一种基于数据预处理和卡尔曼滤波的 温室监测数据融合算法

温室具有空间大、无线传感器节点易受到干扰等特点,节点采集的数据波动性较大且易出现丢失现象.为了提高温室监测无线传感网的可靠性和数据融合的精度,提出了一种基于数据预处理和卡尔曼滤波的无线传感器网络数据融合算法.经过对各传感器数据进行预处理和卡尔曼滤波估计,再将数据发送到簇头节点进行基于状态补偿策略的加权数据融合.通过对温室湿度数据进行仿真,结果表明:数据预处理能明显减小数据波动,大幅减少网络数据传输量和能耗,提高抗干扰能力.另外,针对温室无线传感器网络容易出现丢包的现象,基于状态补偿策略的加权数据融合算法可以明显提高在数据丢包情况下的融合精度.     

PSO-BP网络模型在温室数据融合中的应用研究

由于温室的众多要素之间是相互制约、互相配合的,为了形成一个准确、合理的判断,将PSO算法的全局优化能力和BP神经网络良好的非线性映射能力相结合,优化BP神经网络的权值和阈值,提出了一种基于PSO的BP网络数据融合算法,并利用该算法对温室多传感器(温度传感器、湿度传感器和光照度传感器)同时检测到的数据进行融合。仿真结果表明:基于PSO-BP网络的数据融合算法能够获得温室准确有效的信息,提高温室控制的有效性与准确性。     

基于C的湿度传感器校准平台设计

针对大量湿度传感器出厂或使用前需要定标或进行误差补偿的技术需求,基于C语言和SQL数据库技术,构建了一种采用传感器融合算法的大批量湿度传感器数据自校准平台;首先通过饱和盐溶液构建标准湿度环境,然后通过MT4080D数字电桥对待校准湿度传感器进行多次测量,之后把测量值矩阵和标准值导入基于最小二乘和加权融合算法的平台进行处理,得到不同固定点湿度环境下传感器标定和补偿的校准数据;该设计实现了操作简单,成本低廉,响应时间短,运算速度快的湿度传感器的软件校准算法平台,具有一定实际应用价值.     

一种改进的多无线传感器数据分批估计自适应加权融合算法

为解决温室大棚中多无线传感器监测数据融合精度低的问题,提出了一种改进型的分批估计自适应加权融合算法。算法首先对单个无线温度传感节点一段时间内所采集的数据根据容许函数阈值剔除误差较大的数据,然后对该温度传感器的数据进行分批估计得出该节点某一段时间内的最优估计值,以此得到该区域所有无线温度传感节点最优估计值后,依据权值最优分配原则对每组传感器数据进行组内自适应加权融合,从而计算得到该段时间内温室大棚的温度精确值。通过实验验证得出：相对于平均值法与传统的分批估计算法,本算法数据融合易于实现,融合值相对误差值更低,稳健性更好。     

基于多传感器的温室环境数据融合算法研究

无线传感器网络中采集的数据存在着较大的冗余与误差,影响数据的可靠性;而在温室环境监测中,对数据的准确性要求比较高。因此,为了提高多传感器采集数据的准确性,在研究了现有的几种数据融合算法以后,提出一种基于多传感器的综合数据融合算法。给出了采用格罗布斯准则消除粗大误差,并引入哈夫曼树的思想对数据进行项融合的方法。结果表明,该算法可以有效提高测量数据的准确性。     

基于多传感器数据融合的温室温度采集

温室具有空间大且温度场分布受多种参数影响大等特点。基于这些特点,本文提出了基于多传感器数据检测与数据融合技术的温室环境温度采集方法。在多传感器采集数据基础上,采用分布图法去除疏失误差,同时采用基于均值的递推估计融合的方法对采集的数据进行融合。仿真结果表明,采用这种方法可以提高温度采集的精度,同时有效地消除了由于传感器失效引起的误差。     

矿井主要通风机风量测试研究

为解决矿用主要通风机风量值测试的稳定性和有效性问题,将数据融合方法引入其中。在对单传感器一致数据统计分析的基础上,剔除疏忽误差求出平均值,再由测试中心对多传感器数据进行融合。在多传感器数据融合的算法中,对阙值区间函数进行改进,采用二次曲线来消除阙值点处相互支持的模糊性。实际应用表明,风量测试数据准确、可靠。     

信息融合在温室西瓜生长中的应用研究

针对温室西瓜栽培的具体环境条件,运用二级融合模型,局部融合采用自适应加权数据融合算法,全局融合采用改进的D-S证据推理理论对温室中的温度、湿度和光照度等主要环境参数进行融合,将融合结果送入专家系统的知识库,对温室环境做出精确的判断,并采用对应的措施对环境参数进行调节,达到西瓜生长较为理想的环境条件.实验表明融合结果的可靠性较高,能够完成温室环境的智能化控制.     

基于多传感器数据融合的温室温度采集

温室具有空间大且温度场分布受多种参数影响大等特点。基于这些特点，本文提出了基于多传感器数据检测与数据融合技术的温室环境温度采集方法。在多传感器采集数据基础上，采用分布图法去除疏失误差，同时采用基于均值的递推估计融合的方法对采集的数据进行融合。仿真结果表明，采用这种方法可以提高温度采集的精度，同时有效地消除了由于传感器失效引起的误差。     

温室番茄生长中多传感器数据融合的应用

本文提出了一种适用于温室环境监测的分布式多传感器系统和二级融合模型,基于D-S理论和专家系统相结合的混合数据融合算法。这种方法可提高温室番茄生长环境监测的精确度,及时调节温室环境的温度、湿度、光照等主要参数,使其达到理想条件。