多传感器支持度和自适应加权时空融合算法

针对多传感器测量数据中含有的噪声,提出一种基于多传感器支持度和自适应加权时空融合算法。时空融合算法将数据融合分解为时间和空间两次融合估计,先采用支持度和基于时间的递推估计进行第一次融合,再通过自适应加权估计在空间上进行第二次融合。该算法不需要知道传感器测量数据的任何先验知识,只利用空间位置中多传感器的方差变化,通过调整参与融合的各传感器的加权系数,使融合系统均方误差始终最小。     

基于最优分组原则的多传感器分组加权融合算法

多传感器对某一状态进行测量时,将多传感器分组后进行加权融合处理,可实现对待测状态较为准确的估计,但多传感器的组合方式不同,估计效果的差异很大.本文针对分组融合算法中如何选择传感器的分组组合方式进行了研究,依据分组中传感器的个数和各组间传感器测量方差的大小关系,提出了使融合估计值最优的分组原则.并将这些原则加以数学抽象,从理论上证明了基于最优分组原则的分组融合算法的最小方差特性.最优分组原则为评价和选择传感器的分组组合方式提供了一个理论依据.实例分析表明:该分组原则极大地缩小了寻找最优分组组合方式的范围,有效地解决了在如何分组问题上的盲目性,从而使得多传感器测量时的在线优化分组得以实现.     

Study of weighted fusion methods for the measurement of surface geometry

Four types of weighted fusion methods, including pixel-level, least-squares, parametrical and non-parametrical, have been classified and theoretically analysed in this study. In particular, the uncertainty propagation of the weighted least-squares fusion was analysed and its relation to the Kalman filter was studied. In cooperation with different fitting models, these four weighted fusion methods can be applied to a range of measurement challenges. The experimental results of this study show that the four weighted fusion methods compose a computationally efficient and reliable system for multi-sensor measurement problems, especially for freeform surface measurement. A comparison of weighted fusion with residual approximation-based fusion has also been conducted by providing the input datasets with different noise levels and sample sizes. The results demonstrated that weighted fusion and residual approximation-based fusion are complementary approaches applicable to most fusion scenarios.     

油管壁厚测量数据的一致性加权融合估计算法

在随机拔动环境中采用漏磁场法在线测量油管壁厚时，每个磁性传感器只能得到环境的部分信息。为了对各传感器的局部测量值进行稳健融合估计，提出了油管壁厚测量数据的一致性加权融合估计算法。利用改进的数据探测技术中的分布图方法对各个传感器的一致性进行检验，并采用简单加权平均法求得一致性传感器测量数据的稳健融合估计值。融合实例表明，该算法能有效地提高系统测量的稳健性，且具有精度高、运算简单等特点。该算法适用于多传感器测量数据的实时高精度融合估计。     

一种基于多方法的多传感器数据融合算法研究

提出了一种基于多方法的多传感器数据融合算法,分批估计融合求得单传感器最优估计值,然后依据权值最优分配原则进行分组自适应加权融合处理.通过对多热电偶测温的实测数据分析表明,与算术平均值法、单传感器分批估计和自适应加权相结合的算法以及单传感器分批估计和多传感器分批估计相结合的算法相比,绝对误差分别降低3.52℃,1.28℃和1.227℃,相对误差分别降低0.294％,0.107％和0.102％.     

新型机器人敏感皮肤信号处理系统

对机器人敏感皮肤信号处理系统进行详细地描述。该系统采用模块化结构,使用高速浮点的数字信号处理器(DSP)和复杂可编程逻辑器件(CPLD)进行并行信号处理。针对敏感皮肤中的多传感器数据融合问题,提出一种在线自适应加权融合算法来实现,该算法依据各传感器方差的变化,及时调整参与融合的各传感器的权系数,使融合系统的均方误差始终最小,从而能在线适应传感器性能改变。试验结果表明该敏感皮肤信号处理系统在感知范围内可以实时为多关节机器人避障提供所需要的环境信息。     

基于OWA算子的加权属性信息融合

为了解决多传感器信息融合中不同等重要信息源的数据融合问题，在OWA算子基本概念的基础上，引入基于该算子的加权属性信息融合算法。依据属性权对各属性值进行转化，使之可以用传统的OWA算子进行合成。将这种方法应用到等级不同的多传感器目标识别中，使各传感器信息源的相对可靠性信息也融入到最后的判决结果中，解决了传统OWA算子只能用于等级相同传感器目标识别的难题。识别实例表明了该方法的有效性和实用性。     

基于多传感器的水下定位控制策略的研究

设计了一种基于多传感器的水下潜器定位系统.在系统中加入多个传感器对被控对象进行检测,采用多传感器数据自适应加权融合估计算法,将融合后的数据反馈到PID控制器输入端,从而避免了单传感器由于物理原因损坏或干扰噪声过大等因素造成的控制效果不佳等问题.     

A weighted least square based data fusion method for precision measurement of freeform surfaces

The trend towards product miniaturisation and multi-functionality constitutes a driving force for the application of complex surfaces in many fields such as advanced optics. The precision measurement of these surfaces should be carried out at multiple scales, of which process commonly involves several datasets obtained from different sensors. This paper presents a weighted least square based multi-sensor data fusion method for such measurement. The method starts from unifying the coordinate frames of the measured datasets using an intrinsic feature based surface registration method. B-spline surface is used to fit linear surface model to each identified overlapping area of the registered datasets, respectively. By forming a common basis function, the fitted surface models and the corresponding residuals are then combined to construct a weighted least square based data fusion system which is used to generate a fused surface model. An analysis of the uncertainty propagation in data fusion process is also given. Both computer simulation and actual measurement on various freeform surfaces are conducted to verify the validity of proposed method. The results indicate that the proposed method is capable of fusing multi-sensor measured datasets with notable reduction of the measurement uncertainty.     

基于多传感器数据融合的粮食仓库温度监测系统

在粮食仓储管理中，温度监测是保证粮食品质的主要因素。提出了一种基于多传感器数据融合的粮库温度监测系统，给出了数据融合算法。实际应用表明，系统测温准确、可靠。     

归一化加权平均算法在温度采集系统中的应用

根据大棚温室环境空间大以及其温度分布受多种因素影响等特点,设计了一种基于多传感器信息融合技术的温度采集系统.该温度采集系统采用AVR单片机、Cu50热电阻搭建硬件平台,用嵌入式C语言编写程序.在此基础上,运用莱以特准则法消除疏失误差,并采用归一化的加权平均值融合算法对8个通道检测到的温度信号进行数据处理,得到了采集温度的准确估计值.仿真结果表明,这种方法实时性好,可以提高系统的鲁棒性与精度,适合平稳过程的测量估计.     

基于有偏卡尔曼的多传感器数据融合研究

推导出偏参数为矩阵形式的有偏卡尔曼滤波(BKF)的完整迭代过程,该算法在均方误差条件下优于卡尔曼滤波(KF),可以进一步提高估计的精度.将BKF与多传感器融合算法中的扩维融合和序贯式融合相结合,推导出多传感器扩维有偏卡尔曼滤波和多传感器序贯有偏卡尔曼滤波算法,并从理论上证明了多传感器序贯BKF融合在均方误差条件下优于扩...     

基于最优融合估计的PID控制器应用研究

在线性最小方差最优融合估计准则下,基于Riccati方程,对于带控制输入的单通道CAR-MA信号,提出了全局最优多传感器加权观测融合Kalman滤波器.应用于PID控制器的设计中,可以提高滤波精度,减小稳态误差.通过对微泳动机器人速度控制系统的仿真实验,说明了其有效性.     

多传感器数据融合技术在动态称重系统中的应用

利用多传感器数据融合技术,通过对超声波传感器、测速传感器、电容传感器以及称重传感器测得的物料质量数据进行数据融合,大大提高了称重系统的测量精度,得到受环境干扰因素更小、精度更高的有关物料的测量数据。仿真结果表明,该方法在数据处理的精确性和稳定性方面都得到改善,可以有效地减小噪声、振动、电磁干扰等环境因素对动态称重系统测量的影响。     

智能网联车即插即用组网模型及决策融合算法

针对智能网联车（ICV）多传感器融合前组网流程繁琐的问题,提出了一种车载即插即用（PnP）环境感知传感器“自搜索(SS)自识别(SI)自标定（SC）”组网模型（简称“S-SIC”）。采用深度优先搜索规划算法自搜索PnP传感器并接入ADAS域;采用广播报文自识别PnP传感器并进行初始化;采用车体坐标系坐标转换矩阵及补偿算法自标定PnP传感器。针对ICV多传感器数据及特征级融合时设备难以兼容的问题,提出了K-m.AW决策级融合算法。实验结果表明：S-SIC模型搜索成功率达92%,搜索平均时间为1.79 s;在前车轨迹估计中,基于K-m.AW算法的多场景融合估计准确率较对比算法分别提高了7.6%、11.8%。     

基于CMAC模型的复杂智能传感数据融合算法

提出基于CMAC模型的复杂智能传感数据融合算法,既可实现同质传感融合也可以实现异质多传感融合,成功地解决了大输入空间的存储问题,并具有实现任何映射和局部逼近的能力,具有学习速度快、收敛速度快、全局稳定的特性;并设计一个非线性参考函数模型,对所设计的融合算法进行验证与评价;介绍CMAC融合算法在通用智能多传感融合实时检测系统中的应用方法与步骤.实验结果表明:训练过的融合算法具有较高的拟合准确度、学习效率和收敛速度.     

多传感器融合技术在加湿节能控制器中的应用

介绍了一种多传感器数据融合技术在加湿节能控制器系统中应用的方法.该方法首先采用分布图法剔除疏失误差,然后采用基于均值的分批估计的融合方法对采集的数据进行处理.提高了数据采集的精度,同时有效地消除了由于传感器失效引起的误差.这种数据融合方法计算简单,易于编程,可以获得比有限多个传感器的算术平均值更准确的测量结果,具有较高...     

集成多传感器信息融合算法的啃轨故障诊断系统设计

提出一种集成多传感器信息融合算法的起重机啃轨故障智能诊断系统,不同原因造成的啃轨有规律可循,利用多传感器数据融合、故障诊断逻辑运算等算法,得出可能导致啃轨的原因。这一系统提高了啃轨定位和诊断的精度、速度,便于维护人员掌握设备运行状态,及时发现并处理设备故障,提高设备自动运行的可靠性和设备寿命,还能节省能源,降低成本,适用于恶劣环境,这种方法广泛适用于各种存在车轮啃轨现象的轨道式起重机、桥式起重机和有轨机车等。     

时间配准在多传感器数据处理中的应用

在应用多传感器进行数据采集的系统中,需要对源于同一目标、同一时刻的不同传感器数据进行融合处理,但由于各传感器的工作方式、传输时延等原因造成数据不同步的问题。因此,在对多传感器数据融合前,应该对多传感器数据进行时间配准。本文提出了采用内插、外推时间配准法解决多传感器时间配准问题,通过仿真验证,该算法可以较好的解决问题。     

利用视觉显著性和扰动模型的上下文感知跟踪

为了解决背景嘈杂、遮挡、形变和尺度变化情况下目标跟踪问题,提出利用视觉显著性和扰动模型的上下文感知跟踪。本文以相关滤波算法为基础,将目标周围的上下文信息引入到分类器学习过程中,构造了上下文感知相关跟踪,提高了算法鲁棒性;同时引入直方图扰动模型,利用加权融合的方法获得目标响应图,以此估计目标位置变化;最后利用视觉显著性构建目标稀疏显著性图,解决严重遮挡情况下的目标重定位问题,并利用尺度估计策略解决目标尺度变化问题。利用公开数据集测试算法性能,并与8种流行跟踪算法进行比较。实验结果表明,本文算法的跟踪精确度得分和成功率得分分别为0.695和0.708,均优于其它算法。与传统的相关滤波算法相比,所提算法能很好地解决背景嘈杂、遮挡、形变和尺度变化等复杂下的目标跟踪问题,具有一定理论研究价值和工程实用价值。