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。     

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.     

激光雷达与高光谱成像技术数据融合研究进展

近年来,为提高地物分类精度,突破单一传感器的技术擎制,弥补单一数据源应用的局限性,多源遥感数据融合的成为了遥感领域众多学者关注的研究热点。高光谱遥感技术的光学影像同激光雷达点云数据的融合技术在技术层面为提升地物识别与分类的精度上提供了一种可行方案,打破了单一传感器的技术上限,为目标三维空间—光谱信息一体化获取提供了一种新的解决途径,同时为高光谱激光雷达成像技术研究奠定基础。本文回顾了激光雷达与高光谱成像数据融合发展历程,论述其在特征级和决策级的主要融合方法和研究进展,将常用特征级融合和决策级融合方法进行详细介绍,并对最新几种研究算法进展进行小结和概述,探讨了其面临的挑战和未来发展与应用前景,最后对激光雷达和高光谱成像数据融合未来发展做出系统展望。     

嵌入式数据融合系统的设计与实现

介绍了一个基于ARM9嵌入式系统的数据融合平台设计与实现过程。采用S3C2440嵌入式微处理器、ZigBee无线传感器网络和实时Linux操作系统,集成单传感器数据融合与多传感器数据融合两套算法,能够依据环境切换融合算法,并可方便地集成各种数据融合算法,特别适用于旧系统改造、流动式数据检测与控制等场合。     

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．     

基于多传感器的综合集成研讨厅信息融合系统

介绍了多传感器信息融合方法及处理模型、美国圣菲研究所在复杂适应系统领域以及园内在综合集成研讨厅领域的研究与实践，在此基础上，通过对多传感器信息融合系统和综合集成研讨厅的本质分析及对比研究，提出了一种通用的基于多传感器的综合集成研讨厅信息融合系统体系结构。同时，结合作者对装备保障复杂适应系统的研究与理解，分析了基于多传感器的装备保障综合集成研讨厅信息融合系统的功能需求、体系结构层次和技术结构层次，初步构建了装备保障综合集成研讨厅信息融合系统的体系结构框架，寻求到了一种多传感器信息融合研究的新途径。     

基于QDPSO-BP网络的多传感器融合算法

多传感器数据融合的理论和方法已经被应用到许多领域。但目前对于多传感器所测的数据还没有一种通用的行之有效的处理方法。基于量子空间的粒子群(QDPSO)算法训练的BP神经网络具有较好的稳定性和收敛性,将其运用于多传感器的数据融合,在仿真中取得了比常规算法更高的精度,控制策略制定准确、可靠,是一种较有潜力的多传感器数据融合方法。     

一种基于证据理论的数据融合新算法研究

从决策级层次出发,给出一种新的基于证据理论的多传感数据融合算法.从传感器的重要度和各证据的可信度两方面综合考虑对融合结果的影响,并根据传感网络的实际应用情况给出了反映传感器重要度及证据可信度的融合系数,引入未知项,使新的算法能更好地实现多传感器的数据融合.通过举例与分析表明新算法能较好地解决证据冲突引起的失效问题.     

基于AIN信息融合方法的应用研究

信息融合技术是一种集成多个传感器数据以获得更加精确的检测和识别结果的技术。如何有效地集成多源检测数据以充分发挥各种检测数据的作用,从而获得最好的检测和识别结果,仍然是信息融合技术应用的关键问题,引起了人们广泛的关注和探索。提出采用人工免疫网络（Artificial Immune Network,AIN）作为模式识别领域中信息融合技术的融合算法,并做出了初步的尝试,两个实验证明了AIN作为信息融合算法的可行性和有效性。     

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。     

面向复杂装备的信息融合式健康监测分析研究

为解决当前复杂装备维修维护与状态监测所面临的问题,提出面向复杂装备的信息融合式健康监测;对复杂装备健康监测需求进行研究,明确针对复杂装备开展健康监测研究的意义;完成装备健康监测概念辨析,明确将信息融合技术引入复杂装备健康监测的意义;对信息融合技术国内外研究现状进行分析,针对信息融合技术的数据级、特征级及决策级,对各层级典型信息融合算法进行概要分析;论文研究为后续进一步深入开展复杂装备信息融合式健康监测研究奠定了良好基础。     

多聚焦图像融合算法

多聚焦图像融合,是将两幅(或多幅)对同一场景的各个目标,聚焦不同的图像融合成一幅清晰的新图像.在多聚焦图像融合中,典型的群智能算法图像融合方法取得了较好的效果,如遗传算法、粒子群算法等.目前,对群智能算法的优化改进,加快图像的融合速度是一个主要的研究方向.     

基于3D激光雷达的SLAM算法研究现状与发展趋势

即时定位与地图构建(simultaneous localization and mapping, SLAM)算法是移动机器人实现自主移动的关键环节。激光雷达(LiDAR)具有测距精度高、不易受外部干扰和地图构建直观方便等优点,广泛应用于大型复杂室内外场景地图的构建。随着3D激光器的应用与普及,国内外学者围绕基于3D激光雷达的SLAM算法的研究已取得丰硕的成果。梳理了3D激光SLAM算法在前端数据关联、后端优化等环节的国内外研究现状,分析总结了目前各种3D激光SLAM算法以及改进方案的原理和优缺点,阐述了深度学习和多传感器融合理论与技术在3D激光SLAM算法中的应用情况,指出多源信息融合、与深度学习结合、应用场景的鲁棒性、 SLAM算法通用框架及移动传感器和无线信号体制的技术渗透是3D激光SLAM算法的研究热点和发展趋势。研究成果对3D激光SLAM算法和未知环境中移动机器人即时定位和地图构建的研究具有重要的参考价值和指导意义。     

多微惯性传感器的一致性检测方法

多传感器数据融合是进行高精度检测的主要方法和关键技术。因为有些数据融合算法过于复杂 ,或者假设条件过多 ,阻碍其在工程的应用。针对微惯性传感器检测系统的特点 ,提出一种新型的、基于信息分配原理的一致性检测方法 ,该算法具有简单、实时的特点     

国内多源遥感影像信息融合技术的新进展

遥感影像信息融合是有效利用遥感海量数据的关键技术。在总结传统遥感影像融合算法的基础上,对传统算法的改进算法和新的融合算法做了较为详尽的介绍,以期为全面系统地了解我国影像融合技术的发展,为我们的学习和研究工作提供便利。     

Objectively adaptive image fusion

Signal-level image fusion has been the focus of considerable research attention in recent years with a plethora of algorithms proposed, using a host of image processing and information fusion techniques. Yet what is an optimal information fusion strategy or spectral decomposition that should precede it for any multi-sensor data cannot be defined a priori. This could be learned by either evaluating fusion algorithms subjectively or indeed through a small number of available objective metrics on a large set of relevant sample data. This is not practical however and is limited in that it provides no guarantee of optimal performance should realistic input conditions be different from the sample data. This paper proposes and examines the viability of a powerful framework for objectively adaptive image fusion that explicitly optimises fusion performance for a broad range of input conditions. The idea is to employ the concepts used in objective image fusion evaluation to optimally adapt the fusion process to the input conditions. Specific focus is on fusion for display, which has broad appeal in a wide range of fusion applications such as night vision, avionics and medical imaging. By integrating objective fusion metrics shown to be subjectively relevant into conventional fusion algorithms the framework is used to adapt fusion parameters to achieve optimal fusion display. The results show that the proposed framework achieves a considerable improvement in both level and robustness of fusion performance on a wide array of multi-sensor images and image sequences.     

基于CPS的气动试验研究体系全链路数据融合研究

三大手段融合气动试验是新一代航空航天飞行器研制的必然需求,当前由于链路不通、设备数字化程度低等多种因素,制约了三大手段的有效融合应用。文章分析了气动试验研究体系中的信息物理系统内涵和建设必要性,阐述了信息物理系统与气动试验研究融合的目标愿景,通过构建气动试验研究体系信息物理系统,提出打通数据、流程、试验手段三个链路的方法,形成气动设备、试验研究对象（型号、标模）和人三个维度的数字化,通过气动试验研究大数据为三大手段融合注入新的驱动力,促进气动试验研究能力从数据组织、信息价值、管理能力三个维度螺旋提升,有力推动气动试验研究体系的建立。     

遥感图像融合的研究现状、困境及发展趋势探讨

从像素级、特征级和决策级遥感图像融合的角度,概述了遥感图像融合的研究现状处于瓶颈发展时期。提出遥感图像融合研究的三方面主要困境:缺乏统一的融合理论框架作指导;缺乏面向应用的融合算法设计;融合数据源的选择没有针对性,缺乏针对不同传感器数据和不同分辨率的融合研究。指出目前遥感图像融合研究在特征级和决策级融合,多角度融合,数据预处理精度,以及不确定性分析方面的研究不足。最后,提出了未来遥感图像融合的发展趋势和研究热点。     

多传感器融合综述

对智能机器人领域的多传感器融合的研究现状进行了讨论。首先，对该领域研究中的一些问题进行了概述，包括信息描述空间、数据关联与时间同步、验前信息和融合结构等，然后把已有的融合方法分类成概率统计方法和人工智能方法进行重点介绍。最后，强调了融合结构在多传感器融合研究中的作用，并且对多传感器融合的未来研究作了进一步的展望。     

Sensor integration and data fusion

The problem of sensor integration and data fusion is addressed. We consider the problem of combining information from diversified sources in a coherent fashion. We assume that information from various sensors may be available in different forms at the fusion. For example, data from infrared (IR) sensors may be combined with range radar (RR) data and further combined with visual images. In each case, data and information from different sensors are presented in a different format which may not be directly compatible for all sensors. Part of the available information may be in the form of attributes and part in the form of dynamical measurements. A generalized evidence processing theory and an architecture for sensor integration and data fusion that accommodates diversified sources of information are presented. Data (or, more generically, information) fusion may take place at different levels, such as the level of dynamics, the level of attributes, and the level of evidence. The common and different aspects of fusion at the different levels are investigated and several practical examples of real world data fusion problems are discussed.