一种基于DGDL传感器管理优化策略

在多传感器多目标环境下,对于多个非合作目标,如何通过传感器实施有效的管理以实现对这些目标的跟踪是一个至关重要的问题,许多文献对其进行了讨论;基于信息熵和目标威胁等级定义及其使用方法,提出了一种启发式传感器最优调度策略以实现对传感器的有效管理,最后通过实验数据,证明了算法的可行性;这种基于DGDL的算法达到了对传感器管理进行优化的目的。     

基于SVM的WSN运动目标位置跟踪预测方法研究

针对无线传感器网络中运动目标位置跟踪预测方法的研究,提出了一种基于支持向量回归机(SVM)的目标位置预测方法。利用节点位置信息和网络连通信息作为训练样本,建立支持向量回归技术到节点位置的映射函数,从而完成运动目标已知时刻位置估计。最后,利用支持向量回归预测模型对运动目标节点进行位置预测。仿真结果表明,该方法有效地提高了目标节点位置预测准确率。     

基于粗集理论和支持向量机的动态预测新方法及应用

基于粗集的属性约简理论和SVM回归思想 ,提出了一种内嵌属性约简策略的SVM动态预测方法 (RS -SVM) ,并用于回转窑烧结带温度测量。该方法首先利用属性约简理论精选出与烧结带温度有重要关联的传感器信号 ,再利用SVM建立这些传感器信号与烧结带温度之间的非线性映射模型 ,并不断地跟踪预测误差动态修正SVM预测模型 ,从而提高了系统的抗干扰性能和容错能力。通过与直接SVM方法进行比较的实验 ,说明了此方法在回转窑烧结带温度预测的优越性。     

基于弹道导弹探测网的目标指示模型

研究多传感器协同探测弹道导弹目标的问题.为了正确引导目标在传感器之间交接,提出了弹道导弹目标指示方法,其难点是如何快速生成多目标-多雷达的目标指示信息并及时发送给相关雷达.为解决上述问题,分析了目标指示在弹道导弹防御作战中的原理和作用,建立了以坐标变换、弹道预测、探测可行性、多目标-多雷达指示为核心的弹道导弹目标指示数学模型,并给出了模型的软件算法和流程.仿真结果证明所建的弹道导弹目标指示模型合理可行,算法简单有效,对后续研究反导多传感器管理与控制问题具有较高的参考价值.     

基于SVM预测器的传感器故障诊断与信号恢复研究

支持向量机(SVM)是一种新兴的基于统计学习理论的机器学习方法.简要介绍了SVM回归原理,据此建立了基于SVM的时间预测器并用于传感器的故障诊断和信号恢复,阐述了具体的实现方法和步骤.仿真结果表明:SVM预测器有效地克服了神经网络的不足,能准确预测和跟踪传感器的输出信号,并在传感器发生故障后一定的时间段内能较精确的估计传感器的正常输出.     

基于信息增益和目标威胁度的多传感器管理优化模型

针对信息化防空作战的多传感器资源管理优化问题,分析了防空作战传感器管理,提出了基于信息增益和目标威胁度的多传感器管理优化模型.该模型通过计算传感器对目标的信息熵,获得每个传感器对每个目标最大的信息增益,以此作为代价函数,考虑目标的威胁度,利用线性规划思想进行多传感器对多目标的优化分配,实例分析表明该模型的有效合理性.     

基于SVM算法的睡眠监护系统设计

睡眠监护是睡眠质量分析中重要的部分,但是目前的睡眠监护系统的产品价格普遍昂贵,而且会给监护对象带来不适的感觉。本文提出了基于SVM算法的睡眠监护系统,以便可以实时的掌握监护对象的睡眠情况。本系统硬件部分由服务器、蓝牙声音传感器构成。蓝牙声音传感器负责数据的采集,服务器负责数据的解析和管理。在服务器解析过程中,SVM算法对提取的特征值进行训练,通过预测睡眠状态标签对比专家判断睡眠状态标签,证明该算法有效实用。     

基于小波和支持向量机的光纤微振动传感器模式识别

为实现对双M-Z型光纤传感器的振动信号进行识别,提出一种基于小波能熵和支持向量机(SVM)的光纤传感信号模式识别方法。该方法对小波分解得到的各频段系数求解其能量信息熵,归一化后得到特征向量。其作为SVM的输入,通过选用合适的核函数和多类的分类方法,对SVM多类分类器进行建模。在多种振动信号的条件下,用测试样本对SVM分类器模型进行测试,测试结果表明:该方法对双M-Z型光纤微振动传感器的振动信号的分类达到了较高的识别率。     

基于修正Riccati方程与Kuhn-Munkres算法的多传感器跟踪资源分配

多传感器管理是对一组传感器或测量设备进行自动或半自动控制的一种处理过程,它实现了整体性能的优化和资源的有效利用.在建立多传感器管理中传感器资源分配一般数学模型的基础上,研究基于修正Riccati方程与Kuhn-Munkres算法相结合的多传感器跟踪资源分配,同时给出了目标-传感器最优分配解的求解步骤.仿真结果表明了该方法的可行性.     

图书文献经费的支持向量机组合预测

对灰色、神经网络和SVM（支持向量机）的3个预测模型进行了研究,以某图书馆1996年～2003年图书文献总经费为例,对图书文献总经费进行了预测,经过比较,SVM的预测方法精度较高。在分析组合预测特性的基础上,提出了对灰色系统、神经网络和SVM三种预测方法结果进行了线性组合预测方法和SVM的组合预测方法。与单一预测方法结果和线性组合预测进行对比,SVM组合预测方法比较精确。     

舰载机多雷达传感器任务分配与采样间隔融合优化算法

针对舰载机协同探测中多雷达传感器资源配置问题,提出一种多目标跟踪场景下的多传感器数据率管理与任务分配融合优化算法.在基于协方差控制的多传感器分配模型基础上,加以目标优先级和传感器效能条件约束,建立一种多传感器数据率管理与任务分配融合优化模型.将驻留时间改进因子引入序贯卡尔曼滤波算法,计算不同采样间隔下传感器组合状态估计...     

基于蚁群算法的多传感器目标分配模型

根据现代信息战的特点,分析了多传感器目标分配在数据收集和融合体系中的重要意义以及当前分配算法存在的问题.针对更加灵活地多对多分配问题,提出了一种带威胁系数和效用衰减度的循环分配方法,确立了新的目标函数,使传感器资源更多地流向威胁度高的目标,更加符合实际应用.针对目标分配这种NP问题,结合新的分配方法,建立了蚁群算法模型,通过算例仿真验证了该分配模型的可行性.     

数据融合方法在火灾监测系统中的应用

设计了基于1-WIRE总线的火灾监测系统,采用温度、烟雾、红外传感器进行火灾检测。在数据处理方法上,首先应用模糊数学中隶属函数的概念产生各个传感器的信度函数分配,再利用D S证据理论方法对多个传感器进行数据融合,利用目标模式的判定规则对火灾的有无进行判断,较单个传感器相比,多传感器数据融合的结果具有较高的准确度和可信度。     

基于MAS的防空态势感知多传感器管理体系结构研究

针对防空态势感知信息网络的传感器管理问题,提出了基于多智能体系统(MAS)的多传感器管理体系结构。结合防空态势感知传感器管理的特点,深入分析了传感器代理的结构模型和体系结构Agent的构造以及协作行为。对于防空战场资源的优化配置,发挥防空体系的整体效能,提供了一条有效的途径,能够满足实现防空作战信息网络传感器资源优化的实时性和准确性要求。     

基于多传感器管理技术的危险源监测与分析

传感器管理是信息融合技术中的一个重要方面。面向矿井通风安全监测,本文提出了基于传感器管理技术的危险源监测与分析方法。分析了系统中的多监测目标优先级,确定目标的威胁程度,由此确定传感器资源对危险源的分配。实例表明,采用合理的目标威胁程度评估算法能确定目标优先级,能为多传感器资源的合理分配提供决策支持。     

基于模糊决策树的机载多传感器智能管理方法

针对机载多传感器调度管理的困难,提出基于模糊决策树的机载多传感器智能管理方法。该方法将作战阶段与目标类型相结合,构建不同目标属性,建立基于目标类型的模糊决策树模型,在此基础上建立机载多传感器动态智能管理模型,并进行空战仿真验证。仿真结果表明该方法与作战阶段动态相关,能快速有效地完成机载多传感器调度管理。     

基于灰度关联的多传感器融合目标识别方法

为实现对多传感器目标识别系统中目标的正确分类,提出了基于灰技术理论的多传感器融合的目标识别方法。其中,单传感器识别采用计算待识别目标的灰关联系数和灰关联度,利用灰关联度的排序得到目标在时域上的识别,最后,利用各传感器灰关联度矩阵的范数得到多传感器信息融合的识别结果。计算实例验证了该方法的有效性。     

多站虚拟量测变换均值无源定位算法

在多站无源均值定位算法中,为了解决部分传感器间夹角过大或过小所导致的定位精度下降问题,提出一种基于虚拟量测变换的多传感器管理无源定位算法.首先在全局坐标系下分析了传感器间夹角对误差几何稀释度(GDOP)的影响,进而得到双站获得较好定位精度的夹角约束关系;其次针对不满足该约束关系的传感器组合提出一种虚拟量测变换定位算法,通过空间管理的方法达到对传感器的优化布站,并结合算法的实施步骤对其原理及特点进行了理论分析,尤其对变换前后的交点精度进行了比较.仿真结果表明虚拟量测算法的定位精度要明显优于均值算法,进而说明该算法的有效性及传感器管理在多站无源定位中的重要作用.     

基于支持向量机算法的气体识别研究

利用多传感器或者传感器阵列,同时,结合神经网络技术来进行气体识别和定量分析研究已成为目前传感器领域的一个研究热点。介绍了一种在该领域还没有引起足够重视的算法———支持向量机算法(SVM)。利用该算法,结合多传感器技术,对 3种不同体积分数的有机溶剂进行了识别研究,并取得了较好的识别效果,证明了该算法在气体识别领域具有相当大的研究价值。     

基于智能手机感知室内有效位移的方法

结构构建是室内地图构建的基础,而室内测距是结构构建中的核心问题。为克服现有测距方法中成本高或精度低的不足,在融合了多种智能手机传感器数据的基础上,重新设计了基于步数步幅统计的测距方法。在步数统计阶段,参照机器学习方法支持向量机（SVM）的设计思想计算最优阈值,使得模型具有极好的泛化能力;在检测步伐有效性阶段,利用磁力传感器数据的方差来筛选产生有效位移的步数;最后通过步幅估计模型计算步幅,进而实现有效位移的测算。通过实时构建室内地图等项目的验证,所提方法被证明是有效的,整体误差率在4%左右,可以达到构建室内地图所要求的精度,为室内地图构建中的有效位移计算提供了一种低成本、高可靠性的方法。