无线传感器网络簇内自适应融合算法研究*

无线传感器网络中采集的数据存在着较大的冗余与误差,且影响数据的可靠性。针对这个问题,分析了簇内数据误差成因,提出了一种改进后的自适应数据融合算法。该算法从节点测量数据自身着手,通过迭代得到各个节点测量数据的无偏估计值,以各个节点与估计值的欧氏距离作为各节点可信度的描述。实验证明,该融合算法提高了数据的精度和可信度。同时,通过与分批估计融合方法和传统的自适应加权融合方法的比较分析,表明该方法融合效果更好。     

基于自适应加权融合的分布式滤波算法

针对存在丢包的传感器网络中每个传感器节点对目标估计确信度不同的问题,提出一种基于自适应加权融合的分布式滤波算法.考虑节点在网络中的影响力及其节点属性,将节点重要度与传感器网络节点观测数据间的支持度线性加权,获得每个传感器节点对目标的估计确信度,并将该确信度构成的融合权值引入节点状态估计值的一致性协议中,更新传感器节点对目标的状态估计值,提高分布式滤波算法的估计精度和传感器节点估计值的一致性.仿真结果验证了所提出方法的有效性.     

UUV水下回收中的视觉和短基线定位融合

为了使UUV在水下坞舱回收过程中利用视觉和短基线(short baseline-SBL)进行导引定位,提出了一种视觉和短基线的自适应融合定位方法,以提高导引定位的精度.介绍了短基线定位和视觉定位2种定位系统及其工作原理,以及定位数据的野值剔除和去噪方法.野值剔除采用了一种基于数据变化率的自适应在线野值剔除方法,数据去噪采用了软阈值小波滤波方法.针对传统卡尔曼滤波进行数据融合时先验知识不足的缺点,提出了一种基于模糊逻辑的在线自适应卡尔曼滤波融合方法.通过获取的实时测量数据,实时调整噪声的协方差矩阵来融合2种定位数据.水下回收水池试验结果表明,定位传感器的绝大部分野值被剔除且去噪效果明显,视觉和短基线融合后的定位精度有很大提高,证明了所提方法的有效性.     

LMS自适应信道估计算法及仿真

提出一种基于连续导频的LMS自适应信道估计算法，在一个符号内进行ⅢS自适应滤波，经多次迭代得到信道估计值，然后根据信道变化速度再对其进行多符号平均。接收系统通过Simulink实现，并通过编写S函数仿真LMS自适应信道估计算法，系统动态仿真结果显示此方法可明显提高信道估计的准确度和接收机性能。     

自适应信息融合算法研究与应用

以组合导航系统为应用背景, 对基于自适应联合卡尔曼滤波的信息融合算法进行了研究, 将ARMA模型和自适应调节的信息分配因子应用于联合滤波中, 完成信息融合, 并以GPS/INS系统为例, 进行了半实物仿真, 结果表明, 该方法可有效抑制滤波发散, 并提高整个系统的精度和收敛速度.     

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。     

灰色动态预测在AUV传感器故障诊断中的应用

针对自主水下机器人(AUV)传感器故障诊断中样本数据少、随机性强、实时性要求高的特点,将灰色动态预测模型的建模原理引用到AUV传感器的故障诊断中。在对传感器进行数据滤波、小样本灰色建模与灰色动态预测的基础上,可以实现AUV传感器的实时故障诊断。文章详细阐述了基于灰色动态预测的传感器故障诊断的具体实现方法和步骤,对AUV传感器中典型的四种故障模式进行了仿真研究。结果表明该方法能快速、准确地诊断出传感器故障,并且在传感器发生故障后的一段时间内能够实现信号恢复。     

基于灰色RBF神经网络模型的电梯层间交通分布预测

为了有效预测电梯的层间交通分布状态,提出一种层间交通O-D矩阵的预测方法．该方法融合灰色预测和神经网络方法各自的优点,将灰色预测方法与RBF神经网络有机结合,构造灰色神经网络预测模型．利用灰色预测中的累加生成运算（accumulatedgeneratingoperation,AGO）对原始观测数据进行变换,得到规律性较强的累加数据,作为神经网络的建模和训练样本．还提出了对不良交通需求数据的修正方法,以进一步降低观测数据的随机性．所提方法既避免了灰色预测方法存在的理论误差,又提高了神经网络的训练速度和预测精度,适用于短期层间交通分布预测．仿真试验验证了该方法的有效性．     

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。     

多观测信息动态加权粒子滤波

在机动目标跟踪中,当系统状态向量为多维的情况下,单一观测量的滤波跟踪无法满足多维状态估计精度的要求。为此,提出一种基于粒子滤波融合多观测量的动态加权算法。该算法利用多个高度非线性观测量,并通过动态加权方法融合多个估计值,提高机动目标跟踪的精度。仿真实验验证了该算法的有效性。     

基于灰色神经网络和自适应网络过滤的流量预测模型

网络流量是衡量网络运行负荷和状态的重要参数,也是网络规划、流量管理等方面起着重要作用的重要参数。在流量管理中,流量模型用于评价接入控制机制和预测网络性能。在灰色神经网络研究的基础上,提出一种新的网络预测方法,通过自适应过滤法对灰色神经组合模型时产生的残差进行修正,从而达到比较精确的效果。实验结果表明,该方法有效可行。     

融合粗糙集和灰色GM（1，N）的西安市供水量预测

对于多变量预测问题,构造了粗糙集和灰色理论的融合预测模型。该模型运用粗糙集的知识依赖度理论对多属性进行约简,在约简基础上建立GM（1,N）模型。用所建模型对西安市年供水量进行了拟合和预测,并与离散灰色GM（1,1）模型作比较。实验结果表明该模型的预测精度高于传统的用灰关联度选择影响因子建模,从而为供水量预测问题提供了一种新方法。     

State estimation for stochastic time‐varying multisensor systems with multiplicative noises: Centralized and decentralized data fusion

In this paper, the state estimation problems, including filtering and one‐step prediction, are solved for uncertain stochastic time‐varying multisensor systems by using centralized and decentralized data fusion methods. Uncertainties are considered in all parts of the state space model as multiplicative noises. For the first time, both centralized and decentralized estimators are designed based on the regularized least‐squares method. To design the proposed centralized fusion estimator, observation equations are first rewritten as a stacked observation. Then, an optimal estimator is obtained from a regularized least‐squares problem. In addition, for decentralized data fusion, first, optimal local estimators are designed, and then fusion rule is achieved by solving a least‐squares problem. Two recursive equations are also obtained to compute the unknown covariance matrices of the filtering and prediction errors. Finally, a three‐sensor target‐tracking system is employed to demonstrate the effectiveness and performance of the proposed estimation approaches.     

A data-model-fusion prognostic framework for dynamic system state forecasting

A novel data-model-fusion prognostic framework is developed in this paper to improve the accuracy of system state long-horizon forecasting. This framework strategically integrates the strengths of the data-driven prognostic method and the model-based particle filtering approach in system state prediction while alleviating their limitations. In the proposed methodology, particle filtering is applied for system state estimation in parallel with parameter identification of the prediction model (with unknown parameters) based on Bayesian learning. Simultaneously, a data-driven predictor is employed to learn the system degradation pattern from history data so as to predict system evolution (or future measurements). An innovative feature of the proposed fusion prognostic framework is that the predicted measurements (with uncertainties) from the data-driven predictor will be properly managed and utilized by the particle filtering to further update the prediction model parameters, thereby enabling markedly better prognosis as well as improved forecasting transparency. As an application example, the developed fusion prognostic framework is employed to predict the remaining useful life of lithium ion batteries through electrochemical impedance spectroscopy tests. The investigation results demonstrate that the proposed fusion prognostic framework is an effective forecasting tool that can integrate the strengths of both the data-driven method and the particle filtering approach to achieve more accurate state forecasting.     

倒立摆网络控制系统的自适应灰色预测策略研究

基于灰色理论、自适应切换方法以及MIMO网络控制系统的研究,提出了一种网络环境下自适应灰色预测控制策略,并对整个建模过程进行了详细推导。该方法利用新陈代谢原理建立等维新息GM(1,1)模型,其在线辨识参数较少,避免了Diophantine方程和逆矩阵的在线求解,从而减少了计算量,提高了网络控制系统的实时性。倒立摆网络控制系统的仿真实验表明了所提方法的有效性。     

改进的PSOGM算法在动态关联规则挖掘中的应用

针对动态关联规则挖掘中支持度向量和置信度向量变化趋势的分析和预测,提出一种改进的粒子群优化的灰色模型应用在动态关联规则挖掘中。由于灰色模型在引入背景值后导致在非平稳序列中的预测精度下降,因此有必要引入参数进行修正,通过在粒子群优化算法中引入二次搜索机制,优化求解灰色模型不同时刻的背景值,从而提高粒子群算法的局部搜索能力,进而提高灰色模型的预测精度。通过在Matlab平台上进行实验仿真,数据集采用超市购物数据,结果表明该方法比原始灰色模型、遗传算法优化的灰色模型和标准的粒子群优化的灰色模型具有更高的预测精度。     

移动USBL测距辅助的UUV协同导航定位方法

针对无人水下航行器(UUV) 导航精度受惯性导航(INS) 影响较大的问题, 本文提出一种基于无人水面船 (USV)携带超短基线(USBL)对UUV进行移动式辅助导航定位的方法. 文中以USV上高精度INS和全球导航卫星系 统(GNSS)组合后的导航结果作为基准, 利用USBL测量得到的USV和UUV相对位置和姿态信息, 结合UUV的INS误 差方程, 建立了UUV协同导航系统的状态方程和观测方程, 并基于自适应卡尔曼滤波方法对UUV状态进行滤波估 计. 仿真和湖上实验结果表明, 文中所提方法可有效提升UUV导航精度.     

Experimental validation of an active heave compensation system: Estimation,prediction and control

This work presents a comprehensive active heave compensation (AHC) approach proposing estimation, prediction and control methods. The estimation concept covers the estimation of the attitude using sensor fusion as well as the estimation of heave which is obtained by applying adaptive filtering methods. Moreover, a prediction approach based on a Levinson recursive least squares (RLS) algorithm is proposed. The actuation concept consists of a model predictive trajectory planner and a model-based Two-Degree-of-Freedom (2-DOF) controller. It is based on a model of the hydraulically driven compensation winch. The overall compensation performance as well as the estimation and prediction accuracy are evaluated using a full-scale AHC test bench.