数据融合模型在医疗监护领域的应用

近年来,随着医疗监护设备的日益丰富,人体传感数据迅速膨胀,数据融合在医疗监护领域的应用成为一项重要研究趋势。根据应用场景和功能侧重点的不同,数据融合在实际医疗监护系统中的使用方法也是多种多样的。文章主要讨论目前广泛应用于医疗系统中的多种数据融合模型,将现有的医疗数据融合模型按数据层融合、特征层融合、决策层融合分为三类。文章详细阐述了每种融合模型的实现原理、关键问题与适用场合,并在此基础之上对目前医疗数据融合模型加以总结。     

多传感器和数据融合(一)

文中介绍了多传感器集成及数据融合的概念、优点、结构、方法和应用,列举了传感器四种不同集成度的特点。数据融合把来自不同传感器的、或其它信息源的数据加以综合、相关、互联,以便提高定位和特征估计的精度。在数据融合过程中建模包括信号模型、噪声模型、变换器模型、数据变换模型以及融合模型。数据融合模型包括融合的方法和结构,文章介绍了集成式、分布式和混合式融合结构,并对它们进行了比较。此外,还介绍了国外一些数据融合的试验系统,商业软件和应用的例子。     

多传感器和数据融合(续)

文中介绍了多传感器集成及数据融合的概念、优点、结构、方法和应用,列举了传感器四种不同集成度的特点。数据融合把来自不同传感器或其它信息源的数据加以综合、相关、互联,以便提高定位和特征估计的精度。在数据融合过程中建模包括信号模型、噪声模型、变换器模型、数据变换模型以及融合模型。数据融合模型包括事例的方法和结构,文章介绍了集成式、分布式和混合式融合结构,并进行了比较。此外,还介绍了国外一些数据融合的试验     

一种基于知识图谱技术的多源异构数据融合、共享方法

针对异构数据融合耗时过长,共享过程能耗过多的问题,基于知识图谱技术,提出了一种新的多源异构数据融合、共享方法。引用纵向数据融合与横向数据融合方法,纵向数据融合利用Web Service接口,横向数据融合采用SNMP接口;确定异构数据源位置,利用知识图谱技术建立拓扑结构,基于权值确定共享顺序,实现多源异构数据融合、共享。实验结果表明,提出的基于知识图谱技术的多源异构数据融合、共享方法能够有效缩短融合时间,且共享过程能耗满足源头节能要求。     

数据融合技术在电网规划中的应用

阐述数据融合技术与智能电网的特点，电网规划与数据融合，数据融合技术在电网规划中的应用，包括科学融合各数据源的相同对象数据、智能电网实体构架的检测、科学配置资源、新能源发电并接入电网，科学制定有针对性的解决方案。     

基于同态MAC的无线传感网安全数据融合方案

数据融合是缓解无线传感网资源瓶颈的重要方法之一,但在开放环境中易受数据机密性和完整性攻击。针对此问题,该文提出一种基于同态MAC的无线传感网安全数据融合方案SDA-HMAC。通过同态MAC技术进行融合数据的完整性检测,利用同态加密算法保证了融合数据的机密性,使用杂凑函数和时间参数t计算密钥的MAC保证了数据的新鲜性。实验仿真和理论分析表明,相比于其它方案,SDA-HMAC方案在传感网数据融合过程中能提供较好的数据机密性、完整性和新鲜性保护,具有较高的数据传输效率和融合精度,同时花费较少的计算量和通信量。     

基于数据中台的多源数据融合关键技术研究

目前研究的多源数据融合关键技术可信度分配数值与峰值相差较大,导致融合后的数据冲突程度过高,融合效果难以达到人们的要求。为了解决上述问题,基于数据中台研究了一种新的多源数据融合技术。对多源数据的融合层次进行划分,根据划分结果建立融合模型。应用数据中台的数据技术、治理和运营来实现数据赋能,建立有效的框架体系中心,利用数据框架体系中心分析数据资料,处理多源数据,实现数据的匹配与转换,最终表达数据的模式。实验结果表明,所研究的多源数据融合关键技术可信度分配数值为0.5,融合过程中数据源相似性较高,融合效果较好。     

大数据背景下多维传感器数据融合过程与算法研究

在分析国内外大数据及数据融合研究现状的基础上,针对多维传感器产生的海量数据存在冗余性、割裂性、片面性,数据来源广、维度多、类型杂等特点,分析了数据融合的基本原理及基本步骤,并论述了数据融合的分类方法。在此基础上,提出基于深度置信网络（DBN）的多维传感器数据融合算法,在人工神经网络基础上,重点介绍了DBN的结构及DBN的训练过程。在每一层中,采用数据向量推断隐层,然后把这一隐层作为下一层的数据向量,从而寻找最佳权值。在设定的实验场景下,对多维传感器数据集实例进行实验。实验中分析了算法的重构误差、算法的耗时性等参数。仿真结果表明,所提出的算法具有有效性和优越性,对改进大数据环境下多维传感器数据融合算法具有借鉴意义。     

基于数字孪生的自组网多模态数据快速融合

随着自组网性能的提升与大规模应用,其内部数据呈现出多模态特征,数据量更是达到了海量级别,为数据融合处理工作带来了极大的挑战。为此,提出基于数字孪生的自组网多模态数据快速融合方法。实时采集自组网数据后,利用NLM算法与卡尔曼滤波算法去除数据中的噪声与冗余信息。然后,构建数字孪生自组网（包括自组网、孪生网络与服务系统）,从服务系统加载的数据中提取多模态数据特征,搭建双线性融合模型,从而实现对多模态数据的快速融合处理。实验表明：应用该方法后,多模态数据融合过程的时延始终保持在3 s以下,融合后多模态数据质量系数可达到0.9,证明该方法具有更优的数据融合性能。     

基于动态加权的雷达数据融合算法

传统数据融合算法在处理雷达数据时,采用“平均”的思想,融合时不对数据加以区分。文中针对这一缺陷,提出了一种基于动态加权的雷达数据融合算法。新算法首先根据每部雷达的滤波误差动态计算量测数据的融合权值,然后根据融合权值获得融合量测数据,最后对融合数据进行滤波。仿真实验验证,相比传统数据融合算法,新算法能够提高目标的航迹跟踪精度。     

基于图像与数据双层融合的高光谱图像拼接

针对传统拼接技术对图像信息利用率不足的问题,提出一种基于图像与数据双层融合的高光谱图像拼接技术.对于图像层,采用尺度不变特征变换算法对图像进行特征提取,使用欧氏距离确定特征匹配范围,根据坐标转换关系对特征进行匹配,完成图像层的拼接;对于数据层,首先将数据拆分高、低位数据,然后采用加权和法计算数据的新值并对其进行拼接,最...     

光纤传感器的复用与数据融合

由于光纤传感器中存在交叉灵敏度,阐释传感器的测量及其相互关系是一个重要的课题。采用数据融合技术,对来自不同光纤传感器的信号进行综合处理,建立了分离光纤传感器中的时变耦合信号模型,即多光纤传感器的复用和数据融合的模型。在强度调制、时分调制、光栅调制和相位调制光纤传感器中,引入传感器、传感模型、复用和数据融合等四个层面的数据融合技术以分离时变耦合信号。     

基于卡尔曼滤波的无线传感网时空数据融合算法

无线传感网络节点采集的信息具有较大的相似性,数据结果存在误差。针对该问题,文中提出了一种基于卡尔曼滤波的无线传感网数据融合算法,通过过滤无效数据和缩紧数据包,提高上传数据的有效性和精度。该算法采用实时性较高的卡尔曼滤波算法对无线传感网络中的数据根据时间序列进行数据融合。在时间数据融合的基础上,根据空间分布特点,进一步对多传感器在网关层依据权重进行数据融合。针对不同位置误差实时变化的特点,网关层以空间数据为基础,使用自适应加权算法动态调整各节点权重。仿真实验表明,该算法易于实现,可有效去除冗余信息,提高数据准确度和可靠性。相较于改进的分批估计与自适应加权方法,采用该方法后均方根误差减少约7.9%,精度提高了2.1%。     

一种基础模糊理论的自适应数据平滑方法

针对情报雷达组网数据融合系统中目标融合航迹质量的优化方法进行研究,从人在融合系统中的作用出发,通过数据挖掘,寻找融合航迹质量优化途径,提出了基于模糊理论的自适应平滑方法,对移动平均法进行改进,得到二次平滑方法,并将模糊推理融入到其参数自适应调节。试验证明：该方法可很好地提高系统的融合航迹质量,为用户提供了高质量、高可靠性的融合态势数据。     

面向多雷达数据融合的并行数据编排框架研究

在多雷达数据融合中,数据编排方式是多雷达组网系统成败的关键因素之一。随着数据融合系统中处理容量的迅速增长,串行数据编排融合框架已经不能满足多雷达组网需求。文中针对大容量数据融合系统提出了一种并行数据编排框架,使用OpenMP 并行技术进行了实现。仿真结果表明,并行数据编排框架相比较于串行处理方式具有较高的加速比,实时性高,满足了大规模多雷达组网的需求,并且具有良好的扩展性。     

遥测数据融合软件的设计与实现

在空空导弹外场试验中,为了提高遥测接收数据的质量,提出了数据融合的思想,并在VC环境下开发此遥测数据融合软件。在此结合具体的外场环境,给出了三种融合的方法:按同步码、帧计数和同步码+帧计数方法融合。详细介绍了从需求分析出发的软件设计过程,各功能模块以及各种融合方法的具体实现流程。实践结果表明该设计很好地达到了预期效果。     

分布式雷达检测数据融合系统及性能分析

研究了基于奈曼一皮尔逊准则的分布式并联融合系统的检测理论，给出了使系统性能达到最优的融合中心的融合规则和传感器的决策规则，提出了一种融合系统性能优化算法，将其应用于雷达网数据融合，并就三部雷达沿直线部署的具体情况进行了计算机仿真。结果表明：相对于单部雷达而言，融合系统的性能有非常显著的改善。     

D-S证据理论在雷达目标识别中的应用

为解决雷达终端目标识别问题,采用基于推理的数据融合方法。分析了Dempster-Shafer(D-S)证据理论用于多传感器数据融合的基本概念和理论,并结合最小风险准则将其应用于雷达终端目标识别的数据融合中。实验结果证明了基于融合后的识别结果较单传感器单周期的识别结果好,验证了这一方法的正确性和有效性。     

基于移动代理的WSN数据融合的研究

移动代理已广泛用于无线传感器网络并进行数据融合。该文将移动代理用于簇成员节点间进行数据收集并进行数据融合,并提出了基于精度的量化编码的数据融合算法。该算法有效减少了冗余数据,提高了传输速率,延长了无线传感器网络的寿命,并将其应用到森林防火中去。     

母体均值区间估计用于多传感器数据关联算法研究

为了提高多传感器数据融合的精度,数据或航迹关联成为对目标跟踪滤波的关键。分析了用于多传感器数据融合的集中式与分布式卡尔曼滤波器,提出了一种新的基于数理统计理论的数据关联算法——正态母体均值区间估计算法,当传感器性能及干扰噪声的统计特性发生突变时,能大大提高数据融合的精度和准确性。