一种多传感器数据融合方法及应用

多传感器信息融合方法是当今研究的关键技术，它产生于军事领域并得到极大的发展。运用这种高技术提高工业水平具有重大意义。基于此点提出一种多传感器数据融合方法，在统计意义下融合结果优于传统数字滤波方法，并应用于智能仪器仪表系统中。     

一种新的位置数据融合方法的研究

给出了一新的基于团队一致法的多传感器位置数据融合方法，该方法按传感器队中的每个成员的测量不确定性，构造团队期望效用函数（或密度），并基于该期望效用函数求得位置参数估计，其优点是可消除失效传感器和测量值为野值的传感器的影响，本文给出了仿真结果。     

一种基于模糊理论的一致性数据融合方法

在多传感器检测系统中,每个传感器只能得到环境的部分信息。为作出合理的决策,并识别出有错误的传感器,有必要将传感器的局部观测值组合成全局估计。利用模糊集合理论中的隶属函数获得各传感器的局部决策,并采用“决策距离”的概念对各个传感器的一致性进行检验     

多传感器数据融合的一种方法

在多传感器数据融合的过程中,首先必须验证各个传感器的可靠程度,即确立正确的关系矩阵。一般做法是根据门限值判断两个传感器是否相互支持,或者用分段直线等方法表示其支持程度。在分析的基础上,提出了应用椭圆曲线表示支持程度,并分别给出了融合结果。     

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。     

数据融合的方法及应用研究

介绍了数据融合的定义、融合层次、融合方法及其应用领域，特别是在军事上，机器人控制及图像处理上的应用。在此基础上，分析了数据融合的研究热点及发展趋势。数据融合技术是一种用途广泛的数字信号及信息处理方法，它通过对大量的数据进行处理提纯，得到一组直观有效的数据，为进一步处理和判断控制提供精确的数据依据。     

火箭飞行测量数据融合处理的一种算法

建立了用于测量距离的动态模型,提出了基于Bar-Shalom公式的测量距离的多传感器数据融合的算法,最后,给出了模拟实例。提出的基于数据融合的这一算法较好地解决了火箭飞行弹道测量数据处理精度的问题,误差方差改善了近9%。     

一种多传感器数据融合目标识别新方法

在多传感器目标识别中，传统方法是直接将多元的局部决策送入融合中心，进行最后的整体决策。该方法是化多元检测为多个二元检测，使送入融合中心的局部决策是二元的，从而可利用现有成熟的二元检测技术进行基于置信度的整体决策，使识别问题得到简化。     

一种多传感器数据融合算法的研究

一个传感器往往难以实现对目标的辨识,使用多个传感器收集来自多种物理现象产生的信号,就可以比较容易地实现对目标的辨识。传感器信息融合方法是当今研究的关键技术,它产生于军事领域并在多学科、多领域得到极大发展。本文介绍了一种基于统计方法的数据融合分类算法——DempSter—Shafer算法,并举例介绍了应用该算法如何融合多传感器数据。     

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。     

基于LMS算法的多传感器数据加权融合方法

针对目前多传感器数据融合过程中,传感器观测噪声不易确定,提出了一种基于LMS算法的多传感器自适应加权数据融合方法。该方法将传感器最优加权系数的求解,转化为估计值的均方误差性能表面的最优解搜索,通过加入自适应阶段,采用自适应最小均方误差（LMS）算法调整传感器加权系数。仿真结果表明该方法的有效性。     

多传感器数据融合的概率权方法

针对多传感器对某一特性指标进行多次测量实验的数据融合问题,提出了一种基于概率基本理论的融合方法。该方法把各传感器的测量数据作为一随机变量,利用测量值的样本数据,确定测量值随机变量的取值范围,估计出样本均值和样本标准差,从而得到各传感器数据融合的概率权,并给出数据融合公式。应用实例验证了该方法的有效性和稳健性。     

基于最小二乘法的冗余信息数据融合算法实现

为了有效融合多传感器冗余系统量测信息,使状态的估计值更接近于状态的真实值,实现高精度和高可靠性的状态估计,采取了基于最优加权的最小二乘算法、有限窗加权的最小二乘算法和自学习加权最小二乘算法,分别对多传感器实测数据进行融合处理,融合后数据的方差大幅度降低,估计精度显著提高。并与传统的最小二乘算法进行了仿真对比,结果表明,这3种方法较最小二乘算法融合精度更高,其中,自学习加权的最小二乘融合算法既考虑了历史数据的作用,又考虑了环境噪声和新的采样值的影响,增强了对噪声检测的敏感性,估计效果较好。     

多传感器数据融合的主成分方法研究

针对多个传感器对某一特性指标进行测量实验的数据融合问题,提出了一种基于主成分分析的融合方法。该方法把各传感器的测量数据作为一变量,定义总体的各主成分,利用测量值与主成分的复相关关系,给出了各传感器的综合支持程度和数据融合公式。应用实例验证了方法的有效性和精确性。     

A fusion method for multi-valued data

In this paper we propose an extension of the notion of deviation-based aggregation function tailored to aggregate multidimensional data. Our objective is both to improve the results obtained by other methods that try to select the best aggregation function for a particular set of data, such as penalty functions, and to reduce the temporal complexity required by such approaches. We discuss how this notion can be defined and present three illustrative examples of the applicability of our new proposal in areas where temporal constraints can be strict, such as image processing, deep learning and decision making, obtaining favourable results in the process.     

基于多传感器数据融合的准静态校准数据处理方法

静态标定后的电子测压器靶场实测时存在测不准和测试精度不高的问题,为了提高系统的可靠性和测试精度,提出了基于模拟膛压发生器的模拟应用环境的准静态校准方法.为了提高校准工作效率,提出了基于多传感器数据融合的准静态校准数据处理方法.文中详细论述了多传感器数据融合理论以及标准压力曲线上升沿校准法的合理性.用上述方法校准后的电子测压器进行靶场实测,测试数据精度高,可靠性强.     

基于D-S证据理论的数据融合井下监测方法分析

针对矿井单传感器监测系统监测数据单一、不确定性较高的缺陷,利用基于D-S证据理论的多传感器信息融合技术,在对原始数据分析处理的基础上,把多种参数通过数据融合模块实现对井下工作环境安全性的评估、决策。同时,可根据各参数间的相关性获得更多单传感器监测系统所无法获得的井下环境信息,极大地提高了数据采集的可靠性、全面性和矿井监测系统的有效性。     

一种同质的多传感数据融合新算法

提出一种同质的多传感数据融合新算法,充分利用了所得信息,克服了融合过程中必须依赖于多传感数据之间关系阀值的人为经验设置问题。并把新算法应用于测控装置中,计算结果表明:新算法能对多传感数据进行有效融合,提高了抗扰动性,保证融合结果有较好的精度和高可靠性。     

多传感器数据融合在猪舍环境中的应用

针对多变量耦合的猪舍环境,采用自适应加权算法和D．S证据推理算法相结合的方法,提出一种适用于猪舍环境监测的分布式多传感器体系结构和二级融合模型,对多传感器采集的温度、湿度和光照度信息进行融合,克服了单传感器带来的不确定性和不稳定性,增强了多传感器信息融合系统的鲁棒性。结果表明,这种方法提高了猪舍环境检测的准确度。