人工神经网络在传感器数据融合中的应用

针对压力传感器对温度的交叉灵敏度，采用BP人工神经网络法对其进行数据融合处理。消除温度对压力传感器的影响，大大提高了传感器的稳定性及其精度，效果良好。     

基于神经网络的压力传感器数据融合

针对压力传感器在实际应用中受多个非目标参量的影响而导致其输出数据不仅仅与目标参量有关，提出了应用神经网络技术对多传感器数据进行融合以消除非目标参量对传感器输出的影响；研究结果表明，利用神经网络实现多传感器数据融合消除非目标参量对传感器输出的影响是可行的。     

基于参数估计的多传感器数据融合

探讨具有随机扰动的环境中同一特征的不同传感器测量值的融合问题，并在理论上给出了基于参数估计的多传感器融合算法，分析了正态分布数据的融合计算公式，并提出以数据探讨技术中的分布图方法来获得一致的传感器数据，从而提高了算法的鲁棒性。     

多传感器数据融合中基于模糊逻辑和神经网络的传感器管理

在多传感器数据融合系统中,传感器的管理包括两个方面的问题,一是如何优化分配现有的传感器去更好地实现融合任务;二是如何消除外界环境变化或者某些传感器出现故障时带来的影响,针对这些问题,本文在给出多传感器数据融合系统矩阵表示的前提下,提出了一种基于模糊逻辑和神经网络的传感器管理方法。分析表明该方法较好地解决了多传感数据融合系统中传感器管理问题。     

基于神经网络的压力传感器数据融合

针对压力传感器在实际应用中受多个非目标参量的影响而导致其输出数据不仅仅与目标参量有关,提出了应用神经网络技术对多传感器数据进行融合以消除非目标参量对传感器输出的影响;研究结果表明,利用神经网络实现多传感器数据融合消除非目标参量对传感器输出的影响是可行的.     

基于多传感器数据融合的智能机器人设计

提出一种基于多传感器数据融合技术的智能机器人系统设计，介绍了系统所选用的激光、超声、红外、光敏等传感器的类型．阐述了系统的硬件结构与软件设计及D—S数据融合算法。     

基于神经网络的传感器网络数据融合技术研究

研究传感器网络数据融合优化问题,由于采集数据过程各节点汇集存在大量的冗余信息,需通过融合,提高采集效率.针对传统的数据融合算法需要获得对象比较精确的数学模型,对于复杂难于建立模型的场合无法适用.为解决上述问题,提出了一种BP神经网络传感器网络数据融合方法,可对对象的先验要求不高,具有较强的自适应能力.首先建立三层网络结构,接着提取数据库中属性数据的特征值并作为网络的输入,然后通过调节输入向量与中心向量的距离及中心向量的值确定网络权值,最后对数据进行有效融合,仿真结果表明,通过对有损数据融合,无损数据融合相比较,得出采用BP神经网络对传感器数据进行融合处理,输出输入稳定简单,是一种有效的数据融合处理方法.     

分布式多传感器数据融合

介绍经典统计推理理论的分布式多传感器数据融合的概念、形式和方法，以及目前在这一领域研究中已取得的进展及今后的发展趋势．     

多传感器数据融合控制

本文研究了多传感器数据融合控制的结构及基于卡尔曼滤波的融合控制算法，最后给出了仿真结果。     

基于节点信誉度的传感器数据安全融合方法

针对传统方法数据融合精度不高、簇头节点输送数据时能耗较高的问题,为了提升数据融合的安全性,提出基于节点信誉度的传感器数据安全融合方法.对参加安全数据融合的传感器节点进行信任计算,利用传感器一致性方差获得节点行为信任可靠属性值,构建节点行为信任模型,并使用Josang信任模型处理数据流中的不确定因素问题,对融合节点进行信...     

基于物联网的异构传感数据融合方法研究

研究网络数据融合优化问题,传统的网络数据融合算法需要获得对象比较精确的数学模型,会造成计算复杂度高.针对无线传感器网络自身特点,将无线传感器网络和数据融合技术相结合,提出了一种基于无线传感器网络扩展的Kalman滤波分批估计融合算法.主要是通过将传感器节点收集的同一性质的信息进行分批,通过一系列加权公式使计算出的融合信息更逼近真实值.从源头节能出发,通过减少数据传输量,进而减少传输过程中的能量消耗,达到延长整个网络生命周期的目的.最后仿真结果表明提出的算法有效,具有一定的实际应用价值.     

基于模糊数学与统计理论集成的多传感器数据融合方法

利用格罗贝斯统计理论剔除系统误差数据.对余下的有效数据,利用模糊理论计算其与估计值之间的模糊贴近度,并以此确定每个传感器的重要性权重,最后提出数据融合公式实现多传感器的数据融合.应用实例验证了该方法的有效性.     

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。     

基于传感器数据融合的航空发动机电子控制器

提出了一种基于矩阵奇异分解法的传感器数据融合方法,并应用在某型航空发动机电子控制器的设计上.实验结果表明,该传感器数据融合算法简单有效,分别消除了发动机中进口空气温度T1传感器近7.8℃和涡轮后燃气温度T4传感器近19.2℃的测量误差,提高了发动机电子控制器工作的可靠性,并适应于未来航空发动机分布式控制的发展方向.     

基于神经网络的传感器数据融合处理

为消除压力传感器在实际应用中输出数据受非目标参量(温度、供电电压波动)的影响提出了采用BP神经网络技术对其进行数据融合处理.研究结果表明,利用神经网络实现压力传感器数据融合对消除非目标参量对传感器输出的影响是有效的.     

基于贝叶斯网络的体域网多模态健康数据融合方法

体域网作为无线传感器网络在生物医学领域的一个重要分支能够远程实时监测人体多项健康数据.针对基于体域网采集到的多模态健康数据融合与分析方法进行研究,设计了一套包括动态心电传感器、血压传感器和血氧饱和度传感器的体域网组网方式,提出了一种基于贝叶斯网络模型和推理算法的心肌缺血监测识别方法.通过对60例确诊心脏病患者施行单一模态动态心电监测和多模态健康数据监测对比实验,验证了所提出的多模态健康数据融合方法能够有效提高无症状性心肌缺血的检出率,为临床应用提供了一种新的辅助判别手段.     

无线传感器网络中基于免疫的数据融合机制

为了减少传感器节点间的传输量,延长无线传感器网络的生命周期,提出一种基于免疫的数据融合机制.首先提出用分级分发算法来生成融合图,融合图中的汇聚策略既节省网络能量,又兼顾网络可靠性.其次利用人工免疫系统的自学习和自适应的特点,提出免疫融合算法,通过免疫消冗、免疫选择和免疫记忆来保证系统的高可信度和低冗余度.实验表明,该机制有效地降低了系统能耗,具有较好的通用性.     

基于人工神经网络与证据理论相结合的数据融合中的辐射源识别方法研究

文章给出了一种基于人工神经网络与证据理论相结合的数据融合中的辐射源识别方法及其结构,并分析了该方法的性能。文中给出了实例,通过这个实例可以证明该方法在强噪声环境下具有良好的适应性,并可以得到较高的识别率。