多传感器数据融合研究

数据融合技术又称多传感器数据融合或分布式传感,即对多类多源和多平台传感器数据进行组合,提供有关空间信息综合态势的一种数据处理技术。数据融合可分为:信号级数据融合、像素级数据融合、特征级数据融合和符号级数据融合。本文讨论了红外图像、可见光图像、多谱图像、雷达图像等的数据融合问题以及各级数据融合的方法。     

多传感器目标分类的数据融合方法

本文概述了多传感目标分类数据融合技术的概念，原理，结构和算法，揭示了它的实质，全面介绍了该技术目前在国内外的研究发展状况，指出存在问题，难点，并预测未来发展趋势，完整地展示这一研究领域的全貌。     

基于灰色关联度的多传感器数据融合方法研究

针对多个传感器对某一特性指标多次测量的数据融合问题,提出一种基于灰色关联度的多传感器数据融合新方法。该方法将各传感器测得的数据视为一个行为序列,利用灰色关联度对不同传感器测得数据之间的接近程度进行度量,并通过灰色关联矩阵全面衡量数据间的综合接近程度,然后根据非负对称矩阵的性质求得各传感器测得数据在数据融合表达式中的权重,从而实现多传感器数据的融合。仿真结果表明应用所提出方法对雷达数据进行处理,可有效降低跟踪误差,提高测量精度。     

考虑传感器失效的多传感器加权数据融合算法

本文提出了一种基于信任度函数的方法,对多传感器数据进行一致性检验,然后结一致性传感器进行加权融合。仿真结果表明,该方法计算量小,能简便,快速地确定生的传感器数据。     

多传感器数据自适应加权融合估计算法的研究

针对从含有观测噪声的测量数据中估计一个非随机量，本文提出了一种多传感器数据自适应加权融合估计算法，并在理论上证明了该估计算法的线性无偏最小方差性。最后给出了本算法在计算机上的仿真结果，从实际应用上进一步说明了本算法的有效性。     

基于数据融合的传感器优化布置方法

传感器优化布置是结构健康监测研究的重要内容,传感器数量和位置的选择直接关系到模态参数识别的效果及模型修正的结果等。为了达到布置在结构上的有限传感器能够测量并得到用于模态参数识别的最佳信息的目标,提出了基于数据融合的传感器优化布置方法。该方法以距离测度作为数据融合的融合度,首先通过对距离测度矩阵、支持度矩阵的计算,得到待选测点的综合支持度;其次,根据待选测点的综合支持度大小来确定传感器优化布置的位置;最后,以网架结构的传感器优化布置为例,运用峰值法进行自振频率识别,通过已选测点与未选测点识别效果的对比,验证了该方法的有效性。     

多传感器航迹数据融合的机载火控系统

为研究机载火控系统多传感器数据融合的方法。采用了基于多目标多传感器航迹数据融合的改进的卡尔曼滤波算法，运用假设检验理论，充分考虑了位置数据互联的正确性和目标信号的历史信息，使其性能不随目标数目的增大而变差。计算机仿真表明：所建立的系统操作方便，运行可靠，性能价格比高；所采用的算法具有处理速度快、精度高等优点。     

多传感器静态数据分配问题的匈牙利解法

多目标多传感器数据关联中的分配问题一直是数据融合领域中的一个关键问题,众多的研究都提出了一系列不同的方法来解决这个NP-hard问题,本文提出了用2维分配问题的匈牙利解法来解决该问题,给出求解2－D,3－D分配的方法,经仿真计算表明,该法能较大程度地降低计算量,是一种实用性很好的方法,同时也值得向更高维的情况作进一步的研究和仿真比较。     

基于多传感器数据融合优化地铁转向架承载参数的方法与控制

首先建立以一个能够实时测量位移、压力的测试平台,及能够实现自动加载的液压伺服系统。然后。通过测量机构。把8个差动变压器型直线位移传感器和4个应变片型悬臂梁式称重传感器固定在地铁转向架和测试平台之间。采用D-S证据理论,在不同作动力下,对地铁转向架发生的位移、压力进行多传感器数据融合。评估转向架的最优承载参数。同时介绍了测试平台的控制方案。     

基于PSO优化BP神经网络的多传感器数据融合

针对室内环境监测中单一传感器测量数据精度低、可靠性差的问题,提出一种基于粒子群(particle swarm optimization,PSO)优化BP神经网络多传感器数据融合算法。首先使用防脉冲干扰平均滤波算法来消除检测数据中的异常数据和噪声数据。其次,利用卡尔曼滤波算法对多同类传感器进行数据级融合,有效地降低因噪声干扰导致的测量误差,为异质传感器进行决策级融合提供最佳数据。最后,采用PSO优化BP神经网络算法进行决策级融合。实验结果表明,基于PSO优化BP神经网络多传感器数据融合算法对测试样本的平均绝对百分比误差(mean absolute percentage error, MAPE)和拟合度(r²)均优于BP神经网络和自适应加权(adaptive weighted, AW)优化BP神经网络,且运行时间比BP神经网络以及AW-BP神经网络分别短69.31%、50.36%。经验证,基于PSO优化BP神经网络多传感器数据融合算法具有更高的融合精度,同时缩短了算法的运行时间。     

多传感器信息融合研究概述

多传感器信息融合是一门涉及信号处理、信息论、人工智能、模糊数学等理论的多学科交叉技术,被广泛应用于军事和民用领域。介绍多传感器信息融合的概念主要应用,描述多传感器信息融合的功能模型和融合方法,并对其发展趋势进行分析。     

嵌入式大气数据传感系统压力传感器设计研究

嵌入式大气数据传感(FADS)系统较之传统的大气数据系统有很大的优势,它依靠飞行器前端的压力传感器间接得到飞行大气数据.在本文中,首先简要介绍了FADS系统的压力模型;然后通过分析压力传感器几何外形设计对系统性能的影响,建立了压力传感器的动力学模型,并提出了FADS系统中的压力传感器的设计准则;最后给出了仿真结果.     

多传感器模糊融合跟踪算法

针对集中式融合结构跟踪系统,利用随机逼近算法分析了权值的最优分配原则,提出了一种基于模糊推理的多传感器融合跟踪算法。该算法采用协方差匹配技术,依据滤波新息,动态调整测量噪声方差,使融合系统的均方误差始终最小。同时利用双滤波器结构,根据系统方差,实现滤波器间的动态切换,提出了基于模糊推理的并行双Unscented卡尔曼滤波自适应跟踪算法,增强当前统计模型对弱机动目标的适应能力。针对机动和非机动飞行航路进行了算法仿真,结果表明,在时变测量噪声条件下,采用模糊融合跟踪算法前后的速度均方根误差分别为45.7m/s和36.2m/s, 18.7m/s和9.6m/s,提高了多传感器系统的稳健性和跟踪精度。     

改进的Hough变换在多传感器数据融合中的应用

提出了用一种改进的Ｈｏｕｇｈ变换来解决多传感器数据融合的问题，与多传感器数据融合中常用的统计或几何方法相比，该方法具有计算速度快、存储要求小和容易实施等优点，简要分析了该方法和数据融合的几何方法之间内在的联系。     

多传感器数据融合技术在水泥袋计数器中的应用设计

针对当前水泥袋计数器计数误差较大的问题,设计了一套基于多传感器数据融合技术的水泥袋计数系统。系统采用光电开关传感器感知水泥袋的有无,用倾角传感器确定水泥袋是否叠袋,用光电编码器测量传输带实时速度来确定是否连袋,用单片机对采集到的3种传感器信息集中进行数字智能化处理,可精确计算经过传送带的水泥袋的数量。实验结果表明,该计数器系统运行稳定可靠,具有一定的推广价值。     

基于多传感器融合技术的汽车防盗系统研究

汽车防盗系统本身具有复杂性和多变性等特点，一般的汽车防盗装置大多只使用单一的传感器，单个传感器不能为防盗的决策控制提供准确的依据。选择多种传感器建立的汽车防盗系统，运用多传感器融合技术，采用模糊神经网络技术进行信息融合，对汽车被盗信息进行多方面地监测，从而获得较为可靠的信息，为准确地判断汽车的状态提供依据，具有较强的决策控制能力，达到了准确预警的目的。     

用于判别连接状态的机器人手爪多传感器数据融合

舱外移动机器人在空间站工作时 ,其手爪与工件及空间站的安全连接至关重要。分别用BP神经网络和径向基函数神经网络 ,对机器人手爪上的力传感器、接近觉传感器和位移传感器的信息进行了融合 ,得到一个关于机器人手爪连接状态的正确判别     

复杂系统多传感器数据融合技术及应用研究

复杂系统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。本文论述了复杂系统多传感器数据融合的基本原理、功能模型、层次结构、融合方法等,并指出了多源传感器数据融合研究中存在的问题及研究方向。最后,分析了多平台多传感器数据融合在某海军舰艇平台上的一个应用实例。     

多传感器管理研究及其应用

多传感器管理是在一个动态的、不确定性的环境中,管理和协调多个传感器集或多个测量设备,来提高数据融合的性能及对环境的检测程度.多传感器管理目的在于合理地优化传感器资源、对监测对象进行更好地控制.随着现代多传感器系统的发展,多传感器管理应用领域由军事领域逐步扩展到民用领域.本文介绍了多传感器管理的基本概念、结构、原理,分析了多传感器管理与信息融合之间的关系以及传感器管理中的几个主要问题及其相应的解决方法,指出目前多传感器管理研究中存在的问题及未来发展趋势.     

多传感器协同探测性能评估研究

研究多传感器协同探测性能评估问题。提出将整个系统的工作过程看作是一个“灰盒”,从“灰盒”外部的输入、输出以及已知信息进行分析研究。结合协同探测系统的军事应用背景,确定协同探测的最终目标。在此基础上,将评估准则确定为探测准确性、探测精确性、探测快速性和目标图像质量,可以从不同的侧重点分析探测性能,并且有利于下一步进行探测性能的综合评估。根据评估准则,建立一套合理的评估指标体系。