排序方式: 共有33条查询结果,搜索用时 14 毫秒
1.
2.
目前建筑楼宇内的应急疏散标志灯具基本都是以单体的形式存在,具有局限性强和检修工作量大,以及火灾发生时不能及时正确地指引被困人员逃生等问题。基于物联网技术的无线应急灯系统研发可以将上述问题通过无线网络把所有应急灯具连成一个大型的网络,可极大地增强应急灯指示系统的有效性,并可有效减少各种检修的工作量。本文介绍一种针对该类无线系统上位机软件的基本架构,并给出开发的基本步骤与过程。企业专用实验网络测试显示了该软件的有效性和优越性。 相似文献
3.
针对现有单舰船组合导航定位技术存在的不足,如过度依赖GPS、差的可靠性和容错性以及缺乏网络系统概念等,将无线网络系统概念引入到舰船组合导航中,从而基于海上智能交通系统(MITS)提出一种新颖的网络舰船相对组合导航定位方法。该方法不再将海上舰船视为MITS中的孤立节点,因此目标舰船可使用来自网络内其它舰船节点的导航估计并采用最优分布式加权融合来改善自身的组合导航定位估计性能。与现有的单舰船组合导航方法相比,新方法具有更好的导航估训‘精度、更好的稳定性和容错性。 相似文献
4.
为提升蚁群搜索算法在规模大的栅格环境中对未知目标的搜索效率,提出基于蚁群算法的主动感知搜索框架。该框架通过应用历史环境信息来选择无人机的运动方式,并由无人机运动方式和感知域信息得到新的环境信息,从而实现无人机群的智能自动化搜索功能。新方法计算出一种具有探索偏好的未搜索概率,可使无人机搜索时偏向未搜索程度高的栅格,以此来提高算法的搜索能力。同时,以未搜索概率和信息素作为运动方式决策的依据来建立一种新的运动方式选择机制。该机制不仅考虑了目标可能出现的区域,又可兼顾未知区域,从而可实现无目标先验信息条件下的搜索过程。仿真结果表明,此算法在规模大的栅格环境中,与现有算法相比具有更高的搜索效率,并且得到的目标分布信息将更加全面。 相似文献
5.
传统的医疗急救车在病人生理数据实时采集、传输和分析等方面存在诸多不足,文章将智能物联网技术引入到医疗救护车系统的功能升级与设计中,给出一个具有较高实用开发性的医疗救护车智能物联网系统设计方案。该智能物联网的医疗救护车是利用3G/4G网络,将救护车上自动采集到的病人生理数据实时发送到医院急救中心以及医生客户端,医院急救指挥中心的值班医生根据救护车监视系统里传来的数据对病人病情做出初步诊断,并可将处理方法发送给随车医护人员以进行急救指导,同时,根据实时的病人生理数据,以及各种分析结果,在医院进行各种手术和其他治疗目的的针对性准备。 相似文献
6.
本文提出了一种基于分步式滤波的多传感器动态系统数据融合算法.在由多传感器组成的分布式动态系统中,当对目标状态的所有观测值到来时,首先基于系统先前信息对该时刻目标状态进行预测估计,利用Kalman滤波器和各局部观测值依次对该时刻目标状态的估计值进行更新,从而得到该时刻目标状态基于全局信息的融合估计值.文中详细推证了融合算法的具体形式,并与传统的集中式数据融合算法在计算复杂度上进行了比较,计算机仿真表明该算法与传统的集中式算法对目标状态具有相同的估计精确度. 相似文献
7.
针对复杂环境下机器人运动状态估计的精度改善问题, 提出一种面向非线性非高斯系统的改进高斯和容积卡尔曼滤波估计方法. 首先, 引入加权信息量概念来改进期望最大化算法目标函数惩罚项, 使得在优化过程中能考虑更全面的参数信息, 以达到减少期望最大化算法的迭代次数和提高收敛速度的目的. 此外, 以基于马氏距离和Kullback-Leibler (KL)距离的高斯项合并方法为基础, 提出一种能有效联合两类高斯项合并方式的融合模式. 先单独使用马氏距离和KL距离进行高斯混合项合并, 再对获得的高斯混合项进行加权融合处理, 以改善高斯和滤波中多高斯项的合并性能和保真度. 最后, 应用非线性非高斯系统的高斯和容积卡尔曼滤波框架实现对复杂环境下机器人的运动状态估计. 理论分析与仿真结果表明, 该方法能实现对机器人运动更好的状态估计精度, 并具有更强的鲁棒性能. 相似文献
8.
基于EKF的集中式融合估计研究 总被引:2,自引:0,他引:2
以一类非线性多传感器动态系统为对象, 基于扩展Kalman滤波器(Extend Kalman filter, EKF)介绍三种典型非线性集中式融合算法, 并以此为基础研究部分线性动态系统融合理论在非线性系统中的推广与完善. 首先,利用EKF的一种信息滤波器形式(Extend information filter, EIF)给出测量值扩维融合、测量值加权融合和顺序滤波融合算法公式, 进而研究三种非线性融合算法的估计性能比较以及测量值融合更新次序是否满足可交换性. 结果表明: 当各传感器的测量特性相同时, 集中式测量值扩维和测量值加权融合算法的估计精度功能等价;非线性顺序滤波融合与其他两种融合算法之间不再具备线性多传感器系统中估计功能的完全等价特性;在融合精度不变前提下非线性顺序滤波融合中, 各传感器观测更新次序不再完全满足可交换性. 4个基于纯方位目标跟踪的数值仿真被用来验证文中所得结论的有效性和正确性. 相似文献
9.
传感器网络环境下的融合系统在进行信息采集、传输和处理的过程中,将不可避免的受到网络约束,如节点信息的相关性,信息传输的延迟无序性等。延迟的随机性必然使得有序采样的信息到达融合中心时呈现无序的现象,而信息的无序将导致传统基于有序到达的Kalman滤波算法无法直接有效的应用于无序信息系统。然而,现有的基于传统Kalman滤波框架下的无序量测更新算法的研究复杂性相当高,其推导过程和最后的算法公式也都比较复杂,所以,开展新型框架下的融合算法显得非常迫切,也是当前亟待解决的问题。本文较详细的介绍了当前国内外网络环境下无序量测融合算法的研究现状以及存在的问题,并在此基础上提出了进一步研究的方向以及未来的发展趋势。 相似文献
10.
多传感器异步采样系统的顺序融合 总被引:2,自引:0,他引:2
针对现有基于伪量测的异步融合算法存在实时性差、融合时刻计算负荷大以及人为引入噪声相关等问
题,提出了一种新的基于采样点顺序离散化思想的顺序式异步融合算法.该算法首先将各个传感器的测量值在融合
中心的坐标系中和时钟下进行映射统一;然后,选取融合周期内各采样时刻对连续状态系统进行顺序离散化,从而
获得本周期内各采样点间的状态方程和相应的测量方程.最终,使用线性最小均方误差意义下最优的线性卡尔曼滤
波器实现本周期内异步采样量测的顺序滤波融合.仿真分析表明,该算法和基于伪量测的异步融合算法相比具有较
少的计算量、较好的实时性和较高的估计融合精度. 相似文献