战场目标识别中的D-S证据理论应用

为了解决干扰情况下地震动信号发射源的定性问题,提出了在决策层上的多传感器数据融合的识别方法。利用定位传感器组中各个传感器得到的数据,并考虑在同一个定位组中各个传感器所得数据的置信度不同,来对地震动信号发射源性质进行识别。实验结果证明:基于D-S证据理论的战场目标识别数据融合后,地震动信号发射源特性识别的可靠性明显大于单个传感器的识别效果,这也表明了多传感器融合识别的可能性和有效性。     

声发射源多传感器数据融合识别技术

波形数字发射技术的发展给声发射源的特性识别带来了可能性。由于各种噪声的影响，以及声发射信号传播过程的复杂性，又给声源的识别带来一定的困难。为了解决干扰情况下声发射源的定性问题，文章提出了在决策层上的多传感器数据融合的识别方法。利用定位传感器组中各个传感器得到的数据，同时考虑在同一个定位组中各个传感器所得数据 的置信度不同，对声发射源的性质进行了识别。实验结果证明了数据融合后，声发射源特性识别的可靠性明显大于单个传感器的识别效果，这也表明了多传感器融合识别的可能性和有效性。     

基于D-S证据理论的管道安全监测数据融合技术的研究

管道安全监测技术能够对管道安全构成威胁的行为进行早期监测、定位和预警,对管道周围目标进行正确的分类识别是其中的关键.采用多个地震信号传感器对管道周围的人、车辆等目标发出的震动信号进行采集,为了解决目标识别问题并提高目标的识别率,针对多个传感器采集的数据,本文中提出了采用D-S证据理论方法对数据进行融合处理,实验结果证明基于融合后的识别结果较单个传感器的识别结果有了较好的改善.     

基于广义互相关时延估计算法的声发射定位技术

利用互相关分析算法估计出声发射信号到达不同传感器时由于传输距离不同而引起的时间差,是实现声发射源定位的关键技术。在理论分析互相关时差定位算法的基础上,提出了一种基于加权函数的广义互相关声发射定位方法。分析比较了GCC,PHAT,Roth,SCOT四种不同加权函数用于声发射信号时差估计的效果,选定信号波动少、噪声抑制能力高的PHAT加权函数进行声发射源定位实验。在800mm×800mm×5mm的大理石板上,采用断铅作为声发射信号激励源进行定位实验研究,选取6个测点,每个测点测试10组。结果表明,60组测试数据中55组数据相对于测点的定位绝对误差均小于37 mm,相对误差（相对于两传感器间的距离750 mm）小于5%（约占90%）。单测点十次平均后绝对误差均小于20 mm,相对误差小于3%。     

虚拟现实系统中六自由度电磁跟踪算法的改进

详细讨论了用于虚拟现实的直流式六自由度电磁跟踪系统的传统定位算法的一个改进。本算法中,以正交的三轴发射源和两轴轴探测器作为传感器定位器件,替代了以往的三轴发射源和三轴轴探测器。算法中以脉冲直流信号驱动发射源三轴分时发射,同时接收器两轴探测到相应的三组电磁信号和一个空驱动时间段内的环境磁场信号,通过该过程中获得的包括环境磁场信息在内的９个数据确定了被测对象的方位（位置和姿态）。     

基于数据融合的战场声目标识别系统算法研究

现代战争越来越多地使用高科技武器,各种武器车辆坦克的声音相互混叠,进行声目标识别是极有挑战性的.为了在嘈杂的战场环境中多传感器网络仍能正确识别各种目标信号,结合无线多传感器网络的特点和数据融合理论,设计出了适合于战场环境的声目标识别算法.使用小波包进行预处理及特征提取,人工神经网络进行分类识别,并运用数据融合算法得出最终识别结果.通过对采集到的声目标信号进行识别,结果表明方法应用于战场声目标识别中是可行有效的.     

基于声发射和神经网络的复合材料冲击定位

为了提高复合材料结构冲击定位的精度和实时性,基于声发射和神经网络技术,提出了复合材料结构冲击定位两步法,以压电陶瓷（PZT）和自制信号采集系统替代商用声发射仪器,实现了一种能够高精度、实时、在线监测冲击的系统。用小波变换求出原点处冲击源传播到各传感器的波达时间差,用这组时间差修正其他位置上的冲击源到达各传感器的波达时间,利用修正后的波达时间,根据四点圆弧定位算法得到冲击源坐标,实现初步定位;将所求出的位置坐标作为神经网络的输入,训练之后的神经网络可以准确预测冲击位置,实现精确定位。在复合材料板上的试验表明：该方法能快速、准确地识别出冲击位置。     

联合GNSS的分布式传感器数据同步采集方法研究

感知数据时间维度上的一致性是多源数据融合模型科学性保障的关键参数之一,本文面向铁路沿线地质灾害监测场景内多传感器数据融合应用中时间参数一致性的具体需求,提出联合GNSS构建时间高度统一的分布式传感器数据同步采集方法。在基于GNSS模块实现秒级时间定位和微秒级时间测量基础上,构建基于GNSS脉冲信号驱动下的数据同步采集机制,确保信号采集与GNSS卫星内置原子钟时间的高度一致性。实验结果表明,本文提出的数据采集方法可确保多源感知数据时间统一性,为地质灾害预测系统决策科学性的提升奠定基础。     

基于目标识别的光电多传感器信息融合技术

依靠多个光电传感器采集目标数据,需要解决各类数据信息的融合分析问题。基于这种认识,从特征提取、融合和识别等方面,对基于目标识别的光电多传感器信息融合技术展开分析,介绍了技术应用前景,指出需要采用不同算法完成不同光电传感器特征信号提取,同时,通过融合计算得到融合特征量,为目标识别提供信息数据支撑,确保准确识别目标。     

时延估计算法在乒乓球落点检测中的仿真研究

到达时间差(TDOA)是一种重要的信号发射源定位方法,它通过处理多个信号发射传感器采集到的信号到达时间测量数据来实现声发射源目标的定位,具有较高的定位精度。运用四种不同加权函数的广义互相关时延估计方法,来提高乒乓球辅助评价系统中关于乒乓球落点位置的精度。对广义互相关法的四种不同的加权函数进行介绍和阐述,将噪声信号加入原信号,使用Matlab进行实验仿真。实验结果表明:使用PHAT加权和SCOT加权可以提高时延估计的精度,从而达到更精准的估计出乒乓球落点位置的目的。     

一种在线迭代聚类的多传感器一致性数据融合方法

为了提高多传感器一致性数据融合的效果,在进行多传感器测量数据融之前,必须要对各传感器的测量数据是否具有一致性进行判定处理;针对现有各种多传感器一致性数据融合方法存在的不足,文章运用统计学中的假设检验理论、聚类分析和正态分布的优良性质,提出了一种在线迭代聚类的多传感器一致性数据融合方法,用Matlab进行大量仿真实验的结果表明,文章给出方法优于现有的多传感器一致性数据融合方法。     

基于模糊数学与统计理论集成的多传感器数据融合方法

利用格罗贝斯统计理论剔除系统误差数据.对余下的有效数据,利用模糊理论计算其与估计值之间的模糊贴近度,并以此确定每个传感器的重要性权重,最后提出数据融合公式实现多传感器的数据融合.应用实例验证了该方法的有效性.     

Random weighting estimation for fusion of multi-dimensional position data

This paper adopts the concept of random weighting estimation to multi-sensor data fusion. It presents a new random weighting estimation methodology for optimal fusion of multi-dimensional position data. A multi-sensor observation model is constructed for multi-dimensional position. Based on this observation model, a random weighting estimation algorithm is developed for estimation of position data from single sensors. Using the random weighting estimations from each single sensor, an optimization theory is established for optimal fusion of multi-sensor position data. Experimental results demonstrate that the proposed methodology can effectively fuse multi-sensor dimensional position data, and the fusion accuracy is much higher than that of the Kalman fusion method.     

多传感器信息融合技术在智能机器人环境感知中的研究进展及应用

多传感器信息融合技术是一种有别于经典数据处理技术的高级处理方式,主要目的是为了让智能设备在越来越复杂的工作环境中有更好的表现,使其能有更强的感知能力和操作精准度;在对传感器技术、人工智能、机器人技术、多传感器信息融合技术及常见多传感器信息融合的应用进行了系统的整理和研究后,针对目前的多传感器数据融合技术进行全面地介绍,并简要阐述多传感器信息融合的一般结构,重点分析不同融合算法的特点和优劣势,明确不同融合模型之间的差别以及对数据处理策略上的影响,充分列举现国内外发表的关于多传感器数据融合技术的重要研究及应用,并对多传感器数据融合技术的发展与展望做检验阐述,为多传感器数据融合技术研究提供重要理论依据。     

一种面向互联概率加权的JPDA多传感器数据融合方法

针对单传感器联合概率数据互联(Joint Probabilistic Data Association, JPDA)在复杂环境下难以跟踪多个目标的问题,提出一种基于JPDA量测目标互联概率统计加权并行式和序贯式多传感器数据融合方法。首先,给出单传感器JPDA算法。然后,介绍多传感器JPDA数学模型,基于这一模型,使用互联概率加权,推导并行式和序贯式多传感器数据融合公式,这对多传感器数据融合有一定指导意义。最后,对单传感器JPDA方法在不同杂波密度、不同过程和不同观测噪声下目标跟踪的距离RMSE进行仿真,结果表明,随着这3项指标皆增大,目标距离RMSE增大;同时,对本文的2类多传感器JPDA方法与其他几类跟踪方法在数据集PETS2009下有关行人跟踪性能进行仿真,结果表明,本文并行式和序贯式多传感器JPDA方法相较于其他方法在跟踪准确性、跟踪位置准确性、航迹维持以及航迹遗失上皆为最优,而且序贯式融合略优于并行式多传感器JPDA。     

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。     

多传感器数据融合的主成分方法研究

针对多个传感器对某一特性指标进行测量实验的数据融合问题,提出了一种基于主成分分析的融合方法。该方法把各传感器的测量数据作为一变量,定义总体的各主成分,利用测量值与主成分的复相关关系,给出了各传感器的综合支持程度和数据融合公式。应用实例验证了方法的有效性和精确性。     

基于LMS算法的多传感器数据加权融合方法

针对目前多传感器数据融合过程中,传感器观测噪声不易确定,提出了一种基于LMS算法的多传感器自适应加权数据融合方法。该方法将传感器最优加权系数的求解,转化为估计值的均方误差性能表面的最优解搜索,通过加入自适应阶段,采用自适应最小均方误差（LMS）算法调整传感器加权系数。仿真结果表明该方法的有效性。