多传感器单模型动态系统多尺度分布式融合估计

近几年来,小波理论和信号的多尺度表示方法都得到了迅速发展,并在包括信号处理和图像处理在内的众多领域中得到了成功的应用,而在这些领域中,目前一个较为活跃的分支是基于小波变换的多尺度表示的统计信号处理。运用多尺度分析的思想,将基于模型的动态系统分析方法与基于统计特性的多尺度信号变换方法相结合,建立起状态基于多源观测信息的多尺度分布式融合估计和单源观测信息的多尺度分布式估计两种新算法,用计算机仿真研究验证了算法效能。     

多尺度随机建模与分布式多传感器数据融合估计

针对不同尺度上拥有不同特征的传感器对同一目标状态进行检测的多传感器单模型动态系统，利用小波将最细尺度上的状态方程进行有效分解，基于小波变换的分析、综合形式建立起以尺度为变量的动态多尺度随机模型。利用该模型将各个尺度上状态的局部估计结果进行有效综合，从而在最细尺度上获得目标基于全局信息的最优估计值。并经仿真对算法的有效性进行了验证。     

基于小波变换和Kalman滤波的多传感器数据融合

不同的传感器数据采集系统采集的数据具有不同的分辨率,因而需要解决多分辨率数据的融合技术和方法。Kalman滤波对非平稳信号具有较强的估计能力,能对信号所有的频率成分同时进行处理;小波变换的多分辨分析正好提供了有效的多分辨率信息处理方法。因此本文基于小波变换的分时分频多分辨率特点,把信号进行小波变换,然后分别在各尺度上进行Kalman滤波估计,最后通过Mallat快速重构算法,得到融合后的结果。     

基于多尺度边缘增强的遥感图象融合

边缘是图象(尤其是遥感图象)的一种重要特征.如果能够在将遥感图象进行融合的同时,增强融合图象的主体边缘特征,这显然对融合图象的进一步分析和应用具有重要的意义.因此,本文根据小波多尺度边缘检测的特性,结合小波变换融合的原理,提出了一种基于多尺度边缘增强的遥感图象融合.实验结果表明,该方法确实能够显著增强主要地物的边缘特征,为图象分割、特征提取和地物识别等应用奠定了基础.     

无线传感器网络节点分布式信息融合算法研究

节省能耗和延长网络寿命是无线传感器网络研究的核心课题之一,国内外在节点放置、路由策略方面有大量研究,通过密度控制、分级簇等路由算法减少数据冗余。通过信息融合算法减少有效数据传输量是延长网络节点寿命的有效途径,并就此进行具体研究,提出了三种典型的分布式信息融合算法,即系数加权融合、无反馈的Kalman融合滤波及有反馈的Kalman融合滤波,并对其在805.12.4/ZigBee温度测量网络应用层协议中进行实现,最后通过运算数据结果对三种算法进行了比较分析及有效性、局限性总结。     

多小波基多尺度多传感器数据融合

多传感器数据融合技术已经被广泛应用在多个领域,小波多尺度分解对数据的分析具有独特的优点,小波基的选择对数据融合结果也起着关键的作用.提出一种新的基于多个小波基的数据融合算法,先对含有噪声的传感器信号进行多个不同小波基的多尺度分解,然后对相同小波基分解的信号在多尺度上实施加权数据融合算法,之后进行不同小波基的逆变换得到的重构信号,最后将基于不同小波基的重构信号做最终的融合.实验结果表明:数据融合技术可以从多个方面多个层面以及多种融合原则来考虑,从而融合众多的因素得到最优的结果.     

基于Kalman滤波的数据处理多尺度融合算法

针对我国航天测量事后数据处理的现状,提出了一种基于Kalman滤波的数据处理多尺度融合算法;该算法以建立的系统动态模型方程为基础,将多台雷达的测量数据分别在不同尺度上逐次分解,然后在同一尺度上对所有雷达数据进行系统融合处理,从而提高测量数据的处理精度;用该算法处理某次卫星发射任务的理论弹道,计算结果表明:该算法处理的效果明显优于单台雷达直接进行Kal-man滤波处理的效果,并且融合尺度越小,处理精度改善的效果越明显;该算法与α-β-γ滤波算法相比,数据处理精度有较大提高。     

基于小波变换的图像多尺度数据融合

现有的图像数据融合方法对目标检测并不十分满意，为了提高目标检测的分辨率，抑制每个传感器的检测噪声，提出一种基于小波谱换的图像数据融合新方法，在图像分解的高域风，选择多源图像绝对值较大的系数作为重要小波系数，在低频域内，新的逼近系统通过对多源图像的逼近系数进行加权平均得到，然后利用重要小波系数和加权逼近系数进行小波反变换，即可得到融合之后的图像，实验结果表明，基于小波变换的图像数据融合方法具有良好的效果，并用于广泛的研究领域。     

多源海洋遥感叶绿素数据融合

叶绿素α(chlorophyll-α)是一个关键的水色要素,掌握叶绿素α的含量及变化情况对保护水体及维护生态环境质量具有重要意义。针对国内外相关科研机构生产的海洋叶绿素α融合产品存在精度低、覆盖率低、时间跨度短等问题,收集整理了1998—2017年的MODIS-Aqua、MODIS-Terra、MERIS、SeaWIFS、VIIRS共5个传感器的叶绿素α浓度数据,构建了小波变换与Kalman滤波技术相结合的多源遥感数据融合算法,完成了全球叶绿素α数据的融合,开展了融合产品的均值、方差和信息量的分析,并进行了融合产品与实测数据、欧空局(European Space Agency,ESA)的GSM(Garver-Siegel-Maritorena)产品的对比分析。结果显示,本文的融合产品与实测数据相关性达到60%;与实测值和欧空局的GSM产品对比分析中,融合产品的数据可利用率为60%,而欧空局的GSM产品的数据可利用率为30%左右,融合产品与实测值的相关性为0.792 2,而GSM与实测值的相关性为0.349 4,均低于本文的融合产品。     

基于小波域的自适应多尺度图像融合

在小波变换的基础上提出了自适应图像融合算法,该方法通过自适应多尺寸窗的应用得到融合图像.最后分别对仿真图像和多聚焦图像进行了图像融合的实验并与其它几种算法进行了比较.结果表明,该算法对提高图像融合的质量有显著的优势,证明了算法的有效性和可行性.     

一种改进的分布递阶无线传感器网络信息融合算法

信息融合技术是一个多学科高度集成的热点研究领域,目前针对煤矿井下环境监测系统的安全隐患问题,提出了一种基于无线传感器网络的分布递阶卡尔曼滤波信息融合算法,其中下层源节点采用改进卡尔曼滤波算法,上层汇聚节点采用方差自适应的加权信息融合算法,该算法能有效降低无线传感器网络能耗和网络信息冲突,实现信号重构.仿真结果表明,该算法具有很高的可靠性和信息融合精度,有较好的工程实用价值.     

无线传感器网络中的数据融合研究

无线传感器网络具有成本低、体积小、组网灵活、便于远程监控等优点,但是也存在能量、存储与网络资源等多方面的限制。研究了无线传感器网络中数据融合问题,提出了一种基于分簇的数据融合方法。实验结果表明,该方法能够提高数据准确性,降低数据冗余度,具有较好的执行效率。     

数据融合方法在单传感器系统中的应用

为了提高数据处理的精度,提出了一种适用于单传感器系统的数据融合方法。该方法先将来自单传感器的n个样本观测值细分成k组,并把各细分组所对应的样本均值假想为来自k个不同传感器的样本观测值,借助于极大似然函数估计法导出数据融合公式。基于该融合公式,证明了在单传感器系统中,当样本观测值一定时,分组数据融合的估计效果优于单组算术平均的估计效果;若再细分原有的分组,则细分后的融合估计效果优于细分前的融合估计效果。实例的数据分析验证了结论的正确性。     

一种基于变分方法的多分辨率域融合策略

针对常规多分辨率域融合策略的处理过于直接可能会降低融合图像质量的现象,提出了一种多分辨率域变分融合策略.该策略根据源图像分解系数的梯度信息构造目标系数梯度场,寻找梯度最接近目标梯度场的系数作为融合图像的分解系数.为了保持与源图像的相似性,对高、低频系数分别加入了约束条件.针对高频系数对噪声敏感的特点,还引入了全变分项来保证解的平滑性.在多聚焦图像、红外图像与可见光图像上的融合实验结果表明:与常规融合策略相比,提出的融合策略能够注入更多的空间细节信息,同时能更有效地保留源图像的结构信息.     

多个相关测量的融合算法及其最优性

将不相关测量融合算法推广到了相关测量的融合．对两种方法进行了比较：第一种是先用本文提出的融合算法将多个相关测量进行融合，然后将融合后的测量用于Kalman滤波；第二种是直接将多个相关的测量用于Kalman滤波．理论分析证明两种方法是等价的，因而也证明了本文融合方法的最优性．仿真结果表明了理论分析的正确性．     

一种无线传感器网络动态成簇数据融合算法

针对无线传感器网络应用于突发事件的场合,提出一种基于事件驱动的动态成簇数据融合算法。在综合考虑事件严重程度及节点剩余能量等因素的基础上,算法选择刺激强度大且剩余能量多的节点担当簇头。簇头节点通过广播成簇消息实现动态成簇,并动态调整每一轮数据融合延迟时间,提高了数据融合效率。仿真实验结果表明,与TEEN协议相比,该算法具有较低的节点平均能耗和较佳的网络数据融合延迟时间。     

基于多尺度形态学融合的分水岭图像分割方法

提出了一种基于多尺度形态学融合的分水岭图像分割方法,采用多尺度结构元素对输入图像并行滤波,并对结果图像进行基于小波变换的图像信息融合。针对小波分解的不同频率域,选择不同的融合规则,既抑制噪声又保持目标轮廓信息。最后,采用最大熵法自适应确定算法的初始阈值,并给出一种有效的区域合并方法来优化分割结果。实验证明,采用此分割方法可以获得较好的分割结果。