改进型分批估计与自适应加权融合方法研究

针对智能家居火灾监测中数据准确性低冗余大等问题,提出了一种量测数据预处理与改进型分批估计自适应加权数据融合相结合的算法。首先,该算法根据格罗贝斯准则对单个传感器测量数据序列进行一致性检验,从而剔除疏失误差数据;其次,考虑传感器受恶劣因素影响导致量测波动较大,引入环境因子并改进分批估计算法计算单个传感器最优监测值;最后,针对不同方位多传感器误差分布不均匀的特点,提出了根据权值最优分配原则实现自适应加权数据融合。实验结果表明,该算法得到的融合结果误差小,能够有效提高数据准确性,降低冗余量,具有较好的稳定性能。     

多传感器数据采集系统中的数据融合研究

针对多传感器数据采集系统的准确性与可靠性的要求,提出了单传感器分批估计融合与模糊理论中的相关性函数与加权自适应算法相结合的数据融合方法。首先,对每一只传感器进行分批估计融合,得到了较为可靠的局部决策值。然后,利用模糊理论中的相关性函数,计算出每只传感器与其它传感器的相关程度,并剔除掉那些相关程度较低的传感器的局部决策值。最后,在权的最优分配原则下,利用加权自适应算法对剩下的局部决策值进行数据融合。该方法能在数据先验知识未知的情况下,客观地反映各个传感器的可靠程度。数据分析结果表明:与同类融合方法相比,该方法具有更高的精度。     

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。     

多传感器数据融合在矿井安全监测中的应用

针对矿井安全监测数据不准确、安全评判不可靠的问题,提出了一种基于多传感器数据融合的两级数据融合方法。一级融合先利用分批估计算法对单个传感器数据进行处理,提高数据采集的准确性,再采用自适应加权算法对同类多个传感器数据进行处理,获得矿井各环境参数的融合值;二级融合将矿井各环境参数的融合值与矿井安全标准特征向量进行灰色关联度分析,得到矿井安全状况的一致估计。实例验证了该方法的可行性和有效性。     

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.     

大坝安全监测中的数据融合算法研究

多传感器网络中采集的数据存在一定程度的误差,影响了大坝安全监测的可靠性.对此,将数据融合算法应用到大坝安全监测系统中,通过算术平均值和分批估计的方法,对多个传感器的测量值进行融合,得到更接近于真实值的数据,从而作出及时正确的评判和决策,指导大坝的安全运行.对水库水位的监测验证了该方法的可行性.     

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。     

基于BP神经网络数据融合的瓦斯监测系统

井下瓦斯监测系统为多传感器监测系统,它通过不同功能、不同精度、不同位置的传感器,对所需要的被测量进行多方位、多角度的测量。但是,目前对于多传感器所测的数据还没有一种通用的、行之有效的处理方法,井下瓦斯浓度的监测很难作到实时、精确。因此,文章提出了一种基于BP神经网络数据融合的瓦斯监测系统的设计方案,该方案采用改进的BP神经网络算法对多传感器数据进行融合,并采用两级融合的方式对数据进行处理,以得到井下环境特征。仿真结果表明,基于BP神经网络数据融合的瓦斯监测系统具有较高的测量精度,极大地提高了数据采集的可靠性、全面性和有效性。     

基于概念格的煤矿瓦斯数据融合预警研究

提出了基于概念格的煤矿瓦斯数据融合预警算法.建立了煤矿瓦斯预警的两级数据融合模型,通过对同质多传感器数据的加权数据融合处理,使检测同一目标的多个数据融合为一个精确的、可靠的数据,减少了通信网络中的数据流量.经过数据级融合的异质多传感器数据描述了导致瓦斯事故的各种因素,利用概念格理论对异质多传感器的历史监测数据进行分析,形成预测煤矿瓦斯安全状态的决策规则.使用该预警系统可以动态监测井下瓦斯安全状况,提高瓦斯事故预警的准确性,为煤矿安全生产提供支持.     

基于多Agent信息融合的煤与瓦斯突出预测

针对现有煤与瓦斯突出预测方法存在的不足,考虑检测到的影响煤与瓦斯突出的多种因素数据,建立了煤与瓦斯突出预测的多Agent信息融合模型,实现对煤与瓦斯突出的快速、准确和动态预测。利用基于均值的分批估计融合算法对煤与瓦斯突出指标的多传感器数据进行处理以获取更为准确、可靠的数据以提高预测准确性,应用D-S证据理论解决煤与瓦斯突出预测过程中的不确定性和不精确性问题。通过实例对提出方法进行验证,结果表明所提出的方法预测准确性高,是一种有效的煤与瓦斯突出预测方法。     

数据融合技术及其在电器试验数据采集中的应用

文中给出了数据融合算法，并提出把数据融合方法应用于电器试验数据采集电压计算中。使计算结果能更完善、准确地反映电压的数值。这种数据融合方法计算简便，可以获得比有限个算术平均值更准确的测量结果．具有较高的可靠性，实际应用结果证实了该算法的准确性，可推广到其它具有正态分布特性测量结果的数据融合。     

分组故障检测证据融合多星故障隔离算法

针对卫星导航星座数增加导致的多星故障率上升问题,提出一种分组故障检测证据融合多星故障隔离算法.该算法首先将可见星分组并作为证据,利用故障检测量计算每个证据的故障置信指派和正常置信指派;然后,针对加权分配冲突法融合结果受证据融合次序影响的问题,给出一种基于可靠程度的权值计算方法,实现加权分配冲突法的多证据融合,并得到当前卫星的单星故障置信指派和正常置信指派信息;最后,利用所有卫星的单星故障置信指派均值作为故障隔离阈值,实现故障卫星隔离.在GPS/BDS双星座导航模式下,对算法的分组个数与故障隔离效果关系进行分析,并将其与随机搜索法及置信指数法进行多星故障隔离效果对比,理论分析与实验结果表明所提出算法具有更高的准确性.     

一种权系数两级自调整的融合定位精度提高方法

在分布式传感器网络节点定位技术中,使用数据融合方法以提高探测系统的检测与定位精度正成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合定位算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。该算法采用两级自适应调整得到最优加权因子,首先利用线性最小均方差（LMSE）算法得到权系数的初始值,然后利用训练节点和递归最小二乘（RLS）算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真,仿真结果表明：相比单节点定位,提出的融合算法的定位精度有约1—2个数量级的提高。     

基于近邻量测认知信息的多传感器融合估计

在构建传感器模糊量测认知偏差的基础上,提出一种新的多传感器融合估计方法。运用相邻量测样本均值和协方差度量传感器可靠性,确保融合权重分配的客观性和灵敏性。实验结果表明,与基于均值融合算法和支持度融合算法相比,使用该方法得到的融合权值分配方式更加合理,可进一步提高估计精度。     

基于动态融合LOF的城市污水处理过程数据清洗方法

围绕城市污水处理过程数据存在连续噪声和缺失的问题,提出一种基于动态融合局部异常因子(dynamic fusion local outlier factor,DFLOF)的污水处理过程数据清洗方法.首先,设计一种基于滑动窗口的数据动态分段方法,通过计算每个子段数据的均值、最大值和峰值区间信息获得数据异常属性值;其次,建立...     

基于遗传优化混合模型发动机稳态数据融合

航空发动机稳态数据受工作环境、测量方式、控制规律等多方面因素影响,其试验数据常存在异常值,会对稳态性能参数计算结果造成影响。基于数据来源的正态性假设,采用高斯混合模型对数据进行筛选分类。在模型求解算法方面,采用遗传优化算法克服期望极大(EM)算法的局部收敛性,使计算结果具有一定的全局最优性,并复合应用EM算法弥补遗传算法收敛速度慢的不足。使用赤池信息准则或贝叶斯信息准则(AIC/BIC)作为数据筛选结果评定指标,并验证该方法的可行性。在数据融合方面,提出基于最优模型参数相似理论进行数据融合的方法,融合后数值接近真实稳态数据值,可作为该稳态数据片段的特征值。     

A decision fusion method using an algorithm for fusion of correlated probabilities

This paper proposes a new decision fusion method accounting for conditional dependence (correlation) between land-cover classifications from multi-sensor data. The dependence structure between different classification results is calculated and used as weighting parameters for the subsequent fusion scheme. An algorithm for fusion of correlated probabilities (FCP) is adopted to fuse the prior probability, conditional probability, and obtained weighting parameters to generate a posterior probability for each class. A maximum posterior probability rule is then used to combine the posterior probabilities generated for each class to produce the final fusion result. The proposed FCP-based decision fusion method is assessed in land-cover classification over two study areas. The experimental results demonstrate that the proposed decision fusion method outperformed the existing decision fusion methods that do not take into account the correlation or dependence. The proposed decision fusion method can also be applied to other applications with different sensor data.     

基于改进D-S证据理论的室内环境控制决策系统

针对室内环境因子多且相互作用关系复杂,影响室内环境舒适度的控制精准决策,设计了一种基于改进D-S证据理论的室内环境控制决策系统。首先采用箱线图法和均值替代法检测修复异常采集数据,然后利用距离自适应加权融合算法实现同类传感器数据一级融合,最后利用改进D-S证据理论算法,实现全局融合决策。实验结果表明,改进D-S证据理论算法能够有效避免冲突证据带来的融合决策误差,系统可以实现室内环境控制的精准决策,融合决策精度高,具有一定的推广应用价值。