一致性多传感器数据融合方法的改进

多传感器数据融合是指将经过集成处理的多传感器数据进行合成，形成对外部环境某一特征的一种表达方式的过程。本文首先介绍了Ｌｕｏ［１］的一致性多传感器数据融合方法。然后，针对Ｌｕｏ方法的不足之处，改进了一致性融合方法。该改进方法计算量小，能简便、快速地确定一致性的传感器数据。     

基于多传感器的综合集成研讨厅信息融合系统

介绍了多传感器信息融合方法及处理模型、美国圣菲研究所在复杂适应系统领域以及园内在综合集成研讨厅领域的研究与实践，在此基础上，通过对多传感器信息融合系统和综合集成研讨厅的本质分析及对比研究，提出了一种通用的基于多传感器的综合集成研讨厅信息融合系统体系结构。同时，结合作者对装备保障复杂适应系统的研究与理解，分析了基于多传感器的装备保障综合集成研讨厅信息融合系统的功能需求、体系结构层次和技术结构层次，初步构建了装备保障综合集成研讨厅信息融合系统的体系结构框架，寻求到了一种多传感器信息融合研究的新途径。     

改进的镍电解三段净化智能控制系统

利用各种传感器功能上的差异与互补建立多传感器系统，通过对各传感器提供的信息进行分析、综合，获得比任何单一传感更加稳定、可靠的信息，这就是愈来愈受到重视的多传感器信息集成与融合技术本文提出了多传感器集成与多传感器融合的概念，根据镍电解三段净化过程以及所检测的传感信号，给出了多传感器集成系统概率模型和黑板式控制结构．给出了多传感器信息融合的拓扑结构和融合方法。     

基于模糊神经网络和D—S推理的智能特征信息融合研究

给出了一种新的分布式多传感器智能特征信息融合系统结构，利用模糊神经网络技术把环境信息和专家语言信息引入融合系统，提出了一种新的智能特征信息融合算法。     

Elman神经网络多传感器融合技术的研究与应用

由于重力传感器容易受环境温度等各种非目标参量的影响,其输出性能大大降低,为此,采用Elman神经网络多传感器融合技术加以解决.传感器信息融合是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术.多传感器信息经过融合后能够完善、准确地反映环境的特征.采用Elman神经网络补偿由系统的非线性和外界干扰引起的误差.仿真试验表明,该算法计算量小、拟合程度好、精确度高.     

多传感器数据融合技术研究进展

多传感器数据融合是信息领域一个前景广阔的研究方向.由于单一的数据融合算法具有一定的局限性,将2种或2种以上的数据融合算法进行优势集成已逐渐成为数据融合领域的研究热点.介绍了数据级、特征级和决策级融合3种数据融合方式的主要特点、方法及应用,归纳了常用的数据融合方法,并重点阐述了几种多传感器数据融合集成算法的研究进展,简单介绍了多传感器数据融合技术的应用.     

模糊数据融合在多传感器环境监测中的应用

文章提出了一种应用多传感器模糊数据融合技术的信息检测方法。该方法采用多传感器监测被测环境的温度、湿度和通风量等参量,将多个传感器所获取的多元信息模糊化后,经过融合中心的合成运算和决策规则的运用,获取被监测环境状态参数的精确估计,最终用于信息决策。实验结果表明,该方法能有效地提高环境状态监测的准确率,增加状态监测的置信度,提高监测系统的性能。     

多传感器集成与融合概述

多传感器集成与融合是目前智能机器与系统领域的研究热点,具有广阔的应用 前景．本文结合国内外多年的研究成果,对多传感器集成与融合进行了全面地介绍,详细介 绍了其目前研究的主要问题以及解决的方法．并且对多传感器集成与融合所存在的问题以及 未来的研究方向进行深入地探讨．     

基于大数据集成算法的多终端接入模式自动化识别模型

为提高移动终端设备多终端服务器接入精度与效率,更好地完成应用服务的人机交互,提出了基于大数据集成算法的多终端接入模式自动化识别模型。利用物联网环境采集多终端数据结构信息特征,组建传感器节点空间收敛目标函数,通过最小方差评估定位优化采集节点,收集完整接入数据;计算初步冲突特征信息,运用去一划分方法推算冲突特征数据离群性权值,构建冲突判断准则并输出冲突检测结果,掌握接入数据详细属性;通过高斯混合聚类归类多终端模式信息,采用最大化对数似然算法优化样本信息,把设备接入速度作为聚类指标,融合随机抽样思维,获得多终端接入模式自动化识别模型。实例测试结果表明,所建模型具备优秀的识别精准度与效率,能妥善完成预期模式识别目标。     

神经网络集成、多传感器融合——在机器人对障碍物的识别中的应用

近年来，基于传感器的机器人研究成为开发智能机器人的一个重要方面，它极大地改善了机器人的作业能力，具有重大的应用价值和发展前景。多传感器融合技术就是对同一检测对象，利用各种传感器检测的信息和不同的处理方法以获得该对象的全面检测信息，从而提高检测精度和可靠性在多传感器系统中，信息表现为多样性、复杂性以及大容量，信息处理不同于单一的传感检测处理技术，多传感器信息融合技术已成为当前的一个重要研究领域。目前信息融合方法利用多个信息源所获取的关于对象和环境的信息获得根据任务所需要的全面、完整的信息，主要体现在融合算法上。因此，多源信息融合的核心问题是选择合适的信息融合算法。     

多传感器信息融合技术在智能机器人环境感知中的研究进展及应用

多传感器信息融合技术是一种有别于经典数据处理技术的高级处理方式,主要目的是为了让智能设备在越来越复杂的工作环境中有更好的表现,使其能有更强的感知能力和操作精准度;在对传感器技术、人工智能、机器人技术、多传感器信息融合技术及常见多传感器信息融合的应用进行了系统的整理和研究后,针对目前的多传感器数据融合技术进行全面地介绍,并简要阐述多传感器信息融合的一般结构,重点分析不同融合算法的特点和优劣势,明确不同融合模型之间的差别以及对数据处理策略上的影响,充分列举现国内外发表的关于多传感器数据融合技术的重要研究及应用,并对多传感器数据融合技术的发展与展望做检验阐述,为多传感器数据融合技术研究提供重要理论依据。     

异类传感器时间配准技术研究

在多传感器信息融合系统中，异类传感器之间由于异步采样及传输延迟，数据之间存在时间不匹配的问题。时间配准是把关于同一个目标的各传感器的不同步测量信息同步到某一时刻，是信息融合前的数据预处理步骤之一。如果不经过时间配准这一步骤，那么信息融合会产生较大误差，甚至无法有效进行，因此，时间配准是多传感器信息融合中不可或缺的部分。针对异步采样这一时间配准的问题来源，通过Matlab验证了最小二乘法和内插外推法两种经典算法的有效性，并将卡尔曼（Kalman）滤波引入时间配准，将插值法与卡尔曼滤波相结合，提出了一种改进的时间配准算法，提高了信息融合的精度。     

嵌入式数据融合系统的设计与实现

介绍了一个基于ARM9嵌入式系统的数据融合平台设计与实现过程。采用S3C2440嵌入式微处理器、ZigBee无线传感器网络和实时Linux操作系统,集成单传感器数据融合与多传感器数据融合两套算法,能够依据环境切换融合算法,并可方便地集成各种数据融合算法,特别适用于旧系统改造、流动式数据检测与控制等场合。     

多传感器信息融合模糊控制模型设计

多传感器数据的来源众多，数据时间序列的特征随机性强，难以统一，导致其信息应用范围缩小。提出一种多传感器信息融合的模糊控制模型。运用不同映射模式描述多传感器信息融合状态空间，创建随机时段下测量空间矩阵，获得传感器信息采集时间序列特征。根据信息采集时间序列特征构建二级架构信息融合模型，第一级架构使用模糊控制算法划分输入-输出空间模糊区间，得到模糊规则并计算模糊规则相对信任度，利用模糊规则映射关联聚类信息，剔除传感器冗余数据。在此基础上使用智能粒子滤波法将多传感器信息传输至相应粒子滤波模块，代入遗传算法交叉与变异操作调整粒子权重，通过重采样保存高权值粒子，得到完整的多传感器信息融合结果。仿真结果表明，多传感器信息融合的最大能耗值为110 mJ,信息采集网络延迟为0.75 s,融合时间平均值为4.5 s,信息融合的误差值小于50 m,系统鲁棒性较强。     

基于MSF的煤矿井下环境信息危险评价系统的研究

文章结合煤矿井下环境信息的特征,介绍了一种基于多传感器信息融合(MSF)的煤矿井下环境信息危险评价系统。该系统建立了用于煤矿井下环境信息危险预测的3层误差反向传播神经网络模型,并采用神经网络信息融合算法对样本数据进行了分析和处理。仿真结果表明,该系统能够比较准确地评价煤矿井下环境危险的程度,且具有较好的鲁棒性和泛化能力。     

基于多传感器融合的全地形机器人系统设计

针对因强降雨、堤防溃决、暴雨增水等因素导致的水位突然上升而泛滥和山洪暴发,形成复杂多变灾后的地形环境。设计了以FPGA为控制器的多传感器融合机器人,提高灾后救援效率。该机器人通过GPS为机器人作业划定区域,生命特征仪、力矩仪和空气质量仪等传感器采集环境数据,搭建非线性全地形机器人动态模型,利用六轴陀螺仪和霍尔传感器获取机器人状态,数据经过扩展卡尔曼滤波算法融合以及航迹算法推算后,获得机器人在灾后环境中的实际信息,使得机器人能够按要求进行搜救作业。实验结果表面,多传感器融合的机器人系统,能够在灾后环境完成信息采集与传输,具有较高的稳定性及准确性。     

基于多点测温的舒适度智能传感器研究

针对人体舒适度的检测,基于手部皮肤平均温度与舒适度之间的定量关系,设计了一种舒适度智能传感器结构。该智能传感器利用三维集成多层结构将多个温度传感元件集成在一块硅基片上,利用基于一致可靠性测度的多传感信息故障判断与信息融合方法,在实现异常数据与器件故障判断的同时实现了多传感信息融合与舒适度检测。实验研究表明,该信息融合方法与平均加权融合相比,融合误差降低了约71.2%,舒适度最大检测误差为±0.051。     

基于激光测距与双目视觉信息融合的移动机器人SLAM研究

未知复杂环境中不规则的障碍物使传感数据具有不确定性,单依靠激光测距仪进行移动机器人的定位与自主导航可靠性不足;针对此问题,提出了一种基于激光测距仪和双目视觉传感器信息融合的精确定位方法,利用加权最小二乘拟合方法和尺度不变特征变换(SIFT)算法分别从对激光信息与视觉信息中提取直线和点特征,进行特征级的信息融合。通过对实验结果和数据分析,多传感器信息融合可以有效提高移动机器人SLAM(即时定位与地图构建)的精度和鲁棒性。     

一种运用模糊处理技术的多参量火警预报系统

阐述了一种新型多参量模糊处理火警预报系统。该系统利用多传感器对火情发生时特有的温度、烟雾和火光三个主要参量进行综合监测，以微控制器为处理核心，将所得到的多路信息利用模糊技术加以融合和推理，再根据具体的环境因素做出相应的判断。这种采用多传感器集成、多参量融合模糊技术的设计很好地解决了报警灵敏度和误报率之间的矛盾。     

基于信息熵的多传感器信息融合

多传感器信息融合是多源信息综合处理的一项新技术。从信息论的观点出发,导出多传感器信息融合系统中的冗余性与互补性的定量描述,分析了传感器冗余性与互补性特点,并从该角度出发,利用最小条件熵准则来解决多传感器信息融合中的目标识别问题,该方法的主要优点是可以充分有效利用多传感器信息,使融合系统满足获得的信息量最大。