WSN中的一种多传感器数据融合算法

为了适应无线传感器网络资源受限的特点,提出一种多传感器数据融合算法,算法在传感层和网络层之间增加数据融合层,将采集的数据分为实时数据和非实时数据,对数据进行约筒处理,提高传感器节点传输被采集信息的效率.利用TinyOS进行仿真测试,结果表明:数据融合算法可以有效地减少网络中数据通讯流量,节省传感器节点能量,延长网络生存时间.     

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。     

一种基于改进Bayes估计和能量均衡的WSN数据融合节点选取方法

在无线传感器网络数据融合过程中,为了保证数据融合节点本身的可靠性以提高其融合数据的准确性,提出一种基于改进Bayes估计和能量均衡的无线传感器网络数据融合节点选取方法。选取信任值高的节点作为潜在的融合节点,为避免高信任节点多次当选为融合节点从而过早地消耗掉自身的能量,将节点剩余能量作为参数共同考察潜在的融合节点,从而可以在一定程度上达到网络节点能量均衡的效果。仿真实验表明,所提方法能够在降低数据融合节点的平均耗能,提高网络传递的数据正确率等几个方面取得较好的效果。     

基于估计机制的分簇传感器网络数据融合算法

提出了一种基于估计机制的分簇传感器网络数据融合算法.在满足数据精确度要求的前提下,只有当数据的当前值与上一次采集值之差超过某一变化阈值时,才将当前采集数据发送到簇头节点,否则不发送.采用节点剩余能量自适应的簇头选择算法来平衡传感器节点的能耗,使得剩余能量越大的节点当选为簇头的概率越大.推导了使网络能耗最小的最优分簇规模...     

无线传感器网络基于定向扩散与分批估计的数据融合算法

无线传感器网络中采集的数据存在着较大的冗余与误差,造成能量消耗过多,并且影响数据的可靠性。针对这个问题提出一种基于定向扩散与分批估计的数据融合算法,对监测同一对象的多个传感器所采集的数据进行综合,提高数据精度和可信度,并减少数据传输量,从而降低了功耗。通过对室内环境参数(温度)的监测验证了这种算法的可行性。     

无反馈结构的多传感器数据融合研究

无线传感器网络近年来发展迅速,多传感器与无线传感器网络关系密切。数据融合在多传感器网络中的作用非常重要,理论中着重融合算法的研究。本文从结构出发,在原有无反馈层次结构的基础上加以改良,并进行最佳联合估计融合,加以仿真试验。结果表明,此方法能提高系统的灵活性与生存力。     

多传感器数据融合的一种方法

在多传感器数据融合的过程中,首先必须验证各个传感器的可靠程度,即确立正确的关系矩阵。一般做法是根据门限值判断两个传感器是否相互支持,或者用分段直线等方法表示其支持程度。在分析的基础上,提出了应用椭圆曲线表示支持程度,并分别给出了融合结果。     

多传感器数据融合的一种方法

在多传感器检测系统中,由于工作环境的复杂,使得传感器的测量精度受到影响,从而导致传感器的测量数据并不总是准确;因此要选择测量数据合理的传感器进行数据融合。在多传感器数据融合的过程中,必须首先验证各个传感器的可靠程度,确立正确韵关系矩阵。一般做法是根据阈值点判断两个传感器是否相互支持。针对在阈值点处存在的模糊性提出一种利用阈值区间判断其支持程度的方法,并通过实验说明这种方法的可行性与简单性。     

无线传感器网络数据融合技术的研究进展

首先对无线传感器网络的特点进行了介绍,分析了数据融合技术对无线传感器网络发展的重要性,之后简要介绍分析了部分有代表性的研究成果．最后讨论了无线传感器网络中数据融合问题的未来研究方向。     

基于多传感器信息融合在状态估计上的应用

利用测量系统采用单一传感器对测量系统获取观测数据,通过经典卡尔曼滤波算法对观测数据进行估计.在对复杂多变的环境中利用多种传感器所测量的数据进行融合分析,针对不同结果的观测数据,建立数学模型,用方差大小来衡量每个传感器的精度性,对获取到不同的观测数据进行观测融合,采用集中式融合和分布式融合方法,分布式融合运用矩阵分析把高...     

用于胎压监测系统的一种改进贝叶斯估计数据融合算法的研究

针对小型汽车胎压监测系统(TPMS)利用单一传感器测量数据不确定性的问题,提出一种将贝叶斯估计和卡尔曼滤波相结合的多传感器数据融合的方法.设计满足系统功能要求的方案,运用贝叶斯估计对SP370轮胎模块中传感器采集的数据进行融合,排除失效的数据以及故障的传感器,提高系统的精度.结合卡尔曼滤波器优化融合的结果,消除噪声信号.研究结果表明,采用上述的数据融合方法能够有效的解决单一传感器测量数据的局限性,抑制传感器引入的噪声,并通过仿真验证了本系统的可行性、可靠性.     

基于线性经验Bayes估计的位置数据融合方法

给出了一种多传感器位置数据的融合方法。这种方法基于线性经验Ｂａｙｅｓ估计。该方法不需要被测参数的精确分布形式，该方法易于计算，并且在许多传感器融合问题和信号处理上有着潜在的应用。     

基于信任和权重的无线传感器网络数据融合模型

在无线传感器网络中,数据融合的可靠性是一个非常重要的问题并且受到了广泛的关注。为此,提出一种基于信任和权重的无线传感器网络数据融合模型(TWDFM)。在该模型中,传感器节点通过构建信任表选举可靠簇头,簇头根据权重检测异常节点并融合可信数据。仿真实验表明,该模型可以有效提高数据融合的安全性和准确性。     

不等精度数据融合的最优权值与参数估计方法

对测量数据进行融合处理是提高数据处理精度的一个十分有效的方法。本文使用引入加权因子的方法,对不等精度测量数据融合处理的最优加权与参数估计的问题进行了研究。对于线性回归模型,从理论上证明了,最优融合权值由数据的精度唯一确定,这与经典的Gauss-Markov定理是一致的;对于非线性回归模型,在理论上获得了最优融合权值的计算方法,给出了实际数据融合处理的最优权值与参数估计算法,并且证明了非线性模型的不等精度数据融合的最优权值,不但与数据本身精度相关联,而且与模型的结构、模型的导数相关联,则在此时经典Gauss-Markov定理不再成立。通过算例进行对比验证,证明了所提方法的有效性。     

基于贝叶斯网络的体域网多模态健康数据融合方法

体域网作为无线传感器网络在生物医学领域的一个重要分支能够远程实时监测人体多项健康数据.针对基于体域网采集到的多模态健康数据融合与分析方法进行研究,设计了一套包括动态心电传感器、血压传感器和血氧饱和度传感器的体域网组网方式,提出了一种基于贝叶斯网络模型和推理算法的心肌缺血监测识别方法.通过对60例确诊心脏病患者施行单一模态动态心电监测和多模态健康数据监测对比实验,验证了所提出的多模态健康数据融合方法能够有效提高无症状性心肌缺血的检出率,为临床应用提供了一种新的辅助判别手段.     

基于状态预测自适应一致滤波器的分布式估计融合算法

应用自适应滤波算法改进了基于一致滤波器的估计融合算法以加快节点估计的一致收敛速度,提出了 一种基于状态预测的自适应一致滤波器．在此算法中,节点采用状态预测值作为自适应滤波器的参考信号,应用自 适应算法修正一致滤波器的加权矩阵．仿真结果表明,本文提出的算法不仅能够加快节点估计的一致收敛速度,还 能减小收敛过程中节点的估计误差．     

基于贝叶斯估计的放入式电子测压器准静态校准数据处理方法

为解决贝叶斯估计法无法用于直接处理准静态校准数据的问题,提出了一种先对数据进行预处理,随后进行正态性分析获得正态性参数,最后依据正态性参数进行贝叶斯估计的多传感器动态测试数据融合的处理方法。经过计算分析,放入式电子测压器准静态校准数据具有较好的正态性,使用贝叶斯估计法处理充分考虑了测试数据的统计规律特性,减轻了多传感器测试系统中单传感器对测量整体结果的影响;经实验验证,其同时明显提高了数据相关性,能进一步提高测试可靠性。对于火炮膛压的精确测量有显著意义。     

基于改进的卡尔曼滤波算法的气象数据融合

数据融合技术能够有效的提高计算效率,减少冗余数据.研究锡林河流域的空气温度数据的规律,针对传统的卡尔曼滤波的融合结果存在微小的波动,引入分布图法,提出了基于改进的卡尔曼滤波的空气温度数据融合算法,目的将每隔五秒采集空气温度数据融合为一小时的空气温度值.为了验证改进算法的性能,在原始数据的基础上分别设置了扰动数据和突变数据.通过实验仿真,改进的算法的融合效果好,抗干扰性和稳定性强,提高了气象数据的准确性.     

基于信息融合技术的车辆行驶状态估计

针对车辆行驶状态估计问题,基于扩展卡尔曼滤波(EKF)理论设计了汽车横摆角速度、质心侧偏角和纵向车速的估计算法.建立了车辆非线性三自由度估算模型,应用扩展卡尔曼滤波对纵向加速度、侧向加速度和方向盘转角低成本传感器信号的信息融合,实现对车辆行驶状态的准确估计.选择高速双移线工况,通过CarSim与Matlab/Simulink联合仿真对算法进行仿真验证.结果表明:算法能够准确估计车辆的横摆角速度、质心侧偏角和纵向车速,并具有良好的实时性.     

基于Kalman滤波的数据融合研究

分析了标准kalman滤波(KF)和自适应kalman滤波(AKF)的原理,通过仿真实验,对两种滤波算法的性能进行了比较.选用凸组合融合算法作为声纳探测的航迹融合算法,将多声纳融合系统的融合结果和简单交叉定位算法进行了比较研究.仿真实验结果表明:自适应kalman滤波比标准kalman滤波具有更好的目标跟踪性能,多声纳融合结果较简单交叉定位结果的性能有大幅度提高,所选用的融合算法航迹能够较好的与真实航迹吻合.