共查询到20条相似文献,搜索用时 125 毫秒
1.
为了改善多个同类传感器检测目标参数的性能,提出了一种基于递推最小二乘法的多传感器数据融合的正交基神经网络算法,用基于递推最小二乘法的神经网络算法对各传感器的量测数据进行处理,并用神经网络输出结果的平均值来实现多传感器的数据融合.为了验证算法的有效性,给出了多传感器数据融合的仿真实例.研究结果表明,基于递推最小二乘法的多传感器数据融合的正交基神经网络算法是有效的. 相似文献
2.
3.
4.
为了有效融合多传感器冗余系统量测信息,使状态的估计值更接近于状态的真实值,实现高精度和高可靠性的状态估计,采取了基于最优加权的最小二乘算法、有限窗加权的最小二乘算法和自学习加权最小二乘算法,分别对多传感器实测数据进行融合处理,融合后数据的方差大幅度降低,估计精度显著提高。并与传统的最小二乘算法进行了仿真对比,结果表明,这3种方法较最小二乘算法融合精度更高,其中,自学习加权的最小二乘融合算法既考虑了历史数据的作用,又考虑了环境噪声和新的采样值的影响,增强了对噪声检测的敏感性,估计效果较好。 相似文献
5.
双目立体视觉一般通过最优化方法求取点的三维坐标,若采用不同的目标函数,将会存在其它形式的最优化解,在另外一种目标函数下导出了一种新的计算三维坐标的方法,与传统的最小二乘法和归一化最小二乘法相比,新方法通过矩阵的奇异值分解(SVD)计算坐标值,可以避免矩阵求逆.通过实验分析得出,新方法求取三维坐标的误差与传统的最小二乘法及归一化最小二乘法计算三维坐标的误差比较接近,进而验证了新方法求取三维坐标的可行性和正确性. 相似文献
6.
7.
8.
针对现有余度IMU(inertial measurement unit)数据融合精度不高的问题,在对六单轴传感器非正交配置的余度IMU数据融合特性及测量误差与融合误差之间关系进行研究的基础上,提出了1种基于最小二乘简单、有效的余度传感器测量误差估计及数据融合方法。首先对最小二乘融合的空间矢量在测量轴上的投影与测量值之间的误差进行方差统计,统计结果作为传感器测量误差估计的依据及加权最小二乘的权值参考。然后利用加权最小二乘对传感器测量数据进行融合。仿真结果表明:该方法能有效估计传感器测量误差大小,提高余度IMU数据融合及余度惯性导航系统精度。 相似文献
9.
10.
多源信息融合算法主要应用于移动机器人对有害气体泄漏源的搜寻。为提高搜寻效率,用视觉传感器和嗅觉传感器共同获取环境信息,其中 嗅觉传感器 采用多气体传感器代替单气体传感器以提高测量的可靠性,测量位置也由单点向多点转变,并选用合适的算法分别实现各级数据的融合,最终决策移动机器人的搜寻方向。数据表明, 加权平均法用于融合同类气体传感器的数据,可减小噪声和仪器故障的影响;最小二乘法可最优估计未知参数,用于反求泄漏源信息,可初步估计泄漏源的位置和流量;概率赋值方式可容纳多种信息途径共同判断泄漏源,从而更合理地确定搜寻目标。 相似文献
11.
12.
多传感器噪声方差未知情况下的异步航迹融合 总被引:1,自引:1,他引:0
针对分布式多传感器数据融合系统,提出了一种多传感器异步航迹融合算法。现有的多传感器信息融合算法大都基于Kalman滤波器,要求噪声方差已知,并且假定各传感器同步采样,不考虑通信延迟。本文在分布式处理的模式下,基于各传感器在扩展记忆因子递推最小平方(EFRLS)估计形成本地航迹的基础上,提出了一种融合误差均方差矩阵的迹最小意义下的异步目标航迹融合算法。仿真实验结果表明,这种融合算法是有效的,算法接近集中式融合算法的精度。 相似文献
13.
多传感器数据融合中基于模糊逻辑和神经网络的传感器管理 总被引:2,自引:0,他引:2
在多传感器数据融合系统中,传感器的管理包括两个方面的问题,一是如何优化分配现有的传感器去更好地实现融合任务;二是如何消除外界环境变化或者某些传感器出现故障时带来的影响,针对这些问题,本文在给出多传感器数据融合系统矩阵表示的前提下,提出了一种基于模糊逻辑和神经网络的传感器管理方法。分析表明该方法较好地解决了多传感数据融合系统中传感器管理问题。 相似文献
14.
基于信道丢包补偿技术的多源信息融合研究 总被引:1,自引:0,他引:1
在多传感器融合网络中,由于网络本身的内在特性以及受实际应用环境的影响,在数据传输过程中丢包现象经常发生,大量有用的信息丢失直接影响了融合算法的正常运行.现有的一些处理网络丢包现象的方法都是直接将丢包的传感器排除在融合操作之外,因此整个系统的融合精确度大大降低.针对上述问题,提出利用基于最小二乘的多项式拟合技术,对丢失的传感器信息进行近似补偿,从而提出一种基于信道丢包补偿技术的数据融合算法.另外,考虑到集中式融合存在的高计算复杂度的特性,基于信息更新的分布式融合算法被用来融合所有传感器的信息,性能分析和计算机仿真显示了新算法的有效性. 相似文献
15.
16.
基于信息熵的多传感器数据分类方法 总被引:1,自引:0,他引:1
在回顾数据分类和信息熵的基础上,提出了基于信息熵的多传感器数据分类方法.该方法根据传感器数据自熵和互熵的关系实现冲突、冗余和补充的数据分类,建立多传感器数据分类结构并进行分类融合.实例分析说明了这种数据分类方法的合理性和分类融合的有效性. 相似文献
17.
一致性多传感器数据融合方法的改进 总被引:9,自引:0,他引:9
多传感器数据融合是指将经过集成处理的多传感器数据进行合成,形成对外部环境某一特征的一种表达方式的过程。本文首先介绍了Luo[1]的一致性多传感器数据融合方法。然后,针对Luo方法的不足之处,改进了一致性融合方法。该改进方法计算量小,能简便、快速地确定一致性的传感器数据。 相似文献
18.
19.
20.
集中式与分布式鲁棒状态融合估计 总被引:2,自引:0,他引:2
研究不确定多传感器系统的鲁棒估计问题是多传感器融合估计理论的一个重要研究方向.本文以鲁棒滤波理论为基础,给出了不确定多传感器系统的多胞型描述模型,并利用LMI方法给出集中式鲁棒状态融合估计问题的解,证明了将集中式鲁棒融合估计转化为相同估计性能的分布式融合估计算法的条件.最后给出了分布式不确定多传感器系统的状态融合估计的一个算例. 相似文献