基于参数估计的多传感器数据融合算法研究

为提高多传感器数据融合精度,结合传感器网络的特点及应用实例,研究分批估计、自适应加权和方差估计算法在数据融合中的有效性、准确度和实时性,提出按测量方差的自适应加权数据融合算法,利用600个传感器所提供的实例数据,对几种算法进行仿真,并比较了几种算法的有效性及其融合精度的差异,其结果表明采用自适应加权算法可以有效提高融合精度,对考虑了环境噪声的多传感器数据采集系统较为适合.     

基于参数估计的数据融合算法研究

研究了有关分批估计、自适应加权和方差估计算法在多传感器数据融合中的有效性、准确度和实时性。通过实例在对几种算法进行仿真比较的基础上,说明了上述几种算法的有效性及其融合精度的差异,其结果表明:按测量方差值并采用自适应加权算法的融合效果最佳,有效地提高了融合精度,对考虑了环境噪声的多传感器数据采集系统较为适合。     

自适应窗长方差估计在多传感器数据融合中的应用

针对多传感器数据融合中,恒窗长方差估计算法对噪声变化跟踪能力不强的缺点,提出了一种根据噪声变化自适应调整窗长的方差估计算法。给出了对方差估计曲线突变段的寻找方式以及自适应窗长的选择策略。该算法能灵敏的跟踪传感器测量噪声的突变,同时不依赖于初始窗长的设定,能自动收敛到适合的窗长模式。仿真结果说明了该算法在多传感器数据融合中的有效性。     

应用于状态监测的多传感器融合估计

在状态监测的工程实际中, 使用多个同类传感器进行在线测量可以得到更为准确的状态估计．但各传感器测量噪声会出现相关的情况, 而且很难得到相关测量噪声的方差矩阵的精确值, 测量系统往往是不确定的．本文根据系统测量将系统分解为确定和不确定扰动两部分, 分别进行估计, 然后将两者的融合估计结果相加得到了最优鲁棒的融合估计．针对确定部分, 利用同类传感器的测量方差为Pei-Radman矩阵的特性, 通过求解测量噪声方差矩阵的最大特征值得到了一种简便的最优融合估计算法, 该算法避免了求解方差矩阵的逆的过程．针对不确定     

一种自适应二次数据融合算法

针对多传感器测量数据,基于最小均方加权方法,提出了自适应计算各传感器测量方差的方法,并推导出了递推公式。结合灰色系统理论的绝对关联度定义,提出了基于自适应方法的二次数据融合算法,并给出了算法框图。最后,通过仿真计算验证了该算法的有效性。     

提高测量可靠性的多传感器数据融合有偏估计方法

为了提高测量数据可靠性,多传感器数据融合在过程控制领域得到了广泛应用. 本文基于有偏估计能够减小最小二乘无偏估计方差的思想,提出采用多传感器有偏估计数据融合改善测量数据可靠性的方法. 首先,基于岭估计提出了有偏测量过程,并给出了测量数据可靠性定量表示方法,同时证明了有偏测量可靠度优于无偏测量可靠度. 其次,提出了多传感器有偏估计数据融合方法,证明了现有集中式与分布式无偏估计数据融合之间的等价性. 最后,证明了多传感器有偏估计数据融合收敛于无偏估计数据融合. 实例应用验证了方法的有效性.     

非平稳随机序列的自适应加权融合算法

针对非平稳的多传感器测量信号的融合问题,提出了一种非平稳随机序列的自适应加权融合算法,它能够实时估计并自适应地在线调整各传感器的最优加权因子。仿真研究表明:该算法能够有效地减小融合估计值的方差,提高测量精度。     

基于最小二乘法的冗余信息数据融合算法实现

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。     

一种基于奇异值分解的动态多传感器数据融合算法

在工业应用中常用一组传感器对同一个被测量目标在一个过程的不同位置进行测量.由于每个传感器位于过程的不同位置,它们将不同程度的受到噪声的干扰.为了从被噪声干扰的测量值中获得更准确的测量结果,本文提出了一种基于奇异值分解(SVD)的动态多传感器数据融合算法.由该算法得到的传感器测量结果值最优估计的方差不仅低于传感器组中每一个传感器测量结果的方差,而且低于由基于最小均方误差(MMSE)多传感器数据融合算法得到的估计结果的方差.仿真的结果表明,该算法是有效的.     

动态加权和测量方差时变的多传感器融合算法

在基于卡尔曼滤波及其一些改进算法中,由于测量方差预先设定,从而导致滤波发散和信息资源的浪费,为此提出了一种动态加权下测量方差时变的多传感器融合算法。该算法依据各传感器当前时刻的滤波精度合理地分配权值,同时测量方差的时变特性使得每次测量信息得到充分的利用。仿真结果表明该算法显著地提高了对机动目标的跟踪效果并具有实时性的优点。     

一种改进的多天线信号能量检测方案

能量检测（ED）方法是最常用的信号检测方法之一,其具有实现复杂度低和不需要信号先验信息的优点。当噪声方差已知时,能量检测算法可以获得较好的检测性能。在大多数情况下,噪声的方差是需要预估的,因此噪声方差估计的不确定性会对能量检测算法性能造成较大的影响。为了减小由噪声方差不确定性造成的影响,提出了一种改进的多天线能量检测方案。方案将多天线采集的信号进行简单组合,从而构建出一种与噪声方差无关的判决统计量。理论公式表明,方案的检测概率和虚警概率是与噪声方差无关的。仿真结果显示,当天线的数量大于3时,方案的检测性能优于传统的能量检测性能。     

A novel fault-tolerant sensor system for sensor drift compensation

The conventional fault-tolerant sensor systems would fail when outputs from incorporated sensors are either noisy or drifting. This paper presents a novel real-time fault compensation method, which uses state estimation and compensation techniques, that the sensor system can perform robust measurements even when outputs from every incorporated sensor are noisy and drifting. In a simulation example, the proposed design can detect and correct the sensor errors (dc bias and drift) in real time. For the dc bias, the minimum detectable offset value is 0.1, which is the same as the standard deviation of the sensor noise. The compensated sensor output is biased at values smaller than 0.02. For the sensor drifts, the proposed method can compensate drifts for the change rate of drifts up to four times faster than that of the signal to be measured. The highest change rate of drifts, that can be compensated by this method, is determined by the standard deviation of the sensor noise.     

基于PI自适应卡尔曼滤波的无人机姿态解算算法

针对无人机姿态解算过程中,机载加速度计噪声时变,导致姿态估计值出现较大误差的问题,提出了一种基于PI自适应卡尔曼滤波的姿态解算算法,通过监视残差方差的理论值与实际值的差值,利用PI控制算法对观测噪声协方差矩阵进行在线修正,来解决由于噪声估计不准而导致滤波发散的问题。实验结果表明,即使是在无人机的姿态发生剧烈变化时,该算法依然具有良好的精度,鲁棒性较好。     

一种基于分布式最小均方差序贯估计的气体泄漏源定位算法

基于无线传感网络的气体泄漏源定位在环境监测、安全防护和污染控制等多个领域具有重要意义。提出一种基于分布式最小均方差(D-MMSE)序贯估计的气体泄漏源定位算法。其通过构建一个包含节点之间信息增益与网络能量消耗两方面参数的信息融合目标函数,并对目标函数寻优实现路由节点的调度与选择。所选节点在其测量值和前节点估计值并通过与邻居节点信息交互的基础上完成气体泄漏源位置参数估计量及其方差的更新与传递。为了降低网络能耗,邻居节点集的选择半径随估计量方差做动态调整。仿真分析表明所提算法对比单节点序贯估计定位算法在一定的能耗条件下可获得较高的定位精度和速度。     

An efficient online secondary path estimation for feedback active noise control systems

In practical cases for active noise control (ANC), the secondary path has usually a time varying behavior. For these cases, an online secondary path modeling method that uses a white noise as a training signal is required to ensure convergence of the system. The modeling accuracy and the convergence rate are increased when a white noise with a larger variance is used. However, the larger variance increases the residual noise, which decreases performance of the system and additionally causes instability problem to feedback structures. A sudden change in the secondary path leads to divergence of the online secondary path modeling filter. To overcome these problems, this paper proposes a new approach for online secondary path modeling in feedback ANC systems. The proposed algorithm uses the advantages of white noise with larger variance to model the secondary path, but the injection is stopped at the optimum point to increase performance of the algorithm and to prevent the instability effect of the white noise. In this approach, instead of continuous injection of the white noise, a sudden change in secondary path during the operation makes the algorithm to reactivate injection of the white noise to correct the secondary path estimation. In addition, the proposed method models the secondary path without the need of using off-line estimation of the secondary path. Considering the above features increases the convergence rate and modeling accuracy, which results in a high system performance. Computer simulation results shown in this paper indicate effectiveness of the proposed method.     

一种基于噪声功率的信道有效阶数盲估计算法

基于二阶统计量的盲均衡算法大多要求估计信道阶数。根据噪声功率随信道阶数的变化特点,提出一种新的阶数估计算法。实验表明,与传统算法相比,该算法不仅复杂度低,在低信噪比和小样本个数情况下估计性能良好,且不依赖于具体的盲信道估计算法,具有较强的适用性。     

捷联惯导互补滤波姿态融合算法设计

为了满足低成本、高性能的载体测姿需求,针对MEMS器件漂移导致载体姿态无法准确测量的问题,提出了一种基于方向余弦矩阵（DCM）更新的多轴显式互补滤波载体姿态估计算法。利用陀螺仪和辅助传感器的噪声所处频段互补的特点,运用互补滤波进行信息融合,发挥各个传感器的优点,提升系统的姿态测量精度。分别以三轴转台与实验车辆为验证平台,设计了静态与动态实验。实验结果表明,该姿态融合算法能够稳定输出高精度的姿态信息,抑制陀螺漂移导致的姿态发散,有效提高载体姿态的测量精度,满足捷联惯导系统的测姿需求。     

基于Allan方差改进阈值的惯性传感器动态信号小波去噪

惯性传感器信号的去噪效果通常都是用Allan方差来评价,针对这个特点,提出了一种基于Allan方差噪声系数的小波阈值改进算法。先用提升小波将信号分解到不同频段,再用Allan方差计算各频带上的噪声系数,根据各频带噪声系数的大小确定其滤波阈值,再结合参数可调的阈值函数对各尺度信号进行滤波去噪。改进算法以去噪效果评价参数来修正阈值,具有很强的针对性。通过同其它常用的惯性传感器去噪方法做比较,证明该算法可以有效的随机噪声,提取出更加准确真实的惯性传感器动态输出。     

State estimation for multi‐channel stochastic singular systems with multiplicative noise

The state estimation problem for multi‐channel singular systems with multiplicative noise is considered based on singular value decomposition. First, two equivalent reduced order subsystems are obtained via the decomposition. Then, in order to solve the estimation problem, the subsystems are rewritten into a new form. It is noted that the measurement noise here becomes colored noise, which contains the dynamic noise, measurement noise, and multiplicative noise of the original system. In this situation, existing filtering methods cannot be directly applied, so a modified filtering method is given. The recursive algorithm for the state estimation is obtained by the filtering method. In addition, the estimation of dynamic noise is derived via the algorithm. A simulation example is given to show the effectiveness of the proposed algorithm. Copyright © 2010 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

基于统计假设测试的噪声方差估计方法

在数字图像处理中,噪声方差估计是一个重要的研究课题。提出一种针对加性高斯噪声的噪声方差估计方法。利用一种基于统计假设测试的方法来度量图像结构特征度,基于图像结构特征度找出平滑子块和非平滑子块（含有边缘或纹理子块）;以平滑子块中的最小方差为参考方差,选择出方差与参考方差相差在一定范围内且不含边缘的所有子块;从选出的子块中求以图像结构特征度为权重的方差平均值作为噪声方差估计值。相比于现有的噪声估计方法,该方法具有非常高的估计精度,适合感染高斯噪声的各种图像。