温室番茄生长中多传感器数据融合的应用

本文提出了一种适用于温室环境监测的分布式多传感器系统和二级融合模型,基于D-S理论和专家系统相结合的混合数据融合算法。这种方法可提高温室番茄生长环境监测的精确度,及时调节温室环境的温度、湿度、光照等主要参数,使其达到理想条件。     

多传感器信息融合技术在智能火灾报警系统中的应用

为了能快速准确检测到周围生产、生活环境的状况,及时预报火灾的可能性,本文介绍了多传感器信息融合的基本思想,在此基础上以模块化的形式,探索了自适应加权数据融合算法和D-S证据理论在智能火灾预警报警系统的应用。结果表明多传感器信息融合算法可有效提高系统的识别能力,并提出了有待解决的问题。     

基于D-S算法的小波理论在温室控制中的应用研究

提出了一种适用于温室环境参数融合的混合算法,使用D-S理论推测某一时刻环境状态,用小波网络实现宏观决策,此算法解决了传统D-S证据理论中概率赋值困难的问题,同时也为小波神经网络提供了比较准确实用的训练数据。最后以温室樱桃西红柿为例,通过仿真说明此混合算法在农作物温室培养过程中对于环境参数的融合效果,为温室的控制提供了准确可信的依据。     

多传感器数据时空融合在温室中的应用

设施农业在我国已经广泛应用于种植蔬菜和中药等单体附加值较高的作物,但WSN采集节点数据冗余和寿命普遍较短的问题制约着设施农业的长足发展。为此文章结合WSN存在的问题提出了时空数据融合模型,该模型在时间和空间序列上采用TiNA、DPS阈值管理算法和自适应加权融合算法,实现误差数据清洗和空间环境参数整合。通过时空融合算法实验,数据发送量平均减少了6.09%,同时温度数据的精度提高了2.85%,验证了该方法的可行性和有效性。     

D-S改进算法在数据融合中的应用

作为一种重要的处理不确定性问题的方法,D-S证据推理理论目前已经广泛应用于各种数据融合系统中。详细阐述了D-S证据理论的相关理论和证据组合原理;针对D-S证据理论存在的缺陷和不足,介绍了一种改进的证据组合方法;通过实例证明,该改进方法能够用于组合冲突比较大的多个证据,并提高融合的性能和可靠性。     

数据融合在车牌字符识别中的应用

将D-S证据理论引入车牌字符识别,结合神经网络容错能力强、能够自适应学习等优点,对待识别字符进行统计和结构等多方面的特征提取后,分别经过神经网络分类器得到相应的结果,并应用D-S证据理论对各种结果进行数据融合,从而实现了字符各方面特征的优势互补,进一步提高了字符识别的成功率。     

D-S证据理论在数据融合中的应用及改进

对证据合成的基本原则和D-S合成公式作了分析,针对D-S算法实现过程中存在的失效问题提出了解决的方法,对该理论的不足采用了修正的合成规则,通过实例运算表明该方法能够对传感器提供的不一致证据进行组合,并使组合结果更加直观.     

多Agent数据融合在入侵检测中的应用

本文提出了一种基于数据融合的多Agent入侵检测系统模型,将数据融合引入到网络安全中的入侵检测领域.并且提出了基于D-S(Dempster-Shafer)证据理论的数据融合方法.该系统能够有效的将多种不同的检测方法结合起来以获取更高的检出率、更低的误报率、更好的可扩展性和鲁棒性.     

可拓学理论在信息融合中的应用研究

基本概率分配函数的选取是实际应用D-S证据推理的信息融合算法的难题之一。探讨了可拓集理论和关联函数的本质,提出对关联函数进行归一化处理,并以归一化后的数据作为证据体对分类命题的可信度分配,利用Dempster组合规则生成总体可信度分配,实现多源信息的融合。仿真计算结果表明,该算法是可靠的和有效的。     

信息融合在飞行器智能健康诊断中的应用

提出了一种基于经验模态分析(Empirical mode decomposition,EMD)和D-S证据相结合的飞行器健康诊断方法.该方法首先对由声发射传感器募集到的飞行器关键结构部件原始声发射信号进行EMD,得到多个内禀模态分量,选取内禀模态能量构建声发射信号的特征向量,并分别采用模糊神经网络、GRNN网络和Elman神经网络对提取出的特征向量进行分类,最后运用D-S证据理论进行决策融合,对飞行器的健康状态进行诊断.实验表明,运用此方法对某型号真实飞行器关键结构部件的健康状态进行诊断,可以得到很好放入诊断结果.与单分类器相比,采用D-S证据理论进行决策融合有效地提高了故障诊断的精度.     

多传感器信息融合及其应用综述

多传感器信息融合广泛应用于自动目标识别、战场监视、自动飞行器导航与控制、机器人、工业过程控制、遥感、医疗诊断、图像处理、模式识别等领域。介绍了多传感器数据融合技术的概念、处理模型、融合层次等问题,综述了近年来多传感器融合技术的研究进展和应用,预测了未来的发展趋势。     

多传感器技术在机器人系统中的应用和研究

探讨了多传感器融合系统的软件结构设计方案，说明了如何设计一个基于多传感器的自主式智能机器人系统，提出了基于BP神经网络的融合方法。搭建了一个多传感器的智能机器人试验平台，实现了由两个摄像头组成的立体视觉和超声波传感器的融合。试验表明，多传感器融合技术在自主式智能系统中具有重要作用。     

数据融合技术综述

文章综述了多传感器数据融合的历史、发展及应用，讨论了多传感器数据融合的基本原理、相关技术及方法、存在的问题、研究方向，最后介绍了数据融合的应用领域，特别是智能机器人领域的应用。     

多传感器信息融合在机器人避障中的应用

本文在移动机器人的避障系统中,充分利用数字信号处理器(DSP)超强的运算能力,以及单片机(MCU)善于控制的特点,构造了DSP+MCU的双CPU系统,并且利用粗糙集理论进行多传感器信息融合,实现了移动智能机器人在不确定环境中实时获取外部信息,快速地实现避障.     

多传感器网络信息数据融合技术研究

本文提出了多传感器网络信息数据融合技术。通过多传感器探测节点向目标主机发送探测信息,并将返回信息输入到经过大量产生式规则训练和学习的BP神经网络中,得到目标主机属性信息。然后,通过D-S证据推理对属性信息进行信任度融合处理,得到目标主机上可能存在的漏洞分布及漏洞存在的可能性,为进一步的主机安全性能评估打下基础。     

相关证据的融合及其在机器人多感觉信息融合中的应用

Ｄ－Ｓ证据理论在多信息融合中的应用要求各证据间相互独立,这在很多实际场合中却很难实现。本文简要地阐述了基于Ｄ－Ｓ证据理论的多传感器信息融合算法,提供了一种基于Ｄ－Ｓ理论的推广方法以理解决融合信息的相关性问题,并用机器人的力学和热学传感器作实验,对该方法有效性进行了研究。     

基于多传感器的信息数据融合技术在电力系统中的应用

论述了多传感器信息数据融合技术的概念、原理、方法及当前数据融合研究中存在的主要问题;以信息融合技术为研究对象,结合电力系统的实际特点,提出多传感器信息数据融合技术在电力系统各领域应用中亟待解决的问题、解决方案及发展方向。     

多源遥感图象信息保持型融合技术的研究

鉴于几种传统融合方法在提高空间分辨率,保持原始影象光信息方面的有缺点,介绍了几种新的多种信息融合方法,这些方法运用代数运算与线性计算,既可避免传统融合算法存在的信息丢失,又可以提高影像的几何分辨率;对几种融合方法的效果进行了讨论;特别详述了在融合过程中,如何充分利用各波段的优点,克服了其缺点的方法,并提出了一种实用的多源遥感影象融合的流程,分析了图象融合的应用前景,实验证明,这种流程适合大数据量,大范围的影象融合。     

基于水下探测器信息融合的目标识别

在证据理论基本概念的基础上,引入证据权的概念,依据证据权的不同对各条证据进行转化,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.应用文中的加权证据组合推理模型进行水面舰船识别的仿真,仿真结果表明提高了水下探测器目标识别的准确性和有效性.     

多传感器图像融合技术及评价方法研究

对图像融合的主要研究内容和方法进行了探讨,对像素级多分辨图像融合的主流方法作了深入地分析和定性比较,对图像融合效果的客观评价准则进行了比较和总结。实验结果表明基于多分辨分析的融合方法在主观视觉质量和客观评价准则上均具有明显优势,文中最后对图像融合的未来发展前景进行了展望。