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。     

一种多传感器信息融合的优化方法

通常多传感器协同工作时会存在交叉灵敏度,输出的数据信息不仅仅由被检测参量所决定,当其他参量变化时输出值也会发生变化.通过曲面拟合法高效快捷地进行多传感器信息之间的数据拟合,能够很好地抑制非参量与参量之间的耦合关系,在实际应用中具有很好的效果,最后通过Matlab仿真验证了方法的可行性.     

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。     

一种基于神经网络和证据理论的信息融合算法

针对目前多传感器系统中常用的信息融合方法,识别率较低、网络稳定性不好、不能很好地处理不确定性等问题,提出一种基于神经网络和DS方法的信息融合算法。该方法兼顾神经网络和DS推理二者的优势,有效地解决了目前信息融合方法对大噪声不确定性传感器测量信息的误识别问题。仿真实验结果验证了该算法在提高目标识别率和抗噪能力方面的有效性。     

航迹融合算法在多传感器融合中的应用

研究寻的制导优化控制问题,针对传统单一传感器导引不能满足性能要求,提出采用多传感器复合制导.航迹融合是多传感器数据融合中一个非常重要的方面.由于公共过程噪声的原因,使在应用状态估计融合系统中,来自不同传感器的航迹估计误差未必有独立性,为了使航迹与航迹关联和融合,提出自适应航迹和协方差加权航迹融合的算法.通过仿真研究说明自适应航迹融合和协方差加权航迹融合的算法对多传感器数据融合技术有很明显的作用,数据融合效果好,为复合寻的制导优化设计提供了依据.     

多传感器信息融合技术在发动机状态监控系统中的应用研究

飞机发动机的状态监测是测控领域的一个难点,而目前的监测系统多为单一状态监测,针对与此,本文提出了一种基于多传感器融合的飞机发动机状态监控系统的设计方案,给出了系统数据融合的算法以及系统硬件结构模型,并简要介绍了多传感器融合的原理.     

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。     

基于多信息融合算法的变电站消防监测

为消除变电站人工巡检的消防安全隐患,减少人员消防运维工作量,推进现代设备管理体系建设,设计开发了数据互联的智能化自动巡检灭火机器人,对机器人的工作过程及信息共享机制进行了详细规定。在开发火情智能判断算法过程中,利用多传感器信息融合技术,提高判断准确性,并引入D-S证据理论进行融合推理,实现了消防火情智能判断正确率大幅提高的目标。实验数据表明,D-S融合算法判断火情可使判断时间快速收敛,判断准确概率提高,整个系统能够实现变电站消防无人巡检任务。     

基于多传感器信息融合的果蔬仓库监测算法融合

适宜的仓库环境对于提高存储周期、减少腐坏率,起到至关重要的作用.将分组自适应加权融合算法与改进的BP神经网络算法相结合,应用到仓库环境监控系统中.通过使用分组自适应加权融合算法计算同类环境因素的估计值,再与异类传感器融合算法相结合,融合仓库中各种环境因子相互作用的影响,以提高输出结果的准确度.在仓库中收集温度,湿度,气...     

多传感器融合技术在调施胶系统中的应用

针对我国纤维板生产过程中调施胶系统存在检测精度不高、动态调节性能差、施胶量不稳定、产品质量不高和生产效率低等问题,提出了将多传感器融合技术应用于调施胶系统中的方法.分析了调施胶过程的特点和多传感器融合技术的优势,构造了控制系统;同时,采用BP神经网络的多传感器融合技术改进传统的PID控制.仿真结果证明了该技术的优越性.     

基于Bayes估计理论的数据融合方法

本文研究了多传感器数据融合技术的一种方法。融合方法以Bayes估计理论为基础,并对数据进行了一致性检验,得到了多传感器最优融合数据,提高了数据的精确度。实际应用结果验证了算法的准确性,并进行了Matlab仿真。这种数据融合方法计算简便,可以获得比有限个传感器的算术平均值更准确的测量结果。具有较高的可靠性,可用于测量结果具有正态分布特性的多传感器测量系统。     

一种泥浆脉冲压力传感器信号的融合算法

针对泥浆脉冲信号传输复杂环境和采集信号的特点,提出多传感器探测泥浆脉冲信号的思想,研究了基于统计方法理论的信号间可靠性度量,并推导出信号间关系矩阵的确定方法.利用综合支持度最优数据融合方法,实现对实验数据的仿真处理和现场采集数据处理.分析结果表明,该方法克服了单传感器信号不确定性的困难,有效消除了信号中的干扰和噪声,能够很好地恢复原始编码数据,满足随钻测井的要求.     

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。     

基于模糊推理的多传感器数据融合方法

针对多传感器目标跟踪系统可能出现的传感器漏检现象,提出了一种基于模糊推理的消除漏检现象影响的方法。该算法根据各传感器的量测变化,及时调整参与融合的各传感器量测的数目及其加权系数,保证量测融合值的有效性。通过对两个传感器进行数据融合和目标跟踪的仿真表明,该算法是一种简单有效,有工程应用前景的数据处理算法。该方法同样适用于多于两个传感器的多传感器融合系统。     

多传感器数据融合的一种方法

在多传惫器检测系统中,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,确立正确的关系矩阵.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.     

多传感器量测下权重优化粒子滤波算法

针对粒子滤波在多传感器量测系统状态估计问题中的有效实现,提出一种多传感器量测下的权重优化粒子滤波算法。首先,依据提议分布的具体形式设计用于度量当前时刻粒子的权重的量测似然函数,并利用单个滤波周期内的全部量测分别计算每个粒子权重;其次,考虑到不同传感器精度存在的差异性,结合传感器精度等先验信息,通过加权融合处理方式实现对单个粒子在多传感器量测下权重度量结果的优化;进而在减小粒子权重方差的基础上 改善 滤波的精度。理论分析和仿真实验结果验证了算法的可行性和有效性。     

多传感器信息融合技术探析

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。文章介绍了多传感器信息融合的概念,描述了多传感器信息融合的功能模型、主要方法和应用,并对其发展趋势进行了分析。     

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。