基于多传感器数据融合的温室温度采集

温室具有空间大且温度场分布受多种参数影响大等特点。基于这些特点,本文提出了基于多传感器数据检测与数据融合技术的温室环境温度采集方法。在多传感器采集数据基础上,采用分布图法去除疏失误差,同时采用基于均值的递推估计融合的方法对采集的数据进行融合。仿真结果表明,采用这种方法可以提高温度采集的精度,同时有效地消除了由于传感器失效引起的误差。     

多传感器信息融合在温室湿度检测中的应用

针对温室环境复杂、温室湿度变化明显等特点,采用多传感器信息融合方法对采集的温室湿度进行数据融合.传统温室湿度采用平均值算法进行数据的融合,具有融合结果误差较大、无法消除传感器失效产生的误差等缺点,采用模糊C均值(FCM)聚类算法对温室湿度进行数据融合,结果显示:FCM算法优于平均值算法,提高了检测的准确性.     

数据融合技术在消防车检测系统中的研究

文中主要研究消防车检测系统中温度工作状态参数,给出了基于DSP TMS320LF2407为核心的硬件构成,提出了基于多传感器数据检测与数据融合技术的温度采集方法。在多传感器采集数据基础上,采用分布图法去除疏失误差,同时采用自适应加权数据融合算法的方法对采集的数据进行融合。实测表明,采用这种方法可以提高温度采集的精度,同时有效地解决了由于传感器失效引起的误差和单点采集温度的不足。有效地保证了消防车检测系统的实时性和准确性。有一定良好的应用前景。     

智能温湿度控制系统在配电柜体内的应用

主要研究电力系统中配电柜体内温湿度检测与自动调节,提出了基于多传感器数据检测与数据融合技术的配电柜体内温湿度采集方法。在多传感器采集数据基础上,采用分布图法去除疏失误差,同时采用Bayes后验估计理论融合的方法对采集的数据进行融合。为了更加精确地对温度进行控制,将数据融合技术和湿度变量跟传统的PID控制算法相结合。实测表明,采用这种方法可以提高温度采集的精度,同时有效地改善了由于传感器失效引起的误差、单点采集温度和PID控制的不足。     

基于多传感器的温室环境数据融合算法研究

无线传感器网络中采集的数据存在着较大的冗余与误差,影响数据的可靠性;而在温室环境监测中,对数据的准确性要求比较高。因此,为了提高多传感器采集数据的准确性,在研究了现有的几种数据融合算法以后,提出一种基于多传感器的综合数据融合算法。给出了采用格罗布斯准则消除粗大误差,并引入哈夫曼树的思想对数据进行项融合的方法。结果表明,该算法可以有效提高测量数据的准确性。     

改进PSO-BP网络在温室数据融合中的应用研究

由于温室环境受到各种因素影响,导致分布在各点的温度值不均匀,为了获得温度的准确值,提出了基于改进PSO的神经网络对其进行数据融合,并且采用分布图法剔除多传感器离异数据,最终得到准确有效的数据,为温室管理提供了精确的信息。仿真结果表明,采用这种方法可以提高温度采集的准确性,并且有效地消除了由于传感器失效引起的误差。     

一种基于数据预处理和卡尔曼滤波的 温室监测数据融合算法

温室具有空间大、无线传感器节点易受到干扰等特点,节点采集的数据波动性较大且易出现丢失现象.为了提高温室监测无线传感网的可靠性和数据融合的精度,提出了一种基于数据预处理和卡尔曼滤波的无线传感器网络数据融合算法.经过对各传感器数据进行预处理和卡尔曼滤波估计,再将数据发送到簇头节点进行基于状态补偿策略的加权数据融合.通过对温室湿度数据进行仿真,结果表明:数据预处理能明显减小数据波动,大幅减少网络数据传输量和能耗,提高抗干扰能力.另外,针对温室无线传感器网络容易出现丢包的现象,基于状态补偿策略的加权数据融合算法可以明显提高在数据丢包情况下的融合精度.     

高精度传感器信息采集中的误差消除算法仿真

在高精度的传感器信息采集中,不同传感器传回的数据在属性和格式上都存在较大差异,经过融合后,传感器采集得到的数据属性会发生变化,造成变化不可控和数据融合误差.传统算法多经过了传感器信息融合步骤,一旦多个传感器传回数据融合差异较大,会造成采集得到的最终信息残差增大,结果失真.为了避免上述缺陷,提出了一种多阶函数误差补偿算法的高精度传感信息融合误差消除方法.利用粒子群优化方法,能够对传感器测控数据进行收集和融合处理.利用多阶函数误差补偿方法,能够对传感器中的融合误差进行消除.实验结果表明,利用改进算法能够有效消除传感器数据采集中的误差,从而提高传感器数据采集数据的精度,为不同行业提供了准确的决策依据.     

多传感器状态融合估计在雷达跟踪中的应用

采用Carlson最优数据融合准则,将基于Kalman滤波的多传感器状态融合佑计方法应用到雷达跟踪系统.仿真实验表明,多传感器Kalman滤波状态融合佑计误差小于单传感器Kalman滤波得出的状态佑计误差,验证了方法对雷达跟踪的有效性.     

基于模糊逻辑的多传感器数据融合方法研究

针时当前工业环境下温湿度采集和多传感器数据融合的特点和需求,文章提出了一种基于模糊逻辑的多传感器数据融合方法,该方法能够消除错误数据对判别当前环境下温湿度状态的影响.文章首先介绍了温湿度检测系统的硬件构成,然后以模糊集理论为基础,研究了传感器数据的模糊转换,最后给出了基于模糊综合评判的多传感器数据融合方法.试验结果表明,本系统具有很强的实用性和智能性.     

一种改进的多无线传感器数据分批估计自适应加权融合算法

为解决温室大棚中多无线传感器监测数据融合精度低的问题,提出了一种改进型的分批估计自适应加权融合算法。算法首先对单个无线温度传感节点一段时间内所采集的数据根据容许函数阈值剔除误差较大的数据,然后对该温度传感器的数据进行分批估计得出该节点某一段时间内的最优估计值,以此得到该区域所有无线温度传感节点最优估计值后,依据权值最优分配原则对每组传感器数据进行组内自适应加权融合,从而计算得到该段时间内温室大棚的温度精确值。通过实验验证得出：相对于平均值法与传统的分批估计算法,本算法数据融合易于实现,融合值相对误差值更低,稳健性更好。     

基于边缘方向直方图的Adaboost人脸检测

在传统的Adaboost分类器算法中,采用色彩直方图或空间直方图作为提取特征,但这并不能充分描述图像目标的特征,导致了目标检测和跟踪出现偏差。提出了一种基于边缘方向直方图的Adaboost人脸检测算法,使用空间分布和纹理信息作为提取特征。实验结果表明,该方法与传统Adaboost方法相比,准确率明显提高,而速度相当。     

基于边缘方向直方图的Adaboost人脸检测

在传统的Adaboost分类器算法中，采用色彩直方图或空间直方图作为提取特征，但这并不能充分描述图像目标的：特征，导致了目标检测和跟踪出现偏差。提出了一种基于边缘方向直方图的Adaboost人脸检测算法，使用空间分布和纹理信息作为提取特征。实验结果表明，该方法与传统Adaboost方法相比，准确率明显提高．而速度相当。     

基于改进D-S证据理论的室内环境控制决策系统

针对室内环境因子多且相互作用关系复杂,影响室内环境舒适度的控制精准决策,设计了一种基于改进D-S证据理论的室内环境控制决策系统。首先采用箱线图法和均值替代法检测修复异常采集数据,然后利用距离自适应加权融合算法实现同类传感器数据一级融合,最后利用改进D-S证据理论算法,实现全局融合决策。实验结果表明,改进D-S证据理论算法能够有效避免冲突证据带来的融合决策误差,系统可以实现室内环境控制的精准决策,融合决策精度高,具有一定的推广应用价值。     

基于高斯隶属度的融合算法在改进Leach中的应用

无线传感器网络中节点采集的数据具有较高的冗余度,对数据进行融合处理后再传送到汇聚节点,能有效地降低能量消耗,延长网络生命周期.设计了一种基于高斯隶属函数的数据融合算法,并改进无线传感网络Leach协议,对传感器节点进行二级分簇,多跳通信延长网络生命周期.在一级簇头节点依据分布图法剔除疏失数据,进而利用高斯隶属函数求得权...     

基于小波分析和多模融合的外弹道估计算法

在外弹道数据处理中，奇异点处理、特征点求取与随机误差削弱都是精度估计的关键环节．本文首先利用小波变换在处理奇异点、特征点、噪声消除方面的优势，对观测数据进行基于小波变换的分解、融合、重构处理，剔除奇异点，查找特征点，削弱随机误差．其次利用节点自由分布B样条描述导弹运动轨迹，使该弹道确定方法转化为关于求解导弹轨道样条表示参数和测量系统误差的多模融合的非线性优化问题，采用非线性最优化方法，进而得到待估参数的最优估计，完成弹道的最佳逼近．仿真结果表明，该技术应用在奇异点处理、特征点提取与随机误差削弱方面效果较好，多模融合算法能减少计算量，且能切实提高参数估计精度．