An algorithm of traffic data fusion based on federated Kalman filter

为了从原始数据层面保证动态交通数据的质量,针对多检测器异步采样中非等采样率同时采样的情况,首先构建快速路多检测器动态系统,并对多检测器动态系统进行小波变换,提出基于小波和卡尔曼滤波的多尺度交通数据融合方法. 最后,采用上海市南北高架快速路实测数据进行实验验证和对比分析. 实验结果表明:对于添加噪声强度为2.5%、5.0%、7.5%和10.0%随机噪声的观测数据,该方法的数据融合效果均优于对比方法.

     

QRS波的多尺度融合检测算法

提出一种基于模糊积分的小波变换多尺度融合检测算法，算法首先对心电信号进行Haar二进小波分解，并在每个尺度上输出各自的判决向量，在各个尺度的检测中采用了软决策方式，使决策形式更加合理，小波变换后各个尺度上的信息存在互补性，采用模糊积分的融合方法可以充分发挥和利用各个尺度的信息，在小波分解后1尺度和2尺度的效果较差，因此只选择3至6尺度的决策作为模糊积分融合算法的输入，尺度的检测效果是确定模糊积分密度的依据，因此融合算法不仅考虑了各尺度的决策结果，还考虑了各尺度之间的差异，实验表明，模糊积分融合算法可以有效提高检测能力。     

多尺度数据融合算法及其应用

ＢａｓｅｖｉｌｌｅＭ及ＣｈｏｕＫ Ｃ等基于二叉树多尺度随机过程提出了一种多尺度数据融合算法。该算法实现简单,速度快、易于并行化。本对此算法做了进一步的研究,提出了一种新的多尺度模型构造方法,该方法简单,便于实现。仿真计算表明,采用此方法构造的多尺度状态空间模型对信号有较好的近似,完全可以应用ＣｈｏｕＫＣ等提出的多尺度融合算法,滤滤效果明显,可用于多尺度数据融合。     

多尺度主元分析方法在数据校正中的应用

采用主元分析方法检测过失误差，然后应用多尺度主元分析方法（MSPCA）滤除随机误差。仿真结果表明，这种新的数据校正方法有效地消除了测量数据中的误差，提高了测量数据的可靠性。     

多尺度贝叶斯数据重整方法

结合贝叶斯数据重整方法与多尺度数据重整方法的特点，提出一种能够有效进行数据重整的新方法．仿真结果表明：该方法在保证数据的真实性和多尺度信息的前提下能良好地平滑数据，其去噪特性优越于单纯的多尺度数据重整、贝叶斯数据重整．     

GPS/SINS组合导航系统的多尺度融合算法研究

将传统的基于模型的动态系统分析法与基于统计特性的信号多尺度变换分析法相结合,提出一种多尺度融合算法,并用于GPS/SINS组合导航系统.该算法首先建立系统的原始尺度动态方程与观测方程;然后利用小波变换将该动态方程与观测方程在不同的尺度上进行数据融合;最后利用不同尺度上的融合结果进行全局最优融合,并利用该结果对SINS进...     

基于多尺度二维小波变换的静脉图像融合

静脉可见光图像血管细节较丰富,但血管轮廓模糊;静脉红外图像血管轮廓明显,但细节欠缺。针对单一静脉图像存在的不足,提出了一种基于多尺度二维小波变换的静脉图像融合方法,通过实验证实融合后的静脉图像保留了源图像更多的信息,静脉血管细节丰富、轮廓清晰、视觉效果良好,为临床静脉穿刺提供辅助作用,具有很好的临床应用价值。     

基于卡尔曼滤波的多传感器测量数据融合

为解决最小二乘数据融合方法不能显式考虑测量的不确定性等问题,提出基于Kalman滤波的多传感器测量数据融合方法,此方法不仅显式考虑各测量设备的不确定性,而且还能实现单点和批量融合数据,有助于用户根据测量数据的多少选择有效的融合方法;且能有效地过滤基于Mahalanobis统计距离的异常噪声点.实例证明,此方法能获得高质量的融合曲面.     

基于多尺度的小波变换在图像编码中的应用

介绍了小波的多尺度特性及其在图像编码中的应用，通过尺度因子对小波作伸缩处理，小波变换具有突出信号在时域、频域局部特征的能力．通过具体实例给出图像数据的小波多尺度变换及图像重构的实现过程，通过合理阈值的选取去除图像数据中的一些细节参数，图像的改变对人的视觉影响不大，处理后图像的可压缩性增强。     

多尺度图象分割方法及其应用研究

图象分割技术在图象处理中占据重要地位，是计算机视觉和图象理解的最基本问题。多尺度图象分割作为一种新的研究方法，将图象分割与小波变换理论相结合，能够更好地分割、重构图象。本文综述了多尺度分割方法的思想；并分析了多尺度分割方法在SAR图象分割和无损图象压缩中的应用，将其结果与以往提出的分割算法进行了比较，实验表明，效果较好。     

一种有效的数据融合方法——分布式的离散Kalman滤波方法

介绍了一种基于Kalman的数据融合方法,分析了用于多传感器数据融合的Kalman滤波方法基本概念和理论。在Kalman滤波理论的基础上对全球定位和惯性导航系统的车辆组合系统进行了仿真。结果表明,分布式的离散Kalman滤波方法是一种有效的数据融合方法。     

Multi-Sensor Data Fusion Technologies for Blanket Jamming Localization

The localization of the blanket jamming is studied and a new method of solving the localization ambiguity is proposed. Radars only can acquire angle information without range information when encountering the blanket jamming. Netted radars could get position information of the blanket jamming by make use of radars‘ relative position and the angle information, when there is one blanket jamming. In the presence of error, the localization method and the accuracy analysis of one blanket jamming are given. However, if there are more than one blanket jamming, and the two blanket jamming and two radars are coplanar, the localization of jamming could be error due to localization ambiguity. To solve this confusion, the Kalman filter model is established for all intersections, and through the initiation and association algorithm of multi-target, the false intersection can be eliminated. Simulations show that the presented method is valid.     

异步数据融合的传感器配准

针对异步多传感器系统 ,研究一种能有效估计配准误差并消除其影响的算法 .提出用最小二乘法和卡尔曼滤波算法分别进行时间配准和估计失调误差和姿态误差 .仿真结果证实了算法的有效性 .采用最小二乘法可以将数据压缩“对齐”到任意时刻 ,采用卡尔曼滤波算法可以估计并消除配准误差的影响 ,这对多传感器的数据融合具有重要的意义 .     

Multi-Scale Fusion Algorithm for AUVs Integrated Navigation Systems

To deal with the low location accuracy issue of existing underwater navigation technologies in autonomous underwater vehicles(AUVs),a distributed fusion algorithm which combines the model's analysis method with a multi-scale transformation method is proposed for integrated navigation system based on AUV.First,integrated navigation system theory and system error sources are introduced in details.Secondly,a navigation systems observation equation on the original scale is decomposed into different scales by the discrete wavelet transform method,and noise reduction is performed by setting the wavelet de-noising threshold.At last,the dynamic equation and observation equations are fused on different scales by the wavelet transformation and Kalman filter.The results show that the proposed algorithm has smaller navigation error and higher navigation accuracy.     

主/被动雷达导引头信息融合方法研究

针对导弹制导系统的特点要求,研究了基于Kalman滤波的信息融合算法并将其应用于主/被动雷达多模导引头系统中。研究了基于标量加权的分布式融合算法和基于增广测量方程的集中式融合算法并进行了数字仿真。研究结果表明信息融合算法能够提高多模导引头的测量精度,使融合精度受单一传感器影响更小,同制导律的闭合仿真也表明信息融合技术提高了制导精度,减小了脱靶量;分布式融合算法更方便实现时间校准从而便利于多模复合制导使用。此外,所研究的融合算法计算量小,易于工程应用。     

小波分析在测井数据融合处理中的应用

通过分析测井信号曲线能够较好地解决实际的工程问题,综合利用多条测井信号所反映的地层信息,应用小波分析方法将多条测井曲线信号融合成一条参数曲线。对融合后的参数曲线解译,增强了原始测井曲线中所包含的共有信息,削弱了单条测井信号中存在的偶然误差,使得测井数据的可信度大大提高。     

一种基于小波变换和数据融合降噪的图像边缘检测方法

提出的一种基于小波变换和数据融合降噪的边缘检测方法,是在边缘检测前先进行去噪处理,为避免去噪不完全、微分算子对噪声敏感,在边缘检测的同时增强了噪声,并把微分算子检测得到的边缘幅值图像融合与去噪相结合.最后,对融合后的图像进行灰度阈值处理和细化,得到边缘二值图像.实验结果表明：该方法在抑制噪声的同时能较好的检测出图像的边缘.     

一种基于小波变换和数据融合降噪的图像边缘检测方法

提出的一种基于小波变换和数据融合降噪的边缘检测方法,是在边缘检测前先进行去噪处理,为避免去噪不完全、微分算子对噪声敏感,在边缘检测的同时增强了噪声,并把微分算子检测得到的边缘幅值图像融合与去噪相结合。最后,对融合后的图像进行灰度阈值处理和细化,得到边缘二值图像。实验结果表明:该方法在抑制噪声的同时能较好的检测出图像的边缘。