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。     

多传感器数据融合技术

文章讨论了多传器数据融合功能模型，介绍了多传感器数据融合算法及体系结构。     

卡尔曼滤波与多传感器数据融合技术

本文介绍了国际上卡尔曼滤波在多传感器数据融合领域的应用,并着重阐述了IMM算法和分布式卡尔曼滤波的思想,总结了卡尔曼滤波在该领域的应用潜力.文中还介绍了在互联网络上相关的站点和新闻组的地址.     

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。     

一致性多传感器数据融合方法的改进

多传感器数据融合是指将经过集成处理的多传感器数据进行合成，形成对外部环境某一特征的一种表达方式的过程。本文首先介绍了Ｌｕｏ［１］的一致性多传感器数据融合方法。然后，针对Ｌｕｏ方法的不足之处，改进了一致性融合方法。该改进方法计算量小，能简便、快速地确定一致性的传感器数据。     

异步多传感器数据融合

由于传感器自身以及通信延迟等原因,使得异步多传感器数据融合问题比同步问题的研究更切合实际。对连续时间系统在融合中心和各传感器节点分别进行异步离散化处理,离散后过程噪声与测量噪声以及测量噪声之间相关,虽然相应连续时间系统中的噪声是不相关的。最后推导了相关噪声情况下的异步融合算法,仿真结果说明了算法的有效性。     

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。     

多传感器数据融合技术研究进展

多传感器数据融合是信息领域一个前景广阔的研究方向.由于单一的数据融合算法具有一定的局限性,将2种或2种以上的数据融合算法进行优势集成已逐渐成为数据融合领域的研究热点.介绍了数据级、特征级和决策级融合3种数据融合方式的主要特点、方法及应用,归纳了常用的数据融合方法,并重点阐述了几种多传感器数据融合集成算法的研究进展,简单介绍了多传感器数据融合技术的应用.     

多传感器数据的统计融合方法

在多传感数据融合过程中 ,各传感器的可靠程度的确定是至关重要的。利用统计方法理论 ,将各传感器的可靠程度模糊化 ,进而给出各传感器的综合支持程度指标 ,并在此指标基础上给出多传感器数据的融合结果。该方法计算简便 ,其结论较为稳定     

模糊数据融合在多传感器环境监测中的应用

文章提出了一种应用多传感器模糊数据融合技术的信息检测方法。该方法采用多传感器监测被测环境的温度、湿度和通风量等参量,将多个传感器所获取的多元信息模糊化后,经过融合中心的合成运算和决策规则的运用,获取被监测环境状态参数的精确估计,最终用于信息决策。实验结果表明,该方法能有效地提高环境状态监测的准确率,增加状态监测的置信度,提高监测系统的性能。     

一种多传感器信息融合软件系统的实现

利用Java语言来实现多传感器信息融合的软件系统的设计,并利用模拟数据对程序进行仿真实验.结果表明:对于地面目标的运动状态的融合,其结果比原始信息报数据更加接近真实数据;对于目标属性的信息融合,其结果可极大地减小数据的波动性,因此该系统具有一定的有效性.     

多传感器数据融合的一种方法

在多传感器检测系统中,由于工作环境的复杂,使得传感器的测量精度受到影响,从而导致传感器的测量数据并不总是准确;因此要选择测量数据合理的传感器进行数据融合。在多传感器数据融合的过程中,必须首先验证各个传感器的可靠程度,确立正确韵关系矩阵。一般做法是根据阈值点判断两个传感器是否相互支持。针对在阈值点处存在的模糊性提出一种利用阈值区间判断其支持程度的方法,并通过实验说明这种方法的可行性与简单性。     

一种多传感器数据融合仿真平台的构建与设计

数据融合是现代军事C3I系统的重要组成部分。文中介绍了通用的可视化多传感器数据融合仿真平台的构建,针对位置级数据融合开发所需的模块,合理地进行了软件设计,使其具有实时性和开放性的结构。并给出了该仿真平台的一个运行实例,使其可靠性、实用性等得到了验证。     

基于多传感器数据融合技术的应用研究

复杂系统的多传感器数据融合是一门新兴的技术,它通过对来自多个传感器的数据进行多级别、多方面、多层次的处理从而产生出单个传感器所不能获得的更有意义的信息.数据融合在军事领域和民用领域都有很大的发展和应用前景.该文提出了一种基于神经网络融合算法的多传感器数据融合技术,对所采用的数据融合技术用于烧结终点预测进行了详细介绍.通过仿真结果证明,该方法鲁棒性强,准确性高,泛化能力广,具有很强的实用性和推广价值.     

一种面向互联概率加权的JPDA多传感器数据融合方法

针对单传感器联合概率数据互联(Joint Probabilistic Data Association, JPDA)在复杂环境下难以跟踪多个目标的问题,提出一种基于JPDA量测目标互联概率统计加权并行式和序贯式多传感器数据融合方法。首先,给出单传感器JPDA算法。然后,介绍多传感器JPDA数学模型,基于这一模型,使用互联概率加权,推导并行式和序贯式多传感器数据融合公式,这对多传感器数据融合有一定指导意义。最后,对单传感器JPDA方法在不同杂波密度、不同过程和不同观测噪声下目标跟踪的距离RMSE进行仿真,结果表明,随着这3项指标皆增大,目标距离RMSE增大;同时,对本文的2类多传感器JPDA方法与其他几类跟踪方法在数据集PETS2009下有关行人跟踪性能进行仿真,结果表明,本文并行式和序贯式多传感器JPDA方法相较于其他方法在跟踪准确性、跟踪位置准确性、航迹维持以及航迹遗失上皆为最优,而且序贯式融合略优于并行式多传感器JPDA。     

基于Bayes估计的多传感器最优融合

本研究了多传感器数据融合技术的一种方法融合方法以Bayes估计理论为基础,并对数据进行了一致性检验,得到了多传感器最优融合数据,提高了数据的精确度。实际应用结果验证了算法的准确性,并进行了Matlab仿真,这种数据融合方法计算简便,可以获得比有限个传感器的算术平均值更准确的测量结果．具有较高的可靠性,可用于测量结果具有正态分布特性的多传感器测量系统。     

基于多传感器大轴径测量系统的特征层数据融合

根据大轴径高精度测量要求,采用三组滚轮的多传感器同时对大轴径进行测量,将多传感器数据融合技术应用于大轴径测量系统中;数据融合方法可以避免单一传感器的局限性,充分利用不同时间和空间的测量数据信息,大大提高测量系统的性能和效率;建立了大轴径测量系统的数据融合系统模型,提出了将BP神经网络应用于大轴径测量系统的特征层数据融合,并进行了融合系统的仿真实验;研究结果表明,该方法能得到准确的测量结果,达到了系统对测试精度的要求.     

基于多传感器数据融合的无人机GPS欺骗检测研究

本文针对实际过程中可能存在的无人机GPS欺骗情况,提出了基于多传感器数据融合的GPS欺骗检测方法。该方法通过比较多传感器惯性导航系统加上Elman神经网络修正得到的位置信息与GPS输出位置信息,从而判断无人机GPS是否受到欺骗。该方法有两个创新点,第一个是使用Elman神经网络,在不增加传感器成本的基础上其有助于提高惯导系统输出位置信息的精度;第二个创新点是使用带延迟的扩展卡尔曼滤波器,用于解决多传感器数据不同步的问题。实验结果表明,本文提出的方法能有效的检测出GPS欺骗,从而保证无人机的安全飞行。