多传感器数据融合技术

文章讨论了多传器数据融合功能模型，介绍了多传感器数据融合算法及体系结构。     

多传感器信息融合技术及其发展趋势

阐述了信息融合的定义、设计流程及信息融合的处理过程,分析并比较了多传感器信息融合的层次。介绍了多传感器信息融合的技术和方法及其在军、民事领域方面的应用。在此基础上提出了有待解决的问题,并分析了多传感器信息融合的发展趋势与进展。     

多传感器多目标状态信息融合

研究了多传感器多目标状态信息融合问题。针对被动式跟踪的特点，借助主动跟踪的距离通道值，提出类主动的被动式跟踪。在此基础上提出主被动串并联状态信息融合算法。仿真结果表明该融合方法可以大大提高跟踪精度，而且提高系统的可靠性。     

多传感器信息融合技术及其发展趋势

阐述了信息融合的定义、设计流程及信息融合的处理过程,分析并比较了多传感器信息融合的层次。介绍了多传感器信息融合的技术和方法及其在军、民事领域方面的应用。在此基础上提出了有待解决的问题,并分析了多传感器信息融合的发展趋势与进展。     

多目标跟踪中多传感器分布式控制策略

分布式传感器网络技术在复杂的多目标跟踪系统中发挥了极其重要的作用.本文针对多传感器多目标跟踪中的分布式传感器控制问题,提出了基于信息论的多传感器控制策略.首先,本文利用随机有限集(RFS)建模,给出了多传感器多伯努利滤波器,并通过一组参数化的多伯努利过程来近似多传感器多伯努利密度.进一步的,通过多伯努利滤波器的序贯蒙特卡罗实现,设计采样方案对多伯努利密度进行粒子采样,用一组带有权值的粒子集近似多目标状态空间分布.随后,借助巴氏距离(Bhattacharyya distance)作为传感器控制的评价函数用于多个传感器的独立并行控制方案的决策制定.作为另外一个重要内容,本文提出了一种基于多目标战术重要性评估的多传感器控制策略.该控制方案旨在评估多目标战术重要性的基础上对威胁度最大的目标进行优先跟踪.最后,仿真实验验证了所提算法的有效性.     

基于多Agent的传感器管理系统研究与设计

本文提出了一种传感器管理系统框架,给出了基于多Agent的解决方案。该结构通过多个Agent间的相互协商来实现传感器任务的分配,较好地克服了在融合中心存在的缺陷。并在此基础上着重探讨各Agent之间的协调合作问题,实现了基于KQML语言的各Agent之间的协调机制。     

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。     

基于模糊推理多传感信息融合的多目标跟踪

将模糊推理系统与多传感器顺序结构算法相结合，实现密集杂波环境中多目标的精确跟踪，采用模糊推理求解关联概率，并与雷达／红外跟踪系统相结合，在密集杂波环境中实现了对多目标的精确跟踪，仿真实验结果表明了所提出方法的有效性。     

多传感器集成与融合概述

多传感器集成与融合是目前智能机器与系统领域的研究热点,具有广阔的应用 前景．本文结合国内外多年的研究成果,对多传感器集成与融合进行了全面地介绍,详细介 绍了其目前研究的主要问题以及解决的方法．并且对多传感器集成与融合所存在的问题以及 未来的研究方向进行深入地探讨．     

多传感器数据的统计融合方法

在多传感数据融合过程中 ,各传感器的可靠程度的确定是至关重要的。利用统计方法理论 ,将各传感器的可靠程度模糊化 ,进而给出各传感器的综合支持程度指标 ,并在此指标基础上给出多传感器数据的融合结果。该方法计算简便 ,其结论较为稳定     

基于多传感器信息融合的目标跟踪与防撞决策

为了实现汽车主动安全系统中的目标跟踪与防撞,提出了混合式汽车防撞系统信息融合结构模型,采用分级信息融合实现目标跟踪,推导出了基于跟踪残留误差和预测残留误差共同校正的融合算法,并给出了算法的实现结构.在此基础之上,利用模糊积分方法融合多种相关信息,确定了汽车应采用的安全运行模式,实现了主动安全防撞决策.大量实验表明,该算法具有很好的稳定性和准确率.     

多传感器组合的移动车载数据采集系统研究

多传感器数据融合作为一门新兴前沿技术,已广泛应用于许多研究领域。三维信息快速采集是真实建模与三维虚拟现实的关键。提出了一种基于多传感器融合的车载移动式三维数据快速采集系统,集成了激光扫描仪、线/面阵CCD相机及GPS与IMU等多种传感器,以完成城市路面街道和建(构)筑物的三维数据自动采集。重点探讨了定位定姿方案设计及其实现,将GPS和IMU数据通过卡尔曼(Kalm an)滤波进行融合,可推测出整个系统及各传感器的位置和最佳姿态估计,以快速获取城市目标的地理坐标和三维建模信息,重建城市路面街道的三维真实场景。     

自校正多传感器观测融合Kalman估值器及其收敛性分析

对于带未知噪声方差的多传感器系统,应用加权最小二乘(WLS)法得到了一个加权融合观测方程,且它与状态方程构成一个等价的观测融合系统.应用现代时间序列分析方法,基于观测融合系统的滑动平均(MA)新息模型参数的在线辨识,可在线估计未知噪声方差,进而提出了一种加权观测融合自校正Kalman估值器,可统一处理自校正融合滤波、预报和平滑问题,并用动态误差系统分析方法证明了它的收敛性,即若MA新息模型参数估计是一致的,则它按实现或按概率1收敛到全局最优加权观测融合Kalman估值器,因而具有渐近全局最优性.一个带3传感器跟踪系统的仿真例子说明了其有效性.     

变电站人力资源辅助调配管理系统设计与实现

传统的变电站人力资源辅助调配管理系统管理的人力资源数量少,管理时易被黑客和病毒入侵,为了解决上述问题,设计与开发了一种新的变电站人力资源辅助调配管理系统。首先引入Struts2和Spring两种开源框架技术,选用HT500辅助主机作为处理主机,处理器内部芯片为NXP32位工业级芯片。然后通过安装插件、初始化Spring容器、在Struts2框架中配置action三步完成系统开发,最后通过Myeclipse6.5开发平台实现软件工作。结果表明,与传统系统进行实验对比,设计的变电站人力资源辅助调配管理系统管理范围是传统系统的2倍,同时具备很强的防入侵能力,拥有广阔的市场发展前景。     

3-Hierarchical resource management model on web grid service architecture

In this paper, we developed a framework for efficient resource management within the grid service environment. For considering the grid service architecture and functions, the resource management is the most important to grid service; therefore, GridRMF (Grid Resource Management Framework) is modeled and developed in order to respond to such variable characteristics of resources as accordingly as possible. GridRMF uses the participation level of grid resource as a basis of its hierarchical management. This hierarchical management divides managing domains into two parts: VMS (Virtual Organization Management System) for virtual organization management and RMS (Resource Management System) for metadata management. VMS mediates resources according to optimal virtual organization selection mechanism, and responds to malfunctions of the virtual organization by LRM (Local Resource Manager) automatic recovery mechanism. RMS, on the other hand, responds to load balance and fault by applying resource status monitoring information into adaptive performance-based task allocation algorithm.

软件研发中的精细化人力资源管理模型及系统

软件项目研发的成功与否,人力资源的管理起着决定性作用。从实践项目中提出了精细化人力资源管理的模型,将人力资源、软件项目、任务等抽象成具有状态、属性和操作的实体,通过定义任务效率、效率奇点等指标,综合SPI、CPI指标进行项目成本进度偏差分析,为人力资源的计划、调度、冲突处理等提供支撑。基于该模型进行平台研发,并通过在该平台中跟踪和分析真实的精细化人力资源管理案例,验证了模型的有效性。     

汽车传感器的现状与发展趋势

介绍了汽车传感器的种类和检测对象,以及传感器在汽车电子控制系统中的应用概况,阐述了汽车传感器的现状,给出了汽车传感器的市场与预测,叙述了汽车传感器向着微型化、集成化和智能化的发展趋势,并认为,MEMS传感器将成为汽车传感器的发展主流。     

基于时延传感器网络的预测融合算法研究*

现有的基于网络时延的融合算法大都直接套用传统的同步数据融合方法,因此会产生信息等待、资源闲置以及差的实时性能等问题.针对上述问题,在现有工作基础上,结合预测估计以及顺序加权融合技术,设计出了一种新的能适应网络时延的多传感器预测加权融合算法.该算法不仅能很好地解决现有基于时延的数据融合算法存在的诸多弊端,同时获得了良好的实时预测功能,并给出了新的基于网络时延的预测加权融合算法的推导过程,通过计算机仿真算例和理论分析来显示新算法的实用性和优越性.