高精度传感器信息采集中的误差消除算法仿真

在高精度的传感器信息采集中,不同传感器传回的数据在属性和格式上都存在较大差异,经过融合后,传感器采集得到的数据属性会发生变化,造成变化不可控和数据融合误差.传统算法多经过了传感器信息融合步骤,一旦多个传感器传回数据融合差异较大,会造成采集得到的最终信息残差增大,结果失真.为了避免上述缺陷,提出了一种多阶函数误差补偿算法的高精度传感信息融合误差消除方法.利用粒子群优化方法,能够对传感器测控数据进行收集和融合处理.利用多阶函数误差补偿方法,能够对传感器中的融合误差进行消除.实验结果表明,利用改进算法能够有效消除传感器数据采集中的误差,从而提高传感器数据采集数据的精度,为不同行业提供了准确的决策依据.     

基于多传感器的温室环境数据融合算法研究

无线传感器网络中采集的数据存在着较大的冗余与误差,影响数据的可靠性;而在温室环境监测中,对数据的准确性要求比较高。因此,为了提高多传感器采集数据的准确性,在研究了现有的几种数据融合算法以后,提出一种基于多传感器的综合数据融合算法。给出了采用格罗布斯准则消除粗大误差,并引入哈夫曼树的思想对数据进行项融合的方法。结果表明,该算法可以有效提高测量数据的准确性。     

WSN中的一种多传感器数据融合算法

为了适应无线传感器网络资源受限的特点,提出一种多传感器数据融合算法,算法在传感层和网络层之间增加数据融合层,将采集的数据分为实时数据和非实时数据,对数据进行约筒处理,提高传感器节点传输被采集信息的效率.利用TinyOS进行仿真测试,结果表明:数据融合算法可以有效地减少网络中数据通讯流量,节省传感器节点能量,延长网络生存时间.     

基于云端安防监控算法的智能猫眼遥控信息反馈技术

传统智能猫眼遥控信息反馈技术存在遥控信息可调控性较差,监控信息识别误差较大。为此,提出基于云端安防监控算法的智能猫眼遥控信息反馈技术。利用猫眼遥控传感器采集技术融合云端安防监控数据信息,设计云端安防监控总体模型。引入智能识别算法,自适应分析通信组件。采用多源规划模型,得到遥控信息反馈监控算法函数。利用标准化综合评价约束,建立云端安防监控平台中猫眼遥控信息反馈优化决策函数,实现智能猫眼遥控信息反馈。仿真实验测试结果表明,所提智能猫眼遥控信息反馈技术的信息融合度较好,较大程度提高了监控信息识别能力,提高了云端安防监控的自动化水平。     

多传感器大差异像素图像融合方法研究与仿真

研究多传感器采集的图像高清融合问题。图像采集传感器分布区域较为广阔,各区域的图像像素灰度、梯度、像素密度等存在较大差异,不同区域的像素灰度存在较大冲突。传统的多传感器多采用图像的像素叠加技术完成融合,无法避免不同区域的传感器采集图像像素不匹配引起的像素冲突。针对造成融合图像信息丢失的问题,提出一种基于冲突惩罚因子的多传感器图像融合方法,通过对像素进行分类,运用冲突惩罚因子,选取高信息量的像素进行平滑融合,得到高清晰多传感器融合图像。实验证明,这种多传感器图像融合方法能够最大化地保证融合后的图像信息,得到高清晰度的融合图像。     

多传感器信息融合技术在智能火灾报警系统中的应用

为了能快速准确检测到周围生产、生活环境的状况,及时预报火灾的可能性,本文介绍了多传感器信息融合的基本思想,在此基础上以模块化的形式,探索了自适应加权数据融合算法和D-S证据理论在智能火灾预警报警系统的应用。结果表明多传感器信息融合算法可有效提高系统的识别能力,并提出了有待解决的问题。     

基于多传感器数据融合的人体运动模式识别研究

针对单一传感器在人体运动姿态监测中误差较大的问题,提出了一种基于加速度传感器和陀螺仪数据融合的人体运动模式识别方法;该方法使用陀螺仪输出的人体运动信息对加速度传感器采集到的姿态角信息进行修正,采用卡尔曼滤波算法实现多传感器信息的融合,有效提高了姿态角度测量的准确度;根据人体日常的活动状态构建了基于人体姿态角度特征的隐马尔可夫模型实现人体运动模式的识别;实验表明,该方法比采用单一传感器方法识别的准确率高,可以有效区分不同的日常活动行为。     

多传感器融合改进的机器人定位决策

在复杂的不确定环境里,采用单一传感器对机器人进行定位时精度较低,并且易受干扰,可靠性较差。针对这一问题在粒子滤波器移动机器人SLAM算法的基础上,利用多传感器融合对算法进行改进,将观测信息进行特征级融合,充分利用各种传感器采集的冗余信息,并将融合后的观测信息分别用来估计机器人路径和环境特征的后验概率分布。仿真试验表明,改进后的算法在SLAM定位精度及可靠性上都有较大的提高,证明了该种方法的可行性。     

基于智能粒子滤波的多传感器信息融合算法

针对粒子滤波中存在粒子质量低和粒子贫化的问题,提出了一种基于智能粒子滤波的多传感器信息融合算法。该算法分为两个模块,首先,将多传感器数据发送给相应的粒子滤波计算模块,以优化粒子分布为目的更新建议分布密度;然后,在智能粒子滤波模块中对多传感器数据构造完整的似然函数,引入设计的遗传因子将小权重粒子修正为大权重粒子,近似于真实的后验分布,重采样过程中保留了权值较大的粒子,又避免了粒子耗尽问题,进一步保持粒子的多样性,提高了滤波精度,最终得到最优的估计值。根据实船实验的数据进行了验证,将所提算法应用于GPS/SINS/LOG组合导航系统进行仿真计算验证了其有效性。实例仿真结果表明,所提算法能够得到精确的位置、速度和航向信息,而且也能有效改善滤波性能,提高了组合导航系统的解算精度,能够满足船舶高精度导航定位的要求。     

多传感器信息融合在温室湿度检测中的应用

针对温室环境复杂、温室湿度变化明显等特点,采用多传感器信息融合方法对采集的温室湿度进行数据融合.传统温室湿度采用平均值算法进行数据的融合,具有融合结果误差较大、无法消除传感器失效产生的误差等缺点,采用模糊C均值(FCM)聚类算法对温室湿度进行数据融合,结果显示:FCM算法优于平均值算法,提高了检测的准确性.