多传感器数据融合控制

本文研究了多传感器数据融合控制的结构及基于卡尔曼滤波的融合控制算法，最后给出了仿真结果。     

基于神经网络的多传感器数据融合的分散型网络结构系统

多传感器数据融合在日益复杂的工业、军事等领域变得越来越重要,在实现方法上,神经网络由于其自身特点在该领域显示出广阔的应用前景。针对以往解决方案的不足,提出分散式的网络结构模型,详细描述了层次模型及各层次组成模块的工作原理及实现方法,然后提出高怪规划层的概念,用于实现分散型的网络结构。最后,进行了仿真实验,用实际数据论述该算法。     

异步多传感器数据融合

由于传感器自身以及通信延迟等原因,使得异步多传感器数据融合问题比同步问题的研究更切合实际。对连续时间系统在融合中心和各传感器节点分别进行异步离散化处理,离散后过程噪声与测量噪声以及测量噪声之间相关,虽然相应连续时间系统中的噪声是不相关的。最后推导了相关噪声情况下的异步融合算法,仿真结果说明了算法的有效性。     

一种多传感器数据融合目标识别新方法

在多传感器目标识别中，传统方法是直接将多元的局部决策送入融合中心，进行最后的整体决策。该方法是化多元检测为多个二元检测，使送入融合中心的局部决策是二元的，从而可利用现有成熟的二元检测技术进行基于置信度的整体决策，使识别问题得到简化。     

一种多传感器数据融合算法的研究

一个传感器往往难以实现对目标的辨识,使用多个传感器收集来自多种物理现象产生的信号,就可以比较容易地实现对目标的辨识。传感器信息融合方法是当今研究的关键技术,它产生于军事领域并在多学科、多领域得到极大发展。本文介绍了一种基于统计方法的数据融合分类算法——DempSter—Shafer算法,并举例介绍了应用该算法如何融合多传感器数据。     

多传感器数据融合的一种方法

在多传感器数据融合的过程中,首先必须验证各个传感器的可靠程度,即确立正确的关系矩阵。一般做法是根据门限值判断两个传感器是否相互支持,或者用分段直线等方法表示其支持程度。在分析的基础上,提出了应用椭圆曲线表示支持程度,并分别给出了融合结果。     

基于参数估计的多传感器数据融合

探讨具有随机扰动的环境中同一特征的不同传感器测量值的融合问题，并在理论上给出了基于参数估计的多传感器融合算法，分析了正态分布数据的融合计算公式，并提出以数据探讨技术中的分布图方法来获得一致的传感器数据，从而提高了算法的鲁棒性。     

多传感器数据融合的稳健处理方法

对多传感器测定数据的综合处理，是一个关系到如何正确应用所得信息的实际问题。本文利用数理统计的方法理论和矩阵特征向量的稳定理论，将各传感器的可靠性程度模糊化，进而给出众多传感器测得数据的综合结果，从方法的理论基础和对实例的模拟运用来看，本方法克服了以往方法中对可靠性程序划分的主观影响，并提高了信息的利用程度，所得结论更加客观，且具有较好的稳定性，是一种较为实用的方法。     

多传感器数据融合的一种方法

在多传感器检测系统中,由于工作环境的复杂,使得传感器的测量精度受到影响,从而导致传感器的测量数据并不总是准确;因此要选择测量数据合理的传感器进行数据融合。在多传感器数据融合的过程中,必须首先验证各个传感器的可靠程度,确立正确韵关系矩阵。一般做法是根据阈值点判断两个传感器是否相互支持。针对在阈值点处存在的模糊性提出一种利用阈值区间判断其支持程度的方法,并通过实验说明这种方法的可行性与简单性。     

多传感器数据融合中基于模糊逻辑和神经网络的传感器管理

在多传感器数据融合系统中,传感器的管理包括两个方面的问题,一是如何优化分配现有的传感器去更好地实现融合任务;二是如何消除外界环境变化或者某些传感器出现故障时带来的影响,针对这些问题,本文在给出多传感器数据融合系统矩阵表示的前提下,提出了一种基于模糊逻辑和神经网络的传感器管理方法。分析表明该方法较好地解决了多传感数据融合系统中传感器管理问题。     

分布式多传感器数据融合

介绍经典统计推理理论的分布式多传感器数据融合的概念、形式和方法，以及目前在这一领域研究中已取得的进展及今后的发展趋势．     

基于多传感器数据融合的智能火灾预警系统

根据当今火灾探测的现状和实现火灾早期探测的需求,将多传感器数据融合技术应用在火灾预警系统中。选择多个传感器对火灾过程的多参数进行监测,特别对火灾发生初期产生的异常信息进行全面监控,弥补了采用单一传感器的不足,扩展了时间上和空间上的观测范围。采用自适应加权融合估算法配合智能判别技术,增强了系统报警输出的灵敏度和可靠性,使系统达到了实现提前预警的目的。     

一种多传感器图像的彩色融合系统

针对像素及多传感器图像的融合问题,设计了一种多传感器图像的彩色融合系统。该系统首先采用Laplacian金字塔变换算法得到灰度融合图像,然后产生共有图像、差异图像和细节增强图像,最后将灰度融合图像、细节增强图像,分别送入RGB通道得到彩色融合图像。实验结果表明,本系统可以有效地对多传感器图像进行彩色融合。根据熵和颜色丰富度两个客观评价指标,本系统的彩色融合图像更清晰,更容易识别目标,包含更多的细节信息,图像信息也更加丰富。     

移动机器人多传感器信息融合测距系统设计

介绍了用于移动机器人运动导航的多传感器测距系统的硬件组成和数据融合方法.测距系统由超声波测距模块、红外测距模块和数据融合模块组成,超声波测距模块和红外测距模块分别检测机器人周围环境中障碍物的距离,数据融合模块则通过SMBus总线收集两个模块采集到的距离数据,并采用自适应加权数据融合算法对这些数据进行处理,以获得可信的距离信息.实验表明,所设计的测距系统可靠性高、配置灵活,能够满足机器人自主导航中的避障要求.     

一种采用多传感器数据融合的目标识别框架

利用Demtpster-Shafer理论进行目标识别并提出了一种战场平台识别的框架。该框架采用模糊方法来解决基本概率分布问题，并利用递推集中化结构来进行时空信息融合。为增加推理过程的鲁棒性和效率，提出了一种解决矛盾的新策略。初步实验表明该框架是有效的，并值得进一步探讨。     

一种基于不确定分析的多传感器信息动态融合方法

提出了一种基于不确定分析的多传感器动态分布融合方法.首先引入贴近度的概念对传感器进行动态聚类,接着基于兼容测度实现了组内传感器信息的最优Bayesian估计融合;最后给出了一种基于一致测度的多传感器信息动态融合的方法.通过实验对比分析,证实了此方法具有较好的实效性和鲁棒性.     

多路数据融合在光伏电池组件监控系统中的应用研究

为了提高光伏电站的使用效率,根据光伏电站的特点,本文设计了一种基于无线传感器网络和多路数据融合技术的光伏电池组件监控系统。通过传感器节点采集单块电池组件的瞬间电压、电流和温度,并对这三类数据实现初级数据融合;然后将初级数据融合数据包通过由ZigBee协议实现的无线传感器网络传输到中心节点;中线节点对所有初级数据融合数据包实现二级数据融合并通过串口传输至服务器;服务器通过基于残差值的数据包解析算法分析各块电池组件的运行数据,以判断电池组件是否正常工作,为光伏电站的维护和管理提供有效的信息。     

多传感器信息融合及其在工业中的应用综述

介绍了多传感器信息融合的基本理论、研究现状和多传感器信息融合在工业中的应用现状。重点分析了多传感器信息融合理论、实际应用所取得的成绩和存在的问题,提出了将来研究的方向。     

基于多传感器数据融合的微下击暴流感知

针对微下击暴流的风场特性和几种任务传感器的探测原理,研究基于多传感器数据融合的微下击暴流感知和威胁评估方案.采用扩展卡尔曼滤波的方法建立微下击暴流的解析模型,提出改进的迭代算法实现数据融合并降低参数估计的计算量,依照所建模型进行威胁度评估.仿真实例中选用前视红外(FLIR)和激光雷达(Lidar)探测的风速数据对方案进行验证,并计算F因子,评估其威胁度.     

用于Micro-EDM放电状态分类的多传感器集成与信息融合系统

在Ｍｉｃｒｏ－ＥＤＭ（微细电火花加工）中,由于加工信号的频率高、加工波形的畸变,使得常规的用于放电状态检测的方法,如电压波形采样、放电延时等,已不再适用。利用多传感器的信息融合进行目标识别,可以避免单一传感器的局限性,减少各传感器不确定性的影响。文中描述了一人用于目标识别与分类的基于模型的多传感器系统。该系统选用以决策层为主的方法,以模糊神经网络作为其信息融合的工具。体现了多传感器信息融合优越性。