基于多传感器数据融合技术的应用研究

复杂系统的多传感器数据融合是一门新兴的技术,它通过对来自多个传感器的数据进行多级别、多方面、多层次的处理从而产生出单个传感器所不能获得的更有意义的信息.数据融合在军事领域和民用领域都有很大的发展和应用前景.该文提出了一种基于神经网络融合算法的多传感器数据融合技术,对所采用的数据融合技术用于烧结终点预测进行了详细介绍.通过仿真结果证明,该方法鲁棒性强,准确性高,泛化能力广,具有很强的实用性和推广价值.     

模糊数据融合算法在设备状态监测中的应用

在对设备进行状态监测时,常采用传感器固定阈值检测法实现对设备的故障监测。为了克服该种方法所引起的信息损失问题,基于模糊集系统理论,提出一种应用多传感器模糊数据融合的融合监测方法,将监测设备的多个传感器所获取的信息模糊化,再将其融合,从而获取设备精确的状态估计。实验表明:该方法优于传统的设备故障监测方法。     

信息融合技术在电路板无损检测中的应用研究

信息融合技术是一个非常有前景的应用研究,在各个领域都有着很大的作用,所以信息融合技术的应用范围也越来越大.在通过对数据信息融合进而确定发生故障的元件,这就是使用信息融合技术做到电路板无损检测,这是一个具有一定优越性的检测方式,非常适合用于关于电路板无损检测领域.随着印制电路板的发展越来越发展多样,传统的检测方式不仅费时费力成本也十分高,而且还存在一些技术上的困难,多传感器数据融合技术的开发为其提供了一条新道路.     

多传感器信息融合技术及其在机器人中的应用

多传感器信息融合技术是近年发展起来的一门新兴技术,在机器人领域有着广阔的应用前景。通过融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。主要论述了多传感器信息融合的一般方法,并对其在机器人领域的应用进行了介绍。最后指出多传感器信息融合技术在微传感器、智能传感器和自适应融合等方面的发展方向。     

多传感器数据融合技术研究进展

多传感器数据融合是信息领域一个前景广阔的研究方向.由于单一的数据融合算法具有一定的局限性,将2种或2种以上的数据融合算法进行优势集成已逐渐成为数据融合领域的研究热点.介绍了数据级、特征级和决策级融合3种数据融合方式的主要特点、方法及应用,归纳了常用的数据融合方法,并重点阐述了几种多传感器数据融合集成算法的研究进展,简单介绍了多传感器数据融合技术的应用.     

传感器故障的神经网络信息融合诊断方法􀀁

提出了一种控制系统传感器故障诊断的结构形式,针对多传感器系统的特点,将相关传感器的输出数据综合,应用神经网络的非线性拟合能力护展相关信息,信息融合诊断策略根据这些信息确定出故障传感器,同时对故障信号进行恢复。仿真实验表明该结构形式对于传感器的三种常见故障均能进行识别和恢复,效果令人满意。     

雷达与红外传感器数据关联及融合算法研究

多传感器信息融合技术在目标跟踪领域已经得到了广泛的应用,末制导融合技术是多传感器跟踪系统中的关键技术之一,而主动雷达、红外传感器的数据融合问题是研究的热点。由于主动雷达发射电磁波容易暴露,红外传感器隐蔽性好,但只能测角,不能测距,采用主动雷达为主、红外探测为辅的数据融合系统进行目标跟踪有利于充分地发挥红外、雷达2种传感器的互补性,使其相得益彰。基于卡尔曼滤波的预测、修正的思想,提出了一种新的融合算法,仿真结果和实验表明:利用此方法可使雷达、红外传感器达到较好的数据融合效果。     

数据融合技术中Dempster-Shafer证据理论的应用

介绍了多传感器数据融合技术中的Dempster-Shafer证据理论法的应用.多传感器系统中包括声传感器、振动传感器、磁传感器和红外传感器.此系统对同类、异类传感器的信号采集、预处理,及数据的预处理结果用概率的形式表示,数据融合在此多传感器系统中的作用是采用Dempster-Sharer证据理论法进行融合,利用多传感器的互补与冗余信息,提高整个传感器系统的有效性.     

多传感器数据融合仿真系统的设计与实现

随着多传感器数据融合技术在C^3I领域中的广泛应用，针对目前C^3I系统的研制和发展情况，结合多传感器数据融合的特点，采用目前非常流行的面向对象程序设计技术，设计了多传感器数据融合仿真系统的体系结构、信息流程、功能模块、数学模型，最终实现了多传感器数据融合仿真系统，并对其效能进行了科学的评估。仿真系统具有模块化、灵活性强和可移植性好等特点。     

基于多传感器的语义数据融合方法研究

物联网已经渗透到各个领域,并对各领域数据进行自动采集和应用。但异构数据的存储和融合一直是物联网的技术难题,使数据信息不能被理解,阻碍传感器的应用。因此设计高质量的数据融合算法,具有重大实际应用价值。本课题拟通过语义,根据物联网传感器数据融合的理论分析与本体建模的方法,以及传感器本体和语义融合的一般方法,提出基于多传感器的语义数据融合方法,促进语义在物联网多传感器数据融合中的应用,为物联网系统的智能控制和决策分析打下基础,加快物联网在各领域的快速发展和深入应用,有一定的经济和社会效益。     

多尺度传感网络失效节点检测系统设计

对多尺度传感网络中的失效节点进行准确检测与定位,实现故障节点的高效检测,保障传感网络的可靠运行。提出一种基于多传感器量化融合跟踪滤波检测的失效节点检测算法,并进行检测系统优化设计。构建多尺度传感网络的节点分布实体对象模型,进行失效节点检测系统总体设计和技术指标分析。设计基于多传感器量化融合跟踪滤波检测的失效节点检测算法。进行系统的硬件设计,包括A/D模块设计、时钟电路设计、程序加载电路设计、传感器通信模块设计和系统电源模块设计。在ARM Cortex?-M0平台上进行检测系统软件开发。系统仿真结果表明,该系统进行多尺度传感网络失效节点检测的准确度较高,提高了传感器网络的寿命周期。     

网络安全中多源传感器数据融合技术研究

多源传感器数据融合技术是网络安全领域的研究热点。本文提出了一种基于时间和空间的数据融合分类方法,比较分析了各种数据融合技术在分布式入侵检测系统和网络安全态势感知系统中的应用,讨论了网络安全中多源传感器数据融合技术的发展趋势。     

基于热释电红外传感器的多节点定位系统研究与设计

针对热释电红外传感器(PIR)在人体探测领域中越来越广泛的应用,研究设计了一种基于PIR的检测定位系统,可实时完成对人员目标入侵探测区域时的检测与定位,并预推出人员目标的行进轨迹;该系统由多个PIR感知节点组成,每个感知节点通过传感在动、静两种状态下对探测区域进行信息采集;最终融合多节点与不同状态下传感器采集的数据,算出各个传感器的探测角度值,以交叉定位的算法,得到目标的定位坐标;经实验证明,该系统运行稳定,检测灵敏,定位效果很好,拓宽了热释电传感器在定位定向方面的使用范围。     

Data fusion with Gaussian processes

This paper addresses the problem of fusing multiple sets of heterogeneous sensor data using Gaussian processes (GPs). Experiments on large scale terrain modeling in mining automation are presented. Three techniques in increasing order of model complexity are discussed. The first is based on adding data to an existing GP model. The second approach treats data from different sources as different noisy samples of a common underlying terrain and fusion is performed using heteroscedastic GPs. The final approach, based on dependent GPs, models each data set by a separate GP and learns spatial correlations between data sets through auto and cross covariances. The paper presents a unifying view of approaches to data fusion using GPs, a statistical evaluation that compares these approaches and multiple previously untested variants of them and an insight into the effect of model complexity on data fusion. Experiments suggest that in situations where data being fused is not rich enough to require a complex GP data fusion model or when computational resources are limited, the use of simpler GP data fusion techniques, which are constrained versions of the more generic models, reduces optimization complexity and consequently can enable superior learning of hyperparameters, resulting in a performance gain.     

PSO-BP神经网络在多元有害气体检测中的应用

针对目前常见的多元有害气体检测问题,搭建了一种基于传感器阵列和GP神经网络相结合的多元有害气体检测系统。该检测系统中采用了GP神经网络算法对传感器阵列的4种混合有害气体的响应信号进行回归分析。为了提高GP神经网络的预测准确性,又利用了粒子群优化（ PSO）算法对GP神经网络的权值与阈值进行了优化。结果显示：通过PSO 优化的GP（ PSO-GP）神经网络预测的平均相对误差小于2%,能够有效解决气体传感器交叉敏感问题。     

水声信号处理中的多传感器数据融合

水下环境的复杂性往往使得单个传感器的可靠性降低,而多个水下传感器的共同使用则成为一个趋势,这就涉及到对于来自多个传感器的数据进行多方面、多层次的融合处理。概括和分析了当前多传感器数据融合技术在水声信号处理领域中的应用现状,并将诸多的融合方法按照具体应用范畴进行了分类,主要包括水下目标探测、跟踪和识别,以及水下自制机车导航等方面,对每种应用情况下的各种数据融合方法进行了比较。     

数据融合技术在智能建筑火灾探测中的应用研究

针对目前智能建筑火灾探测的复杂性,采用离子感烟探测器、光电感烟探测器、温度探测器、火焰探测器来探测复杂的火灾场地,使用BP神经网络和基于D-S证据理论的多传感器数据融合技术对探测到的数据进行处理和仿真。从仿真结果可以看出,数据融合技术能提高火灾识别率,降低火灾误报率     

TM与ETM影像融合用于地质构造解译

多源遥感影像数据融合是一种通过高级影像处理技术来复合多源遥感影像的技术，其目的是将单一传感器的多波段信息和不同传感器提供的信息加以综合，以提高获取信息的有效性和准确性，解译的可靠性，以及形成对目标的完整一致的描述。本采用TM与ETM经图像处理和融合，用于对地质构造解译，取得良好效果。     

基于集成智能算法的发动机滑油系统融合诊断

为确保飞行训练安全、预防发动机维修事故发生,针对当前航空发动机磨损故障诊断存在的问题,提出基于集成智能算法的发动机滑油系统故障检测模型.从铁谱诊断、光谱诊断、颗粒计数诊断、理化指标诊断和试车台数据诊断等方面研究了运用集成神经网络方法对多源信息进行融合诊断.结果表明:融合诊断结果的故障模式比单项诊断结果的故障模式要多;当单项诊断出现矛盾时,融合诊断结果能很好地解决诊断冲突问题.基于集成神经网络的发动机油液系统磨损故障的融合诊断能充分利用多种方法的互补性和有效解决诊断冲突问题,从而使诊断结果更为可靠和准确.     

计算机视觉中传感器规划综述

在摄影测量和目标识别计算机视觉的应用中,为了提高三维定位精度,有必要采用传感器规划策略,即预先在摄像机和照明参数进行规划,因为这样可以更有效地完成视觉任务,为了使人们对计算机视觉中传感器规划有一概略了解,首先分析了传感器和照明参数、特征检测约束、传感器和目标模型等影响传感器规划的各种因素;然后在总结传感器规划最近研究进展的基础上,根据传感器规划所使用方法等的不同,对传感器规划问题进行了分类,并将传感器规划问题归纳为组合优化的过程;最后指出传感器规划今后几个可能的研究方向。