一种基于数据融合技术的外测实时处理方法

针对受环境条件限制,测量设备布站条件不利,导致作用距离近、跟踪不稳、测量精度较低等实际问题,在对观测数据时延、误差特性以及目标动态特性进行研究的基础上,提出了包括测量数据预处理、数据估计与UKF实时滤波等一系列模型的数据实时融合处理方法,以提高外测实时数据精度。     

一种基于数据融合的IDS方法研究

分析了当前IDS（intrusion detection system）的缺陷,讨论了数据融合技术应用在IDS领域的可行性,提出了一种基于数据融合（data fusion）的IDS（DFIDS）模型,融合决策采用算术平均值的方法,以达到降低漏报率和虚警率的目的,模拟实验证实了这一点。基于数据融合的入侵检测方法是IDS发展的一个重要方向。     

基于数据融合的安全动态风险评估研究

在结合现有安全管理工具的基础上,该文提出了一个基于数据融合技术的安全动态风险评估模型,采用层次分析法和贝叶斯网络模型实现了评估的关键环节,该方法可用于动态地调整安全控制措施的优先级。     

基于集员估计的室内移动机器人多传感器融合定位

本文针对室内移动机器人的长距离实时鲁棒定位问题进行了研究,考虑到单一定位手段存在的不足,以二维扫描激光和里程计作为主要的定位设备,采用多传感器数据融合技术实现了移动机器人的精确定位.论文首先通过引入基于点-直线特征匹配的改进迭代最近邻(iterative closest point,ICP)扫描匹配方法对激光采集的环境点云信息进行迭代匹配以得到相对位姿变换估计,并推导了其估计不确定性的保守包络矩阵形式,然后通过建立定位过程和观测模型,引入扩展非线性集员滤波器作为多传感器融合方法,利用扫描匹配结果校正由里程计滑移带来的定位误差,并获取定位自身的不确定性边界估计.实验结果表明了本文所提出的室内定位方法的精度、实时性和鲁棒性.     

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。     

一种基于模糊理论的一致性数据融合方法

在多传感器检测系统中,每个传感器只能得到环境的部分信息。为作出合理的决策,并识别出有错误的传感器,有必要将传感器的局部观测值组合成全局估计。利用模糊集合理论中的隶属函数获得各传感器的局部决策,并采用“决策距离”的概念对各个传感器的一致性进行检验     

一种轨道衡的数据融合方法

分析了轨道衡普遍采用的多传感器输出并联产生误差的原因.介绍了应用基于算术平均值与分批估计的数据融合方法处理轨道衡多传感器输出的数据,提高轨道衡准确度。     

一种基于神经网络的力传感器的数据融合方法

电阻应变式测力传感器是目前国内外广泛使用的一种传感器。但它在使用的过程中,经常由于载荷分布不均,造成其精度的降低,使其输出特性呈现严重的非线性。引起这种误差的主要原因有：传感器的高度不足、斜载、偏心等。人工神经网络是由大量处理单元(神经元)组成的非线性大规模自适应系统,能够表达任意复杂的动态特性。因此,针对传感器的高度不足、斜载这两种情况,该文提出了利用前向多层神经网络进行数据融合。以筒式力传感器为例,阐述了其网络模型的建立过程。结果表明在高度降低和斜载的情况下,利用神经网络传感器仍能保持很高的精度。这在工程实际中是非常有用的。     

一种基于数据融合的医学图像分割方法

针对一类纹理特征明显的医学图像,提出了一种融合纹理信息和灰度信息的图像分割方法,设计了基于金字塔结构的区域增长分割算法,该方法在区域内部结合使用纹理信息和灰度信息,在区域边缘部分则充分利用灰度信息,计算结果表明,该方法对某一类医学图像能够获得较好的分割效果。     

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...     

基于改进卡尔曼算法的室内温度数据融合

针对传统建筑物内部空间结构复杂,布线成本高,数据采集精度不高等问题,采用LoRa无线通信技术构建传感器网络,主要用于监测室内温度参数的变化;对于传统的卡尔曼数据融合结果存在较小波动的现象,引入了孤立森林算法,提出了基于改进的卡尔曼滤波算法的室内温度数据融合算法;通过在采集到的数据集中随机添加扰动样本和畸变数据,对三种算法产生的误差进行比较,改进的卡尔曼数据融合算法在有扰动样本的情况下,误差范围控制在-0.12-0.1之间,在带有畸变数据时,误差范围在-0.03至0.14之间,均远小于传统的卡尔曼数据融合算法和平均值算法;实验仿真的结果表明,改进的算法提高了室内温度数据采集的鲁棒性和准确性。     

基于分布式BLUE的多雷达数据融合方法

针对线性系统与非线性观测的混合跟踪融合问题,推导目标匀加速运动时的三维最佳线性无偏估计(BLUE)滤波器,给出基于分布式BLUE滤波的多雷达数据融合方法.由各单元雷达对直角坐标系下的目标状态进行BLUE估计,对多部雷达的目标状态在融合中心进行融合估计,采用位置、速度均方根误差和平均归一化估计误差平方作为融合性能评价标准.仿真结果表明,与基于NC的去偏转换状态融合方法和基于MMC的无偏转换状态融合方法相比,该方法对于过程噪声和测量噪声的变化不敏感,比基于NC和MMC的方法具有更小的位置和速度均方根误差,即使在大误差的情况下,仍然具有较高的融合精度和可靠性.     

基于加权数据融合和相关性的微型电子测压器改进的动态校准方法

为确保微型电子测压器在高温、高压、高冲击的实测环境中的测试精度,缩短校准周期,设计了模拟火炮膛内压力环境下的微型电子测压器动态校准系统,并从"虚拟"标准测试系统的建立和测压器动态灵敏度的计算两方面介绍了原始和改进的动态校准方法.对比分析其结果可知,改进的动态校准方法不仅能提高微型电子测压器的测试精度,而且能有效缩短校准周期,从而验证了改进的动态校准方法的可行性和合理性.     

一种基于数据融合和方法融合的时空综合预测算法

时空数据挖掘是数据挖掘中的重要研究内容,其中时空预测的应用领域最为广泛.针对目前时空预测方法中的不足,提出了一种基于数据融合和方法融合的时空综合预测算法.该方法首先采用统计学原理对目标对象本身的时序进行预测;然后通过神经网络解算相邻对象的空间影响,继而对混合数据序列使用时空自回归预测模型;最后使用线性回归将单个的时间预测、空间预测和时空预测有效地融合在一起,得到综合预测结果.应用该方法预测铁路客流,突破了传统铁路客流预测方法的局限,实验结果表明了算法的有效性.     

基于分簇的无线传感器网络簇内数据融合算法

根据节点剩余能量、通信消耗量和节点IP,设计无线传感器节点分簇算法,减少了无线传感器网络的数据传输总量。分析对以分簇为基础的簇内数据的融合算法误差成因,提出先进行簇内传感器测量修正、再进行簇内传感器数据融合的改进算法。通过TOSSIM仿真平台的实验,改进后的簇内数据融合算法测量误差明显减少。     

基于RTLinux的AFM实时反馈控制系统

为了提高原子力显微镜(AFM)的测量性能,利用RTLinux良好的实时性,设计了一种开放式的反馈控制平台,完成了基于RTLinux的AFM实时反馈控制系统的软硬件设计,并在PC上具体实现这种实时反馈系统。测试结果表明,该系统能较好地实现AFM在Z方向上的实时反馈控制。利用该平台良好的开放性,可以将各种先进的控制方法应用于AFM系统中,以提高原子力显微镜的扫描速度和精度。此外,该基于RT-Linux的AFM系统还可以扩展成为一个开放式的纳米操作平台。     

一种基于PCNN的多聚焦图像融合改进算法

为提高图像融合质量和融合效率,提出一种基于脉冲耦合神经网络的多聚焦图像融合改进算法。对待融合的源图像作分块处理,选取合理的图像质量评价指标,计算每个分块的指标值,归一化后相减得到指标差值。把指标差值作为外部刺激输入到PCNN模型中,得到脉冲输出结果。用脉冲输出与给定的阈值作比较,若输出脉冲超过阈值则选择指标值大的源图像块作为融合图像块,否则取指标值小的源图像块。选取互信息、交叉熵、均方根误差、峰值信噪比、结构相似度以及相关系数6个客观质量评价指标进行评价,实验结果表明,该算法可获得较好的图像融合效果。     

一种改进高斯-卡尔曼滤波的RSSI处理算法

针对超高频段无源RFID定位系统采集到的基于信号回波强度(RSSI)数据存在突变、波动等特点,采用软件滤波算法对采集到的RSSI数据进行前置数据处理.通过对实时RSSI数据进行分析和研究,提出了一种结合改进高斯拟合和卡尔曼滤波算法的新型数据处理算法.试验证明,该算法能有效去除RSSI数据中的突变数据和噪声波动,实现RSSI值的准确、平滑输出,从而建立准确的测距模型.     

基于改进ENN算法的多生物特征融合的身份验证

基于多生物特征的身份鉴别技术已受到越来越多的重视.单个生物特征有其固有的局限性,通过融合不同的生物特征可以提高身份鉴别系统的验证性能和鲁棒性.该文融合了声纹和指纹特征,提出了一种改进的ENN方法,并与K-NN、传统ENN方法进行了比较.改进的ENN将认证率提高了大约2％.同时,又在不同的数据集上比较了改进的ENN方法和基于Bayes理论的融合系统,分析并评价了两种方法的适用范围和优缺点.实验结果证明了此方法的有效性.     

基于点扩散函数的多聚焦图像融合方法

提出了一种新的基于点扩散函数的多聚焦图像融合算法,采用高斯函数对多聚焦图像进行多次卷积,通过与原近似误差图像的比较,得到聚焦清晰和模糊区域,采用形态学方法将其分割出来,并根据最大值融合规则对其进行了融合。试验结果表明,该算法可将图像分割成多个聚焦区域,边缘清晰、融合效果良好。