测量方差自学习加权下的多传感器数据融合算法

分析了测量方差预先设定对于多传感器融合算法中加权系数分配和状态估计的不利影响，提出了一种测量方差自学习的多传感器加权和滤波算法。该滤波算法能够充分利用传感器每次量测带来新的信息进一步优化测量方差，同时依据优化后测量方差合理地分配权系数和改进状态估计，提高了对状态估计的精度。最后通过仿真计算验证了该算法的有效性。     

单传感器多尺度状态融合估计算法

该文在离散小波变换理论和动态多尺度系统理论的基础上,建立了一种基于单传感器的多尺度状态融合估计新算法。该方法利用离散小波变换,对Kalman滤波模型的状态方程和观测方程分别进行多尺度处理,构建多尺度Kalman滤波模型,充分利用状态估计和观测数据在不同尺度上的特征进行融合估计,获得了优于单尺度Kalman滤波及已有多尺度状态融合估计方法的处理效果。并利用Monte Carlo仿真验证该算法的有效性。      

一类多速率多传感器系统的状态融合估计算法

基于不同传感器以不同采样率对同一目标状态进行观测的多传感器单模型动态系统,该文提出了一种状态融合估计算法。不同传感器之间采样率之比可以是正有理数。该算法不仅具有好的实时性,而且在线性最小方差意义下是最优的。进一步可以证明：融合多个传感器获得的最高采样率下状态的估计值优于单传感器的估计结果,而减少任何一个传感器的信息所获得的估计值的误差协方差都将增大。仿真结果验证了算法的可行性与有效性。     

多传感器侦察数据的融合处理与目标状态估计

对多传感器侦察数据进行融合处理的主要目的是实现目标状态"清晰"的情报描述,本文提出对通信目标的多传感器侦察数据采用同类源相关与异类源联合的融合处理方法,并通过对目标广义"航迹"的估计来描述目标状态乃至态势的变化。     

基于M估计的多传感器数据稳健加权融合算法仿真

提出M估计与不确定度评定相结合的多传感器数据加权融合方法，克服了现有的数据评价函数加权法中存在的大噪声及成片野值处理能力的局限性。通过静态数据仿真结果，表明基于M估计的多传感器数据稳健加权融合算法明显优于最小二乘法。     

船舶动力定位多传感器闭环分级融合算法

为了改善船舶动力定位多传感器的融合性能,提出了一种多传感器闭环分级融合算法.该算法包括基于卡尔曼滤波的局部和全局两级估计,以全局融合信息的反馈作为局部估计的初始值进行时间更新,定义两级估计的映射关系并引入调节系数,自适应地调节全局融合增益.全局估计融入各局部估计过程中,两级估计组成了一个相互补偿的闭环系统.利用船舶半实物仿真系统的试验,仿真验证了该算法的有效性.     

两级混合多传感器信息融合中的状态估计

在混合式多传感器信息融合中,一部分传感器通过处理它们的数据产生局部航迹,另一顺则只提供检测报告,这些航迹和检测报告传到融合中心完成航迹融合和组合滤波。本文提出适合于两级混合式多传感器系统的全局最优状态估计解,在这种经 融合中心首先需要融 来自Ｌ个传感器的局部估计,然后基于其它Ｎ－Ｌ个传感器的观测,利用Ｋａｌｍａｎ滤波技术更新已融合的航迹,本文还考虑了各传感器分布拓不同地理位置时的状态估计问题。     

两级混合多传感器信息融合中的状态估计

在混合式多传感器信息融合系统中,一部分传感器通过处理它们的数据产生局部航迹,另一部分传感器则只提供检测报告,这些航迹和检测报告被传送到融合中心完成航迹融合和组合滤波。本文提出适合于两级混合式多传感器系统的全局最优状态估计解。在这种结构中,融合中心首先需要融合来自L个传感器的局部估计,然后基于其它N-L个传感器的观测,利用Kalman滤波技术依次更新已融合的航迹。本文还考虑了各传感器分布在不同地理位置时的状态估计问题。     

基于分批估计的自适应加权数据融合算法

针对多传感器数据融合问题,文中提出了一种基于分批估计的自适应加权数据融合算法。该算法采用时间序列和空间序列对采集的数据分批求其方差,利用数据一致性检测对噪点进行剔除,进而得到自适应因子。随后采用自适应加权法对数据进行融合,得到预测值。文中模拟物联网数据进行仿真实验。结果表明,在处理数据时运用分批估计的自适应加权多传感器数据融合技术,能够提高传感器测量的精确度和系统的可靠性,基于分批估计的自适应加权平均法比传统自适应方法的均方根误差减少了10%,精度提高了2.3%。     

基于多无线传感器的数据融合算法

数据融合作为是一种减少数据通信量能耗的先进技术,在节能方面呈现出理想的应用效果,这便是数据融合成为无线传感器网络的研究热点之一的重要原因.文章将从多传感器信息融合技术背景、原理、特征以及多无线传感器数据融合方法等方面来对多无线传感器的改进数据融合算法进行深入的分析和探究.     

一种多传感器数据融合系统方案研究

随着科学技术的飞速发展,战场中传感器的种类和数量不断增加,战场的环境也变得越来越恶劣,迫切地需要多传感器的数据融合来为指挥员提供高可信度的数据,供指挥员参考。通过对融合源数据进行分析,提出基于表决法和证据理论的多传感器融合系统方案。对框架的各部分功能模块进行分析,针对性的选择二阶预测、证据理论等算法。在融合模块中,对于不同性质的数据也选用不同的算法。通过仿真验证了系统的有效性。     

基于多传感器数据融合的火灾预警系统

为避免火灾造成的严重损失,实现火灾早期报警,本系统通过对火灾发生过程和产物的研究比较,采用多种传感器对火灾发生初期火灾特征较明显的几个参数进行监测,并实时反馈回采集的数据。系统利用D-S证据理论对多传感器数据进行融合分析,实现对同一目标的判断;本系统通过利用D-S证据理论对多传感器数据融合的方法,不仅弥补了采用单一传感器的不足,而且很大程度上降低系统判断结果的不确定性,提高了系统预警的准确性和可靠性。     

一种基于多传感器的复合量测IMM-EKF数据融合算法

为了提高多传感器系统的目标跟踪精度,且解决传感器数量多导致的耗时长的问题,提出了一种复合量测IMM-EKF（Interacting Multiple Model-Extended Kalman Filter）融合算法.该算法根据各传感器的测量精度,对各传感器关于同一目标的量测点迹进行加权融合,再将融合后的点迹进行IMM-EKF滤波处理.通过仿真及实验数据处理,将复合量测IMM-EKF融合算法与加权IMM-EKF融合算法、扩维IMM-EKF融合算法进行了对比分析,比较了三种算法的跟踪精度及耗时长度.结果表明,扩维IMM-EKF融合算法具有最优的跟踪精度,复合量测IMM-EKF融合算实时性最好.最后分别给出了三种算法的适用场合.     

基于数据融合的MEMS陀螺信号处理研究

针对当前MEMS陀螺仪信号为非平稳、非线性、不同步和信号量大的特点,提出了一种基于数字信号处理器(DSP)信号高速实时处理平台的、并结合多传感器数据融合技术的MEMS陀螺信号处理方案。该方案设计了基于SCC1300MEMS陀螺和DSP的信号采集处理平台,并运用正交基神经网络数据融合算法对采集的陀螺数据进行融合处理。实验结果表明,该方案在保证对陀螺信号进行高速实时采集的基础上,能提高信号处理精度达37.45%。     

多尺度融合估计算法及其在导航系统中的应用

针对如何将多传感器的数据进行融合处理、提高数据处理的可靠性和处理精度的现实问题,提出一种多尺度融合估计算法,对多传感器的数据进行估计处理。该算法首先建立系统的动态方程和观测方程,然后利用小波变换将数据在不同尺度上进行融合处理,归纳出该算法的实现步骤。最后通过在SINS／GPS组合导航系统中的实际应用,进一步证明了该算法能够有效地提高多传感器数据的处理精度。在实际应用时,结合应用环境设置适当的尺度,可以达到较好的应用效果。     

一种提高目标参数估计精度的雷达、红外数据融合方法

介绍了一种雷达、红外数据融合的方法,并利用融合输出的数据进行目标状态估计,从而获得较高的目标参数估计精度.     

基于多传感器数据融合的温湿度监测系统

提出了一种改进的数据融合算法在多传感器温湿度监测系统中的应用,阐述了系统组成、融合算法和实现方法。该系统利用狄克松准则剔除粗大误差,再通过基于均值的递推估计算法,对采集的多传感器数据信息进行融合,利用Matlab软件将所得测试结果直观地显示出来。给出了硬件、软件设计方案和数据处理后的仿真结果。     

基于距离信息的多站多目标数据融合

在基于距离测量信息的多站系统中,将单传感器联合概率数据关联滤波(JPDA)推广到了多传感器场合。对MSJPDA的两种常用实现结构,采用深度优先搜索算法(DFS)实现可行联合事件的快速生成,实现了杂波背景下多目标的稳定跟踪。