数据融合技术中Dempster-Shafer证据理论的应用

介绍了多传感器数据融合技术中的Dempster-Shafer证据理论法的应用.多传感器系统中包括声传感器、振动传感器、磁传感器和红外传感器.此系统对同类、异类传感器的信号采集、预处理,及数据的预处理结果用概率的形式表示,数据融合在此多传感器系统中的作用是采用Dempster-Sharer证据理论法进行融合,利用多传感器的互补与冗余信息,提高整个传感器系统的有效性.     

基于多传感器的智能机器人信息融合,控制结构和应用

智能机器人能最佳地、综合地使用多传感器信息，具有完成某一特写任务所需的完备信息，从而实现在各种复杂、动态的、不确定环境中的自主性、多传感器信息融合是指将经过集成处理的多传感器信息进行合成。形成对外部环境某一特征的一种表达方式，经过集成与融合的多传感器信息能完善地、精确地反映环境特征，而单一传感器只能获得环境特征的部分信息段，经过集成与融合的多传感器信息具有以下特征，信息冗余性、信息的互补性、信息的     

基于协作表示Boosting 的辐射源多传感器融合识别

由于单传感器辐射源识别的局限性,在低信噪比条件下仅提高单侦测平台的识别能力无法满足实际需求,为此提出基于协作表示Boosting的辐射源多传感器融合识别算法.利用多传感器数据信息的冗余性和互补性,对多处理支路采用时频分析提取特征,并由协作表示分类器求得残差.根据Boosting在训练阶段的权重组合得到最小分类残差,实现多传感器决策域的融合识别.仿真实验结果验证了所提出方法有效性,并且在低信噪比情况下噪声鲁棒性更优异,易于实现.     

基于视觉与电弧多信息传感的焊缝跟踪算法

随着焊接传感技术以及信号处理技术的快速发展,人们越来越注重对焊接过程质量控制的研究,而多传感器信息融合技术是焊接质量控制的一种重要的方法,采用该技术实现熔化极气体保护焊(MIG)脉冲焊接质量的自动控制。该技术采用了视觉传感器和电弧传感器将采集的不同的描述信息进行了有效的特征提取和传输,并运用多传感器信息融合算法进行焊缝的跟踪。视觉传感器利用工业电荷耦合元件(CCD)获取图像信息控制焊炬的横向偏差信息,电弧传感器利用数据采集卡获取电流信息控制焊炬的高度互补偏差信息和横向的冗余信息,将两种传感器得到的冗余信息和互补信息在特征层下进行融合实现焊接过程横向和高度的纠偏控制。冗余信息的融合可以实现视觉传感的图像去噪,而互补信息的融合可以进一步提高焊缝跟踪的精度。实验结果表明,所提算法能够较好地提高焊接的质量,从而也验证了算法的有效性和合理性。     

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。     

视频传感器网络中基于相关性图像融合算法

基于图像相关性信息,从系统层面提出了一种图像融合算法.该算法充分考虑到视频传感器节点的有限资源及相邻节点间冗余视觉信息,将同一场景的视觉监测任务分配到相关度较大的2个视频传感器节点上,每个视频传感器节点仅负责传输一部分视觉场景信息.特别地,利用极线约束性质融合多路传输来的部分图像信息,最终实现场景视觉信息的重建.实验结果表明:该算法简单易行,既可以减少网络传输量、节约网络能量,又可以实现场景视觉信息的有效监测.     

用于火灾报警的多传感器信息融合系统

本文提出一种基于分布式多传感器信息融合技术的火灾报系统，该系统采用多个火灾报警传感器，利用经典推理技术中的Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ准则进行多传感器信息融合，对系统性能数值计算表明，系统的性能明显优于单一报警传感器和采用“与”、“或”逻辑的多功能火灾报警系统。     

多传感器信息融合技术及其在机器人中的应用

多传感器信息融合技术是近年发展起来的一门新兴技术,在机器人领域有着广阔的应用前景。通过融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。主要论述了多传感器信息融合的一般方法,并对其在机器人领域的应用进行了介绍。最后指出多传感器信息融合技术在微传感器、智能传感器和自适应融合等方面的发展方向。     

基于神经网络的多传感器信息融合及其在机器人中的应用

多传感器信息融合即融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。介绍了神经网络融合方法,探讨了信息融合技术在机器人方面的应用。机器人避障实验验证了所提方法的有效性。     

一种针对传感器故障的容错控制方法

传感器故障严重危害系统的可靠性，为此提出了一种针对传感器故障的容错控制方法。该方法以传感器的故障诊断为前提，从传感器功能冗余的定义出发，进行功能冗余分析，并利用调整观测器增益阵参数的办法来实现容错。仿真实验证明了该方法的有效性。     

基于多传感器信息融合的移动机器人导航系统

介绍了多传感器信息融合的基本原理,给出了基于多传感器信息融合的移动机器人导航系统结构。建立了移动机器人数学模型,运用基于扩展卡尔曼滤波的信息融合方法实现了移动机器人导航算法。通过实验验证了基于多传感器信息融合的移动机器人导航系统和导航算法的有效性。     

基于软传感器的信息融合

为了利用”凝视视觉几何约束”的信息来确定移动机器人的位置和方位角,就需要解决数据融合的问题。”几何约束”不是来自真实传感器的直接可测量的数据,这种特殊形式的信息不能被直接融合。为此目的,该文提出了一种融合特殊形式信息的新途径,也即利用”软传感器”的方法来融合来自”几何约束”的信息。软传感器的输出与其它真实传感器的输出一起经过扩展信息滤波器最终实现融合。文中最后提供了利用该方法进行移动机器人定位的计算机仿真例子。仿真结果表明了软传感器信息融合方法的可行性和有效性。软传感器可以广泛应用在很多类似的信息融合问题中。     

Sensor Fusion for SLAM Based on Information Theory

We present a sensor fusion management technique based on information theory in order to reduce the uncertainty of map features and the robot position in SLAM. The method is general, has no extra postulated conditions, and its implementation is straightforward. We calculate an entropy weight matrix which combines the measurements and covariance of each sensor device to enhance reliability and robustness. We also suggest an information theoretic algorithm via computing the error entropy to confirm the relevant features for associative feature determination. We validate the proposed sensor fusion strategy in EKF-SLAM and compare its performance with an implementation without sensor fusion. The simulated and real experimental studies demonstrate that this sensor fusion management can reduce the uncertainty of map features as well as the robot pose.     

基于信息融合原理的智能故障诊断模型

针对传统设备故障诊断方法中存在的局限性,文章在对设备智能故障原理和方法初步探索和研究的基础上,提出了基于信息融合原理的智能故障诊断方法。该方法利用多源异质传感器采集设备的各种特征信息,并采用模糊神经网络融合诊断中心作为诊断判决的执行机构,从而实现准确诊断设备故障诊断原因以及对设备运行工况进行态势评估的过程。并且通过对单传感器与多传感器信息融合诊断结果的对比表明多传感器信息融合诊断比单个传感器具有更高的准确性。     

传感器网络中信息融合的几个基本问题

系统地阐述了传感器网络环境中几个基本而又重要的信息融合问题的最近进展，包括：最一般条件下全局最优的多传感器分布式统计判决；传感器观测数据或局部估计的最优维数压缩；一般条件下最优线性无偏估计融合公式及其有效算法；传感器观测噪声相关情形下动态系统的卡尔曼滤波融合；容错条件下的区间估计融合．这些结果对传感器网络的设计与应用具有重要意义．     

信息融合技术在传感器故障诊断中的应用

研究了扭转材料试验机传感器的故障诊断系统,为提高传感器的故障诊断精度,在对诊断方案进行分析、研究、仿真、比较和验证的基础上,结合工程实际的特殊要求和相关经验,确定了最合适的一种--多传感器信息融合故障诊断方案.通过对传感器的故障建立数学模型并进行计算机仿真,仿真结果表明该故障检测方法对于材料试验机的传感器常见的故障均能进行识别和告警,效果令人满意.     

基于支持向量机的多传感器信息融合算法

支持向量机(Support Vector Machine,SVM)是一种基于结构风险最小化原理,具有很高泛化性能的学习算法。针对工业多传感器测控系统中,被测系数与相关参数之间存在有较大的非线性和模糊关系,提出了一种基于支持SVM的多传感器信息融合模型及算法。为小样本、非线性、高维数一类多传感器信息融合问题的建模提供了一种有效的途径。通过对“纸张水份在线测量系统”应用表明,基于SVM的多传感器信息融合模型及算法在测量精度和推广性能上都具有一定的优越性。     

传感器信息融合技术在变压器短路故障在线监测中的应用

本文基于传感器信息融合技术的容错性、互补性、实时性、高精度、低费用等众多优点,提出将其应用到变压器短路故障在线监测中.分析了变压器发生短路故障时的物理表现.研究了一种基于曲面拟合技术的多传感器信息融合方法,并利用压力传感器对某变压器顶层油压和油温的监测数据进行了融合处理分析.分析结果表明,利用传感器信息融合技术对变压器短路故障的在线监测比传统的在线监测能力有了明显的提高.     

基于多传感器的信息数据融合技术在电力系统中的应用

论述了多传感器信息数据融合技术的概念、原理、方法及当前数据融合研究中存在的主要问题;以信息融合技术为研究对象,结合电力系统的实际特点,提出多传感器信息数据融合技术在电力系统各领域应用中亟待解决的问题、解决方案及发展方向。     

基于信息融合技术的瓦斯传感器故障诊断研究

文章提出了将基于RBF网络的信息融合技术应用于瓦斯传感器故障诊断的思想。该思想的核心是通过对影响测点瓦斯浓度的各种相关信息融合,利用高精度RBF网络逼近器的输出与瓦斯传感器实际的输出之差与设定的阈值比较,实现瓦斯传感器故障的监测诊断。试验表明该技术能对瓦斯传感器进行有效的状态监测和故障诊断。