基于Fisher信息的多传感器数据融合方法

针对多个传感器对某一特性指标进行测量实验的数据融合问题,利用信息理论中的Fisher信息,提出了一种新的多传感器数据融合方法。该方法以最大化各传感器测量数据包含待测参数的Fisher信息为目标函数,通过求解优化问题,得到数据融合结果。可以较好地避免受主观因素影响的关系矩阵,充分利用实验数据,防止有效数据的丢失,提高融合结果的精确性。仿真实验验证了方法的有效性。     

基于主成分分析法的多传感器数据融合算法研究

根据数理统计中的多元统计理论,用多个传感器对某一特性指标进行检测,将检测数据作为统计对象,提出了一种基于主成分分析的数据融合方法。该方法把各传感器的检测数据作为一个整体,定义总体的各主成分。通过计算测量值与主成分的复相关系数,给出了各传感器的综合支持程度和数据融合公式。实验表明,此方法比均值融合法更准确、有效。     

多传感器数据融合的主成分方法研究

针对多个传感器对某一特性指标进行测量实验的数据融合问题,提出了一种基于主成分分析的融合方法。该方法把各传感器的测量数据作为一变量,定义总体的各主成分,利用测量值与主成分的复相关关系,给出了各传感器的综合支持程度和数据融合公式。应用实例验证了方法的有效性和精确性。     

基于主成分分析的多传感器数据融合

针对多个传感器对某一特性指标进行测量实验的数据融合问题,根据多元统计理论,提出了一种基于主成分分析的融合方法。该方法把各传感器的测量数据作为一总体,定义总体的各主成分,利用测量值与主成分的相关关系,给出了各传感器的综合支持程度和数据融合公式。该方法不需要知道总体的分布和先验概率,避免定义距离矩阵和受主观因素作用的关系矩阵。应用实例验证了该方法的有效性和具有较强的抗干扰能力。     

基于多传感器信息融合的控制系统研究

本文研究了多传感器组合系统的智能化数据融合方法。从数据处理算法、故障检测和系统可靠性等方面探讨了基于多传感器的控制系统,并提出了一种实用的数据处理算法和故障检测算法。     

基于信息融合技术的多传感器系统

本文介绍了使用了多种传感器技术，并采用数据融合技术进行指挥控制的船载火炮指挥控制系统的设计；文中自尊心的论述了各传感器的构成及工作原理，并介绍了信息融合技术及其应用。     

基于主成分分析的多源特征融合故障诊断方法

目前故障诊断的实际应用中,因噪声的千扰,基于单传感器的故障诊断稳定性较差,很难达到满意的诊断精确度。提出了一种多传感器多特征数据融合的故障诊断方法。该方法利用多传感器从不同部位获取同一部件的运行状况,并通过构建多源特征融合模型,提高特征信息的抗干扰性,最后通过融合特征信息来完成部件的故障诊断。在将新方法应用于滚动轴承故障诊断的试验中,可以看到新方法能够获得较好的性能,比基于单传感器故障诊断的精确度更高。     

多传感器信息融合方法综述

本文概述了在智能机器与系统领域多传感器信息融合的主要方法加权平均法,卡尔曼滤波法,贝叶斯估计,证据理论,产生式规则,模糊理论,神经网络及粗糙集理论,并指出了它们的不足及发展方向.     

多传感器数据的Fisher判别法

在多传感器信息融合过程中,有时要利用多传感器对某一对象进行不同方面观测,而数据融合的目的是要对研究对象进行类型识别,根据判别分析的含义,给出了一种F isher判别法。该方法不需要知道总体的分布类型,可以避免丢失重要的极端数据,使结论更符合实际。     

基于冗余信息的多传感器数据融合算法研究

针对当前数据融合算法中存在的静态融合和计算量问题,提出了一种基于冗余信息的多传感器数据融合算法,首先,利用强跟踪滤波算法完成对于局部状态的估计,然后,依据局部状态估计值之间的冗余信息判定局部状态自身的可信度,从而实现对其权系数动态的合理分配。通过Monte-Carlo仿真验证了该算法的有效性。     

基于统计理论的多传感器信息融合方法

多传感器信息融合技术引起了工业测量系统的改变 ,是智能仪表的发展方向。针对工业中干扰的特点 ,提出一种基于统计理论的信息融合方法 ,它采用高等数学的方法求解具有多变量约束条件的极值问题 ,从而得到最小方差的信息融合结果。以此方法可以提高系统的抗干扰能力和测量准确度 ,并通过实验测量进行了仿真以表明其正确、有效。     

多传感器数据融合的概率权方法

针对多传感器对某一特性指标进行多次测量实验的数据融合问题,提出了一种基于概率基本理论的融合方法。该方法把各传感器的测量数据作为一随机变量,利用测量值的样本数据,确定测量值随机变量的取值范围,估计出样本均值和样本标准差,从而得到各传感器数据融合的概率权,并给出数据融合公式。应用实例验证了该方法的有效性和稳健性。     

机器人非视觉多传感器信息融合的TOPSIS法

针对机器人非视觉多传感器目标识别问题,提出了一种基于改进TOPSIS的多传感器信息融合方法。该方法利用指标隶属度矩阵把多目标识别问题转化为多目标决策问题。通过引入熵权和相对接近度改进TOPSIS,给出多传感器目标识别规则。应用实例验证了算法的有效性和实用性。     

机器人多传感器信息融合研究综述

多传感器信息融合是一门新兴的技术,在机器人领域有着广阔的应用前景。综述并分析了多传感器信息融合技术在工业机器人、机器手爪、飞行机器人、移动机器人、爬行机器人和水下机器人中应用的研究现状,从机器人传感器的研制、融合算法、多传感器管理和信息融合仿生机理等方面总结了机器人多传感器信息融合的发展趋势。     

Vague集在多传感器信息融合中的应用

采用Vague集来表达传感器的模糊测量信息,提出了一种基于Vague集的多传感器信息融合方法。该方法利用Vague值的记分函数,构造传感器测量值的有序加权平均对,再结合诱导有序加权平均算子确定传感器的权重,根据综合记分函数给出了信息融合方法。仿真实例验证了方法的有效性和具有较高的可信度。     

基于模糊推理多传感信息融合的多目标跟踪

将模糊推理系统与多传感器顺序结构算法相结合，实现密集杂波环境中多目标的精确跟踪，采用模糊推理求解关联概率，并与雷达／红外跟踪系统相结合，在密集杂波环境中实现了对多目标的精确跟踪，仿真实验结果表明了所提出方法的有效性。