Bayes决策理论在分布式多源信息融合中的应用

论述基于Ｂａｙｅｓ决策理论的分布式多传感器检测系统的多源信息融合方法,给出统一的判决规则,并以最小错误概率判决准则为例,介绍融合决策方程的建立及系统性能的表达式。最后通过两种情况的仿真计算结果,分析基于信息融合技术的多传感器检测系统的工作性能。     

一种多传感器信息融合中的分布模型

介绍了分布式数据融合和多传感器信息处理节点的网络分布问题,阐述了一个分布式的Kalman滤波器.这个滤波器不需中央处理单元,每个节点对全局的最佳估计是通过状态空间中心获得而不是集中拓扑.它能直接对不同结构的节点和状态空间进行通信和同化问题的相关估计,解决了内部节点的转换.这种分布式结构能从个别节点得到融合信息,任何节点都可作出对全局的估计.     

基于Unscented信息滤波器的分布式目标融合跟踪

针对无线传感器网络下的非线性运动目标跟踪问题,提出一种基于Unscented信息滤波器的分布式融合跟踪算法。该算法在信息滤波器框架下将Unscented变换与扩展信息滤波器相结合,有效地解决了运动目标和量测的非线性。在网络拓扑结构和通讯带宽的约束下,利用卡尔曼一致性滤波算法对所有传感器节点估计值进行分布式信息融合。仿真结果表明了该算法的有效性和优越性。     

无线传感器网络数据融合算法研究

数据融合的目的是减少节点的传输数据量,减少网络中总能量的消耗.针对这个问题,利用Kalman滤波进行目标状态估计,将分批估计算法应用于无线传感网的数据融合中,通过对监测同一对象的多个传感器所采集的数据进行综合,以达到提高数据精度和可信度的目的.同时实验获得的大量仿真数据证明了算法的可行性.提出了多传感器多目标分批估计融合算法,对监测不同对象的多个传感器所采集的数据进行融合.     

改进概率量化分布式一致性算法

为了提高量化通信下分布式一致性算法的收敛精度,对概率量化分布式一致性算法进行改进,提出改进概率量化分布式一致性算法。在改进概率量化分布式一致性算法中,节点利用自身状态值和邻接节点的概率量化信息进行节点的状态更新。对改进概率量化分布式一致性算法的收敛性和均方误差进行了分析、计算和仿真。结果表明改进概率量化分布式一致性虽然不能收敛到一致性,但是均方误差更小,收敛精度更高。     

基于模糊神经网络的分布式多传感器多目标信息融合

针对分布式融合系统存在计算组合爆炸、难以推广到多站和多层感知器模型学习速度慢且容易收敛到局部极小等缺陷,提出了一种基于模糊神经网络的分布式传感器多目标状态信息融合方法。仿真结果证明了该方法的快速性、准确性和有效性。     

计算机辅助分析方法在市场量化分析中的应用

应用预测与决策理论并借助于计算机对近期我国部分塑料产品市场的前景进行了市场量化分析,就如何改变目前市场量化分析在企业中应用不起来的现状提出了设想和建议。     

基于模糊神经网络的分布式多传感多目标信息融合

针对分布式融合系统存在计算组合爆炸、难以推广到多站和多层感知器模型学习速度慢且容易收敛到局部极小等缺陷,提出了一种基于模糊神经网络的分布式多传感器多目标状态信息融合方法。仿真结果证明了该方法的快速性、准确性和有效性。     

多传感器检测系统的自适应融合算法

通过分析分布式检测系统的工作原理，提出了一种新的基于并行检测系统的全局检测融合方法，该方法利用检测器局部判决结果与融合中心融合结果的误差对全局检测器下一步判决所采用的方法与参数进行修正，从而达到提高全局检测系统检测概率的目的．分析表明，该算法能有效提高系统的性能．     

有丢包的随机不确定参数系统的最优融合滤波

研究了有数据丢包的带随机不确定参数的多传感器系统的分布式最优(线性最小方差)融合滤波问题。首先,引入虚拟噪声,将原系统转化为等价的参数确定的有丢包的新系统。然后,进行状态扩维,得到新系统的各子系统的扩维状态的滤波估计、滤波误差方差和滤波误差互协方差。根据扩维状态与原系统状态的关系,求出原系统状态的各局部滤波估计、滤波误差方差和滤波误差互协方差。利用线性最小方差意义下的矩阵加权最优融合算法,得到原系统的分布式矩阵加权最优融合滤波器。理论分析和仿真算例都表明,融合滤波器优于每一个局部滤波器。     

基于迭代的交叉信息融合频率估计方法

对工程中短时、低信噪比信号进行频率估计时,传统信息融合法存在抗噪性差、信息损失大、信息利用率低等不足,为此提出一种基于迭代的交叉信息融合频率估计方法.由相位关系确定粗测频率范围,在此范围内对交叉组合后的多段信号进行信息融合,得到交叉信息融合频谱,进而利用该频谱与单段信号频谱的关系进行迭代,得到新的交叉信息融合频谱,计算新交叉信息融合频谱的算术平均值实现频率估计.仿真结果表明,与现有方法相比,提出的算法在提高频率估计精度的同时,具有更好的抗噪性和鲁棒性,验证了其可行性和有效性.     

多传感器信息融合的最优状态估计方差

多传感器信息融合位置级融合算法中,测量融合(Measurementfusion)算法是最优的。本文证明了测量融合算法的估计方差由系统的"测量函数"决定。该函数值越大,系统的融合估计方差就越小。仿真说明了以上结论的正确性。     

最优多级式多传感器状态融合估计

基于单传感器Kalman滤波方程 ,本文提出了多级式多传感器信息融合系统的两级和三级最优集中式与分布式融合估计算法。算法表明当融合系统的相关噪声方差矩阵、噪声均值、控制输入及测量误差为零时 ,本文算法与文献 [6 ]讨论标准融合系统的算法一致。融合系统的噪声均值、控制输入及测量误差不会影响融合系统的估计方差 ,但当相关噪声方差与过程噪声方法相近时 ,融合系统的估计方差会发生较大的变化。     

信息融合在燃料电池传感器故障识别中的应用

以燃料电池发动机控制系统为背景，以该系统的多种传感器为研究对象，利用神经网络信息融合的方法，构建了传感器的在线故障识别模型，给出了其算法：用MATLAB仿真验证了所给方案的有效性．能有效地识别传感器的故障，为系统获取有效的测量数据奠定了基础；     

基于超限快速决策树的链路质量评估

为了准确、快速评估无线传感器网络的链路质量,提出了基于改进超限快速决策树的链路质量评估方法.通过分析不同时间段内物理层参数与包接收率之间的关系,选取接收信号强度指示均值、链路质量指示均值以及信噪比均值作为链路质量参数;采用依据包接收率划分的链路质量等级作为评价指标;基于超限快速决策树评估链路质量,采用基尼指数作为决策节点的启发式度量,并依据决策节点的高度改进决策节点寻找最优属性样本数的计算方法.室内、走廊、停车场3种场景下的实验表明,与模糊逻辑、快速决策树、超限快速决策树等方法相比,提出的方法具有较好的评估准确率和更低的时间复杂度.     

基于模糊神经网络的机器人感知系统多源信息融合的研究

提出了利用基于模糊神经网络的传声器阵列和双目摄像机信息融合,实现对声源的精确定位和实时跟踪的方法.该方法建立了五层模糊神经网络,设计了各层的输入和输出,利用BP算法调整模糊神经网络的权重和参数获得不同的隶属函数,从而生成相应的模糊规则实现模糊决策.利用Matlab仿真了机器人的感知过程,得到了实际输出和实验输出的误差曲线,验证了基于模糊神经网络多源传感融合算法对于机器人控制的有效性.     

Distributed Privacy-Preserving Fusion Estimation Using Homomorphic Encryption

The privacy-preserving problem for distributed fusion estimation scheme is concerned in this paper. When legitimate user wants to obtain consistent information from multiple sensors, it always employs a fusion center (FC) to gather local data and compute distributed fusion estimates (DFEs). Due to the existence of potential eavesdropper, the data exchanged among sensors, FC and user imperatively require privacy preservation. Hence, we propose a distributed confidentiality fusion structure against eavesdropper by using Paillier homomorphic encryption approach. In this case, FC cannot acquire real values of local state estimates, while it only helps calculate encrypted DFEs. Then, the legitimate user can successfully obtain the true values of DFEs according to the encrypted information and secret keys, which is based on the homomorphism of encryption. Finally, an illustrative example is provided to verify the effectiveness of the proposed methods.     

低能耗自适应分簇的面向数据融合的路由协议

为降低簇头节点的能耗和均衡网络的整体能耗,基于低能耗自适应分簇(LEACH)协议提出一
种面向数据融合的路由协议. 在该协议中,簇头在簇内数据融合的过程中根据成员节点的位
置信息估计感知到相同事件的邻居簇;然后数据在这些簇头间进行多跳的数据融合后传递给基
站. 仿真结果表明,该协议能有效延长网络的生命期.     

无线传感器网络中基于数据融合的覆盖控制算法

现有的传感器网络覆盖控制研究普遍采用圆盘感知模型,并不能真实刻画传感器的感知特性以及存在背景噪声时的系统检测能力,节点调度后的工作节点数量比实际需要的多,增加了不必要能耗和通信干扰。文章提出了一种分布式覆盖控制算法(DFCCA),采用更接近真实的数据融合感知模型,首先通过理论分析找到三角融合网格(TFM)中最小检测概率点的位置,进而依据覆盖要求和环境参数确定TFM的最优节点间距。DFCCA通过整网的TFM划分完成节点调度,使大量冗余节点进入休眠,同时考虑节点剩余能量来均衡能耗。仿真结果表明,相比基于圆盘感知模型的算法,DFCCA算法可以更大程度关闭网络中的冗余节点,保证覆盖质量和连通,延长网络生存期。     

地面车场多媒体信息融合监控的研究

运用一个实例，即东滩煤矿地面车场的多媒体信息融合监控，对信息融合展开了研究。首先介绍了融合监控系统的组成和功能。建立了系统融合监控的结构模型。然后以机车闯红煤为例，阐述了融合监控的具体实现过程，即系统对来自轨道传感器，图像传感器两路传感信息分别进行时域融合，在此基础上，多媒体工作站对时域融合的局部结果。进行空域融合，从而给出最终的判决结果。