一种多传感器数据的熵权融合方法

针对多只传感器对多个特性指标进行测量实验的数据融合问题,提出了一种新的多传感器数据的融合算法.该方法采用最大最小法确定各传感器测量数据之间的模糊相似矩阵,定义熵权来确定各传感器的融合权重.可以克服以往方法中关系矩阵的主观影响.实验数据分析表明:该算法简单、数据融合含义清晰,可以避免有效数据的损失.     

基于多传感器数据融合的机器人里程计设计与实现

设计并实现了一种基于FPGA和多光电鼠标的高精度机器人里程计。多个PS/2光电鼠标传感器测量位移数据,利用FPGA解析PS/2协议并完成数据融合,得出高精度机器人里程计结果。针对传统Luo一致性数据融合算法的缺陷进行改进,并通过归一化特征值加权法得到每个传感器测量值被系统综合支持的程度,完成多传感器测量数据融合。实验结果表明:该数据算法计算步骤固定,方便在FPGA上实现;该里程计在有异常数据干扰情况下,能够达到较高的测量精度。     

基于信息熵的多传感器数据的融合方法

针对多只传感器对某一特性指标进行测量实验的数据融合问题,利用信息理论中的信息熵,提出了一种新的多传感器数据的融合方法。该方法以最小化各传感器测量数据的信息熵之和为目标函数,通过求解极值问题,得到了多传感器数据的融合结果。可以较好地避免受主观因素影响的关系矩阵,充分利用实验数据,防止有效数据的丢失。该算法简洁稳定,可用于提高智能仪表的测量准确度和改善智能仪表的抗干扰能力。     

移动机器人多传感器高精确度数据融合的算法研究

基于模糊贴近度数据融合算法,研究了移动机器人使用的多传感器高精度数据融合算法。模糊了测量值和估计值,同时计算了模糊格贴近程度,在测量中各传感器的权重通过格贴近度进行描述,借助于融合公式求出融合的具体结果。该算法能够提高机器人导航系统的测量技术,使其通用性、可靠性和测量稳定性更强。     

一种基于奇异值分解的动态多传感器数据融合算法

在工业应用中常用一组传感器对同一个被测量目标在一个过程的不同位置进行测量.由于每个传感器位于过程的不同位置,它们将不同程度的受到噪声的干扰.为了从被噪声干扰的测量值中获得更准确的测量结果,本文提出了一种基于奇异值分解(SVD)的动态多传感器数据融合算法.由该算法得到的传感器测量结果值最优估计的方差不仅低于传感器组中每一个传感器测量结果的方差,而且低于由基于最小均方误差(MMSE)多传感器数据融合算法得到的估计结果的方差.仿真的结果表明,该算法是有效的.     

基于决策距离的分布式多传感器动态分组算法

飞行试验中多传感器测量系统中因类型、精度以及空间位置的变化,导致在数据融合时往往不能得到最优测量精度;提出了一种新的分布式多传感器目标跟踪分组融合算法,即利用模糊理论中的决策距离(Decision Space)思想,对飞行试验目标跟踪的多传感器系统进行动态分组(Dynamic Grouping),通过定义多传感器之间的关系矩阵(Relation Matrix),依据判别门限(Threshold)判定其是否参与最终处理,据此以获得在分布式多传感器目标跟踪测量系统中目标跟踪测量的最佳融合数据精度;仿真结果证明,该算法是一种有效的分组算法.     

基于伪测量的分布式最优单步延迟航迹融合估计

融合中心如何处理无序局部数据,对分布式多传感器系统的运行品质至关重要．本文将系统中的局部估计转化为伪测量,将分布式融合估计转化为二级集中式融合估计．将所得的伪测量兼分布式融合估计算法与单步延迟的无序测量数据（out-of-sequencemeasurements,OOSM）最优滤波-A1算法进行组合,得出了分布式多传感器系统的最优单步延迟无序航迹（out-of-sequence tacks,OOST）估计算法,适用于航迹无序局部数据融合估计．该算法具有最优估计性能．     

模糊聚类信息融合算法在异构多传感器网络中的应用

在多传感器协同探测的应用背景下,提出将模糊聚类算法应用于多传感器网络的数据融合方向,解决异构多传感器网络由于各传感器探测信息粒度、时空不同而造成的航迹分裂和航迹冗余现象;通过仿真结果表明,该算法可以减少传统统计学方法错关联、漏关联的概率,对于复杂运动轨迹的机动目标(交叉航路目标)能够很好地进行多传感器测量数据的聚类,正确地进行测量数据的关联和融合,并进一步在通用航空监视管理系统的工程应用中加以验证;该算法在通用航空监管、物联网、协同探测信息系统方向均有广泛的应用空间。     

基于新型AFCM的多传感器目标跟踪航迹融合

多目标跟踪是多传感器系统信息融合中的核心技术之一.采用新型的AFCM模糊算法实现对多目标交叉状态下航迹数据关联.该算法定义了一种新的度量空间中的距离,通过新的距离定义有效抑制含有噪声点的样本及目标航迹交叉在迭代中对数据关联聚类中心点的大幅偏差.同时应用改进带加权的航迹融合算法对红外和毫米波雷达传感器测量的航迹数据进行融合.仿真试验证明,新的算法在综合多传感器探测优势的基础上,对航迹的融合结果优于SF算法.新的数据关联算法和改进的加权航迹融合算法为多源信息融合提供了一种可靠有效的多目标跟踪技术.     

基于多传感器的温室环境数据融合算法研究

无线传感器网络中采集的数据存在着较大的冗余与误差,影响数据的可靠性;而在温室环境监测中,对数据的准确性要求比较高。因此,为了提高多传感器采集数据的准确性,在研究了现有的几种数据融合算法以后,提出一种基于多传感器的综合数据融合算法。给出了采用格罗布斯准则消除粗大误差,并引入哈夫曼树的思想对数据进行项融合的方法。结果表明,该算法可以有效提高测量数据的准确性。     

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。     

多传感器自主在线融合方法

在先验知识未知的情形下,针对现有融合算法的不足,提出了一种新的融合算法。为了进一步提高融合精度,算法用均值和自熵两个概念充分挖掘测量中的冗余信息,进而确定传感器的融合权重。此外,为了预防“数据饱和”的发生,算法在迭代过程中引入限定记忆项,保证算法对数据变化的灵敏性。用均值融合算法、冲突证据预处理算法和新算法对样本数据进行仿真。仿真结果表明,运用新算法得到的权值分配方式更加合理,可进一步提高融合精度。     

小波去噪和数据融合及在线监测系统中的应用

准确测量电力设备的各种运行参数,是电力设备在线监测系统进行故障诊断的重要前提,为了从被噪声干扰的各个传感器测量中获得更准确的测量结果,文中提出了一种基于小波去噪和数据融合的多传感器数据重建算法,数据重建的结果更精确地描述原信号,且算法具有计算量少、速度快等特点,并首次将红外测温仪应用于测量变压器绕组的温度在线监测系统中,现场数据的处理验证了该算法的正确性。     

主被动传感器自适应量测融合算法

针对观测平台和运动对象间的距离参数会对传感器随机测量误差带来影响的问题,提出了一种基于模糊距离阈值的主被动传感器量测融合算法。讨论了根据距离参数选择主被动融合跟踪模式的方法,采用指数函数和模糊处理技术,利用已有信息实时改变主、被动传感器在量测融合过程中所占的权重。仿真结果表明,当传感器和运动对象间的距离对随机测量误差的影响不能忽略时,基于模糊距离阈值的主被动传感器变权重融合算法和传统的固定权重融合算法相比更加稳定,能够充分发挥主、被动传感器间的互补特性。     

基于近邻量测认知信息的多传感器融合估计

在构建传感器模糊量测认知偏差的基础上,提出一种新的多传感器融合估计方法。运用相邻量测样本均值和协方差度量传感器可靠性,确保融合权重分配的客观性和灵敏性。实验结果表明,与基于均值融合算法和支持度融合算法相比,使用该方法得到的融合权值分配方式更加合理,可进一步提高估计精度。     

LM算法在传感器数据融合中的应用

针对压力传感器对温度存在交叉灵敏度这一具体问题,采用LM算法对其进行数据融合,消除温度对压力传感器的影响,大大提高传感器的稳定性及其准确度;针对传感器存在测量误差问题,提出了增加一个噪声来训练网络,增强了网络的容错性。对所提方法进行了仿真研究和简单分析,并与非线性插值(三次多项式插值)作了比较,粗浅地指出:神经网络在数据融合过程中的实现机理。     

基于多传感器数据融合的转向参数测量仪设计

针对目前场（厂）内机动车方向盘转向参数测量仪装夹机构复杂、测量结果误差大的问题，提出一种基于多传感器技术的转向参数测量仪方法。通过加速度传感器、地磁计对陀螺仪角速度进行补偿，采用四元数融合算法对9轴MEMS传感器采样数据进行融合，修正因方向盘倾角对转向角测量结果的影响。通过设计转向参数测量仪硬件平台验证算法的可行性，实验结果表明融合算法能够提高转向角的精度。     

多速率传感器不完全测量数据自适应融合算法

针对不完全测量的多速率传感器系统,建立了自适应的分级融合算法。该算法构建了传感器子系统故障检测方法,检测子系统故障,确认不完全测量,避免单点故障污染整个系统;建立子系统的切换控制逻辑,引入映射矩阵,构成新的信息分享系数,自适应地选择子系统参与中心融合;对于不完全测量信息的传感器子系统,利用子滤波预测值代替估计值进行融合;全局状态估计利用各子系统的当前与前一时刻的估计值,提高了融合性能。对建立的算法进行仿真,验证了该算法的有效性。     

多传感器集中式增量卡尔曼滤波融合算法

在单个传感器的状态估计系统中,标准的增量卡尔曼滤波方法可以有效消除量测系统误差。对于多传感器情况,标准算法失效。针对该问题,提出了多传感器集中式增量卡尔曼滤波融合算法,即:增量卡尔曼滤波的扩维融合算法和增量卡尔曼滤波的序贯融合算法。在标准增量卡尔曼滤波算法的基础上,结合扩维融合和序贯融合的思想来实现多传感器数据的融合。实验结果表明,当存在量测系统误差时,提出的集中式融合算法与传统的集中式融合算法相比,提高了滤波精度,并且能够成功地消除量测系统误差。     

汽车仪表系统中的数据融合技术研究

探讨汽车仪表系统中适用的数据融合技术。运用算术平均值算法与分批估计相结合的融合算法,提高单传感器数据的测量精度;提出的汽车仪表系统中基于最大隶属度的多传感器数据融合方法,则提供了安全决策辅助,增加了仪表系统的新功能。测量实例证明了这些方法在汽车仪表系统中应用的有效性和准确性。