于正多边形方式的规则虚拟部署方案,分析了该部署方案对节点部署密度的影响。理论分析表明,虚拟半径内参与融合的传感节点的个数不能超过6,否则数据融合技术就不能减小传感节点的部署密度。同时也分析了节点在随机分布情况下的覆盖调度情况,提出了一种改进的基于虚拟半径的覆盖调度算法。实验表明,基于指数衰减感知模型的数据融合方案能有效地提高传感器网络的     

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.     

物联网中基于决策级的数据融合

物联网环境下传感器节点会采集大量数据，并且不同节点对时效性的要求也不相同，为了使决策级融合能够更好的适应这一特点，论文将从数据融合算法和路由算法两个方面对其进行改进。其中数据融合算法是在模糊算法的基础上进行改进，主要方法是减少除首次融合外的各次融合的数据的数据量。路由算法是在LEACH算法的基础上进行的改进，主要方法是加入了体现数据时效的时效帧。     

Medical data fusion algorithm based on Internet of things

In order to explore the data fusion algorithm in medical Internet of things, the monitoring of medical data in the Internet of things is discussed and studied focusing on data fusion and related routing technology. According to the particularity of the data in the medical Internet of things, a data fusion cluster-tree construction algorithm based on event-driven (DFCTA) is proposed. The fusion delay problem in the network is analyzed, and the minimum fusion delay method is proposed by calculation of the fusion waiting time of the nodes. Finally, the intelligent health management data fusion system in the medical Internet of things is designed. Aiming at the characteristics of multilevel integration of multisource heterogeneous data fusion for intelligent health management, the data fusion architecture of fusion tree composed of fusion nodes is proposed. The experiment shows that the DFCTA algorithm has good fusion performance. Based on the above findings, it is concluded that the algorithm is a fast and reliable method, which has important practical significance.     

BTSR：一种基于行为可信的安全数据融合与路由算法

针对无线传感器网络数据融合与路由面临安全威胁,从传感器数据融合过程的空间相关性和时间相关性入手,对LEACH算法进行改进,考虑节点的行为可信因素,提出了一种基于行为可信的安全数据融合与路由算法-BTSR。该算法通过检验传感器本地采样值构成的时空相似度与传感器数据融合过程统计特征的符合程度,保证了数据融合路由的安全和可靠。仿真实验表明BTSR算法在安全概率、能量消耗、融合精度方面比LEACH算法更具优越性。     

基于蜂窝网络结构的数据融合算法

针对无线传感网中节点能耗同数据精确度之间不均衡的问题,提出一种能够基于蜂窝网络结构的数据融合算法（DFACN）。在基于蜂窝网络的分簇结构中,首先筛选最小能耗的簇头;之后通过数据精确度和节点能耗的计算判断融合因子的大小,动态选取参与融合的簇内节点数;最后簇头完成数据的融合处理。在OPNET仿真环境下,与EECDA和IDDOA算法进行实验对比,DFACN算法的数据精确度分别提高了2.6%和4.7%,节点能耗分别降低了2.7%与3.4%。结果表明,DFACN算法在降低能耗的同时,有效地提高了数据的融合精确度,并且延长了网络的生命周期。