多传感器时滞系统信息融合最优Kalman滤波器

基于线性最小方差最优加权融合估计算法,对多传感器的离散线性状态时滞随机系统,给出了一种非增广分布式加权融合最优Kalman滤波器.推导了状态时滞系统任两个传感器子系统之间的滤波误差互协方差阵的计算公式.它与状态增广加权融合滤波器具有相同的精度.与每个传感器的局部滤波器相比,分布式融合滤波器具有更高的精度.与状态和观测增广最优滤波器相比,具有较小的精度.但避免了增广所带来的高维计算和大的空间存储,可减小计算负担.仿真例子验证了其有效性.     

多传感器标量加权最优信息融合稳态Ka lman 滤波器

提出一种新的标量加权多传感器线性最小方差意义下的最优信息融合准则．该准则考虑了局部估计误差之间的相关性，只需计算加权标量系数，避免了加权矩阵的计算，明显减小了计算量，便于实时应用．运用稳态Kalman滤波理论，基于该融合准则，给出了多传感器最优信息融合稳态Kalman滤波器．在所有局部滤波器达到稳态时，只需一次融合便可获得信息融合稳态滤波器，算法简单．仿真例子验证了其有效性．     

基于多传感器信息融合在状态估计上的应用

利用测量系统采用单一传感器对测量系统获取观测数据,通过经典卡尔曼滤波算法对观测数据进行估计.在对复杂多变的环境中利用多种传感器所测量的数据进行融合分析,针对不同结果的观测数据,建立数学模型,用方差大小来衡量每个传感器的精度性,对获取到不同的观测数据进行观测融合,采用集中式融合和分布式融合方法,分布式融合运用矩阵分析把高...     

快速信息融合Kalman滤波器

应用现代时间序列分析方法,在标量加权线性最小方差融合准则下,提出一种多传感器快速信息融合稳态Kalman滤波器.基于ARMA新息模型计算稳态Kalman滤波器增益,提出了计算传感器之间的滤波误差方差阵和协方差阵的Lyapunov方程,它可用迭代法求解,并证明了迭代解的指数收敛性.与基于Riccati方程按矩阵加权的信息融合Kalman滤波器相比,可明显减小计算负担,便于实时应用,可用于设计含未知噪声统计系统的信息融合自校正Kalman滤波器.最后以目标跟踪系统的一个仿真例子说明了其有效性.     

广义离散系统多传感器信息融合Kalman滤波器

考虑了广义离散随机线性系统的多传感器信息融合状态估计问题．在广义系统无脉冲的假设条件下。通过等价变换将其转化为正常系统．应用经典Kalman滤波方法,在线性最小方差信息融合准则下,提出了按矩阵加权的广义系统多传感器信息融合稳态Kalman状态滤波器．仿真结果说明了算法的有效性。     

基于多传感器信息融合的控制系统研究

本文研究了多传感器组合系统的智能化数据融合方法。从数据处理算法、故障检测和系统可靠性等方面探讨了基于多传感器的控制系统,并提出了一种实用的数据处理算法和故障检测算法。     

基于粒子滤波和检测信息的多传感器融合跟踪

从概率角度审视低检测率、低信噪比下的多传感器融合算法.首先建立传感器检测概率模型，然后计算传感器检测响应、量测信息的融合似然度，在贝叶斯框架下建立一种非线性目标基于粒子滤波器的多传感器多源信息融合算法，该算法融合了传感器的量测信息和检测响应，提高了跟踪精度蒙特卡洛仿真结果表明了算法的有效性.     

按对角阵加权信息融合Kalman滤波器

为了克服按矩阵加权信息融合非稳态Kalman滤波器的在线计算负担大的缺点,和按标量加权融合Kalman滤波器精度较低的缺点,应用现代时间序列分析方法,提出了按对角阵加权的线性最小方差多传感器信息融合稳态Kalman滤波器.它等价于状态分量按标量加权信息融合Kalman滤波器,实现了解耦信息融合Kalman滤波器.它的精度和计算负担介于按矩阵和按标量加权融合器两者之间,且便于实时应用.为了计算最优加权,提出了计算稳态滤波误差方差阵和协方差阵的Lyapunov方程.一个三传感器的雷达跟踪系统的仿真例子说明了其有效性.     

多传感器多目标状态信息融合

研究了多传感器多目标状态信息融合问题。针对被动式跟踪的特点，借助主动跟踪的距离通道值，提出类主动的被动式跟踪。在此基础上提出主被动串并联状态信息融合算法。仿真结果表明该融合方法可以大大提高跟踪精度，而且提高系统的可靠性。     

基于卡尔曼滤波的数据融合算法与应用研究

针对无人机飞控系统对输入的多传感器信息融合时传统卡尔曼滤波算法容易出现滤波发散,滤波精度和系统的实时性降低的问题,研究了一种改进的自适应滤波算法,可以让数据融合后的信息精度更高,实时性更强。改进的算法是在Sage-Husa滤波的基础上引入滤波收敛性判据,并提出了基于改进的Sage-Husa滤波算法的联邦卡尔曼滤波器的设计,可以抑制滤波发散,提高滤波精度和稳定性。同时引入强跟踪滤波算法的思想,调整增益矩阵,改进滤波算法,提高系统突变情况下的滤波处理能力。最后,通过对特定的自主避障系统用改进后的算法与传统卡尔曼滤波算法进行MATLAB仿真比较,仿真结果显示改进的自适应滤波算法在系统模型参数失配和实变噪声情况未知时,可以较好地保持滤波的精度和实时性。     

基于模糊卡尔曼滤波的信息融合算法

应用自适应模糊逻辑系统（AFLS）原理,研究了一种基于卡尔曼滤波器的信息融合算法;AFLS通过在线监视融合数据新息是否为零均值白噪音,然后根据模糊规则调整融合滤波器的指数加权值,从而保证了滤波器的最优估计性能;仿真结果证明该方法在高噪声环境中具有良好的信息融合能力,能有效跟踪研究对象的状态变化。     

基于信息融合的组合导航系统研究

针对GPS接收机在高机动工作状态或受遮挡时易出现“丢星”现象而导致定位中断的问题,提出了一种采用GPS／GLONASS／INS组俣导航系统对载体进行快速定位、定向的新方法。文中首先总结了GPS导航系统的不足,在此基础上给出了组合系统的设计方案和工作原理,然后对基于联合卡尔曼滤波的多传感器信息融合算法进行了论述与分析,最后给出了计算机仿真。结果表明：该方法可有效地提高导航系统的精度和可靠性,为融合导航系统的数据分析和处理提供了一个有效途径。     

基于信息融合的机器人路径智能决策的研究

基于机器人未知环境探索的智能行为,以先锋Pioneer3-DX移动机器人为对象,构建了基于多传感器信息融合的机器人智能行为系统以实现其路径规划行为。构建了一个双层信息融合路径规划智能行为系统,数据层融合采用基于联邦kalman滤波融合的信息融合方法,通过多传感器融合降低信息的不确定性,为机器人提供更可靠和更准确的环境信息;决策层融合采用模糊推理方法,根据数据层融合结果作为模糊控制器的输入,构建基于模糊推理的决策层融合模块,其设计思想是模仿人的智能行为进行决策,使其不仅决策出机器人的行走方向,同时决策出机器人的行走速度,实现了动态路径规划。基于Matlab的仿真实验,验证了方法的可行性。     

一种改进的分布递阶无线传感器网络信息融合算法

信息融合技术是一个多学科高度集成的热点研究领域,目前针对煤矿井下环境监测系统的安全隐患问题,提出了一种基于无线传感器网络的分布递阶卡尔曼滤波信息融合算法,其中下层源节点采用改进卡尔曼滤波算法,上层汇聚节点采用方差自适应的加权信息融合算法,该算法能有效降低无线传感器网络能耗和网络信息冲突,实现信号重构.仿真结果表明,该算法具有很高的可靠性和信息融合精度,有较好的工程实用价值.     

基于BP神经网络的多传感器信息融合研究

BP网络是应用最广的一种人工神经网络,将BP神经网络应用到压力检测领域的温度等非线性补偿,具有重要的实用价值,对压力检测精度的改进效果显著;从传感器信息融合的角度看,神经网络就是一个融合系统;通过对神经网络基本理论的阐述,针对研究对象将BP神经网络原理与多传感器信息融合技术有机集合起来,提出了基于BP神经网络的二传感器信息融合模型及改进算法,建立了BP神经网络训练标准样本库,并对该网络模型进行主要技术指标的测试和仿真工作,测试结果表明构建的模型及其改进算法能很好地满足了高精度压力检测仪的指标要求.     

改进的强跟踪器自适应滤波信息融合方法

给出了改进的强跟踪器自适应滤波信息融合方法,该方法信息融合结果精度高,同时对突变信号有很强的实时跟踪能力.仿真结果表明了该方法的有效性和可靠性.     

基于Android的多传感器信息融合技术应用

介绍基于Android的多传感器信息融合技术在气溶胶自动化检测中的应用。多个传感器采用统一接口方式组网,每一个独立传感器采集的数据通过蓝牙传输到网内的Android处理终端进行融合和分析。通过对5种传感器进行组网采集数据,结果证明多传感器信息融合技术的应用增强了信息处理系统的适应性,实现了传感器之间的数据互补,提高了系...     

动态加权和测量方差时变的多传感器融合算法

在基于卡尔曼滤波及其一些改进算法中,由于测量方差预先设定,从而导致滤波发散和信息资源的浪费,为此提出了一种动态加权下测量方差时变的多传感器融合算法。该算法依据各传感器当前时刻的滤波精度合理地分配权值,同时测量方差的时变特性使得每次测量信息得到充分的利用。仿真结果表明该算法显著地提高了对机动目标的跟踪效果并具有实时性的优点。     

基于多传感器信息融合技术的智能驾驶系统模型

阐述了智能汽车研究对交通安全的重要性和发达国家关于智能汽车研究的历史、发展和趋势,重点提出了基于多传感器信息融合技术的智能驾驶系统模型,分析了此模型下各系统模块的功能,介绍了系统模型中信息融合方法的引入,最后提出了对智能驾驶技术应用的展望.