共查询到19条相似文献,搜索用时 53 毫秒
1.
2.
3.
4.
测量噪声相关情况下的多传感器数据融合 总被引:3,自引:0,他引:3
对于测量噪声相关的多传感器测量模型,利用Cholesky分解和单位下三角阵的求逆方法,将其转化为测量噪声互不相关的等价的多传感器伪测量模型,然后基于Markov估计,提出了一种测量噪声相关情况下多传感器数据融合的新方法。与直接利用原始传感器测量值的Markov估计数据融合方法相比,两者的计算精度相同,但新方法的计算复杂度却大大降低。数值仿真实验进一步验证了新方法的有效性。 相似文献
5.
基于滑动中值滤波的多尺度主元分析方法 总被引:2,自引:0,他引:2
提出了一种基于滑动中值滤波的多尺度主元分析(MSPCA)方法,该方法利用中值滤波对主元分析(PCA)前的原始数据进行预处理,以去除异常点,并用多尺度主元分析方法把小波变换和主元分析有机结合起来,通过对过程数据的多尺度建模,来消除系统中的次要主元和小的小波系数,这样既提高了对数据中细微、重要变化的检测灵敏度,又解决了在测量数据中含有异常点的情况下,现有多尺度主元分析难以去除因异常点的存在而产生的虚警问题.仿真验证了该方法的有效性和可行性. 相似文献
6.
基于小波包分解的多尺度互相关管道定位方法 总被引:1,自引:0,他引:1
针对直接互相关时延估计法定位管道故障点存在定位精度差的问题,提出了基于小波包分解的多尺度互相关时延估计方法用于管道故障点定位.首先对2路光电检测器采集到的管道沿线振动信号进行小波包分解和重构得到不同尺度数据,然后对2路信号的同一尺度数据做互相关运算,利用互相关时差定位和加权平均原理计算故障点位置,抑制了噪声引起的时延估计误差.现场实验数据表明,本文方法平均定位误差小于150 m,相对误差小于0.4%,最大定位误差不超过±400 m,定位均方差小于0.05,相对于传统直接互相关时延估计法,此方法可进一步降低时延估计的平均误差和均方差,显著提高定位精度和一致性. 相似文献
7.
在体绘制领域和图像分割中,数据集通常具有流形结构,各部分边界连接紧密且伴随局部噪声,给传统聚类算法的应用带来了较大的困难.本文根据非参数密度估计方法提出了一种基于多尺度信息融合的层次聚类算法.新算法通过整合密度差异和边界信息构造了一种多尺度结构信息融合的相似性度量,通过水平集的图连接策略推导出一种层次化的类结构剖析过程以获取稳定的聚类结果.新算法不受数据集形状、密度类型的限制,无需对数据集进行假设,可自动识别数据集常见的聚类结构特征.同时聚类结果较为稳定,算法对噪声具有较强的鲁棒性.从人工数据集和真实数据集以及应用试验的测试结果可以看出新算法的优越性能. 相似文献
8.
采用基于奇异值分解和人工神经网络的多传感器数据融合方法对喷水推进泵的空化状态进行了分类识别研究。首先利用基于奇异值分解的权值估计算法分别对水声信号和振动信号在时间上进行数据级融合,提取出各自的特征,然后将所有特征组合起来作为神经网络的输入,利用BP网络和RBF网络进行特征级融合和分类识别。分析结果表明:基于多传感器数据融合的分类识别结果优于单传感器分类识别结果;采用基于奇异值分解的数据融合方法后,分类识别率显著提高,对空化初生微弱特征的识别效果尤佳。 相似文献
9.
10.
针对煤矿井下掘进机截割岩壁硬度识别难度大的问题,利用其悬臂振动信号、升降油缸和回转油缸压力信号、截割电机电流信号,提出了一种基于多源数据融合的截割岩壁硬度识别方法。该方法首先对各类信号进行小波包分解,单支重构各频带信号并组建时频矩阵,通过奇异值分解得到包含时频信息的若干特征奇异值,以构造特征向量;再利用LDA算法实现数据特征级融合,得到类可分性更好的低维特征。为解决概率神经网络(PNN)平滑参数无法确定和网络结构复杂的问题,提出了基于差分进化算法(DE)和QR分解的PNN优化方法,并通过优化PNN对低维特征进行硬度识别。实验结果表明:所提出的特征量提取和模式识别方法是有效的,与目前常用的其它模式识别算法相比,优化PNN在掘进机三种工况下均有更高的硬度识别准确率。 相似文献
11.
12.
基于小波分析的惯性传感器信号Kalman滤波 总被引:1,自引:0,他引:1
针对光电跟踪系统惯性传感器信号特点,本文提出通过小波分析的方式确定相关Kalman滤波的模型及参数.该方法利用小波分析的优良特性,采用先将信号进行去噪处理,然后对去噪后的信号进行AR建模.根据小波去噪后的信号比较接近真实信号,将得到的观测噪声方差乘以一个小于1的系数后作为系统的过程噪声方差,从而确定模型的噪声参数.仿真实验结果表明,该方法不仅对惯性传感器的静态数据有很好的效果,而且对其动态观测数据也有良好的效果.同时,该方法不仅对光电跟踪系统有效,而且还具有一定的通用性. 相似文献
13.
基于超宽带(ultra-wideband, UWB)室内定位技术得到了广泛的发展,然而,在LOS(line-of-sight)和NLOS(non-line-of-sight)环境下的UWB的测距信息均存在不同程度的误差,因此,提出了一种改进的卡尔曼滤波算法对UWB原始数据进行平滑处理;之后提出卡尔曼滤波(Kalman filters and particle filters, KPF)和粒子滤波融合的算法。通过卡尔曼滤波得到的状态量和误差协方差进行粒子采样,克服了传统粒子滤波进行粒子采样时的运动学模型与实际运动不相符的缺点,大幅减少了粒子退化的现象。经过实验,该算法在LOS和NLOS环境中的定位精度分别提升了20.6%和15.6%。 相似文献
14.
15.
基于数据融合和小波分析理论,提出一种新的结构损伤诊断方法。采用改进的一致性算法融合多传感器的测量数据,克服了一致性算法中两传感器在测量精度不同时置信距离不同的缺点,对支持矩阵进行模糊化处理,避免了人为定义阈值而产生的主观误差。利用小波分析的降噪和多尺度分辨能力对多传感器的数据进行分析处理,从而对结构损伤作出诊断识别。通过数值算例,验证了该方法可以充分利用所有传感器的有效信息,能够在部分传感器性能降低(如受到噪声影响),甚至是完全失效的情况下,对结构损伤作出正确诊断。 相似文献
16.
目的为了解决当前图像融合技术中易丢失图像信息,不能较好地保持源图像的边缘与纹理信息,从而降低了图像分辨率与视觉质量,使其不能对目标进行清晰、完整、准确地信息描述等问题。方法提出一种导向滤波耦合分形维度的图像加权融合方案。首先对源图像进行预处理,通过增强对比度来提高图像的动态范围。通过小波变换将图像分解为低频与高频部分,并引入导向滤波器,对其低频、高频成分进行处理,获取相应的低频、高频权重,较好地保持图像的边缘信息。然后,通过提取局部特征分形维数来获取微小纹理特征。最后,定义一种加权融合方案,根据低频与高频权重进行融合,得到最后融合图像。结果实验数据表明,与当前常用图像融合算法比较,文中算法具有更好的融合视觉效果,更好地保持了源图像的真实信息;在信息熵、交互信息、平均梯度和标准差等4种定量分析指标方面,所提算法具有更大的优势。结论所提算法具有良好的融合质量,在图像处理领域具有一定的参考价值。 相似文献
17.
本文在分析小波变换的基础上,将小波分析应用到目标图像的融合跟踪技术上,利用小波的多尺度和多分辨特性,不仅能够获得不同分辨力下的图像序列,进行目标图像融合;还能有效地从信号中提取突变信号。对函数或信号进行多尺度的细化分析。图像边缘用小波变换进行处理和提取并对图像形心进行计算。能够得到较好的轮廓提取效果和形心定位精度,进而说明了小波变换可能成为目标跟踪中较好的数学方法。 相似文献
18.