压电加速度传感器Hn估计校准方法

针对压电加速度传感器灵敏度校准过程中噪声对校准结果的影响难以消除的问题,结合Hn估计方法,利用其多次求互相关函数并求平均值的特性对系统噪声进行抑制。用"半长法"进行互相关计算,对多组采样信号进行互相关计算后再用FFT法进行功率谱计算,可得到功率谱的无偏估计。实验结果证明,利用该方法可提高压电加速度传感器灵敏度校准结果的准确度。     

贝叶斯估计在静态倾角计算中的应用

目的:在采用三轴加速度计的倾角测量系统输出值解算中存在灵敏度非线性的情况下,为提高测量精度。方法:通过采集加速度传感器三个轴的测量值,应用三种不同的倾角计算方法对静态倾角进行计算;然后利用贝叶斯估计算法对计算结果进行数据融合计算。结果:融合计算结果的平均误差相比单一解算算法减小了77%以上,且误差分布更均匀。结论:采用贝叶斯估计融合以后的计算结果克服了单一算法固有的灵敏度非线性问题并且进一步降低了测量噪声,有效提高了静态倾角测量系统的测量精度。     

相关技术用于毛细管内制冷剂流量的测量

提出一种采用相关技术测量毛细管内制冷剂流量的方法。制冷剂在毛细管内流动存在流动噪声，利用电容传感器测出反映流动噪声的两路随机相关信号，经相关分析，便可求出毛细管内制冷剂的流量。介绍测量原理、流动噪声的提取方法和电容检测电路，并且还建立了相关的理论计算模型。这一方法的实现将解决制冷装置中毛细管内流量测量的技术难题，为制冷系统中制冷量等有关参数的准确测量和系统的最佳匹配提供了可靠的依据。     

相关技术有于毛细管内制冷剂流量的测量

提出一种采用相关技术测量毛细管内制冷剂流量的方法，制冷剂在毛细管内流动存在流动噪声，利用电容传感器测出反映流动噪声的两路随机相关信号，经相关分析，便可求出毛细管内制冷剂的流量。介绍测量原理，流动噪声的提取方法和电容检测电路，并且还建立了相关的理论计算模型。这一方法的实现将解决制冷装置中毛细管内流量测量的技术难题，为制冷系统中制冷量等有关参数的准确测量和系统的最佳匹配提供了可靠的依据。     

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。     

基于MEMS陀螺仪和加速度计的自适应姿态测量算法

针对MEMS陀螺仪以及加速度计传感器单独测姿时,传感器数据中存在复杂噪声和测量误差导致测量得不到最优姿态角的问题,设计了一种基于MEMS陀螺仪和加速度计的自适应姿态测量算法.算法采用扩展卡尔曼滤波方法实现数据融合,并且在利用Allan方差估计MEMS陀螺动态噪声的同时,加入了遗忘因子和限定记忆的算法思想,从而实时地跟踪数据的量测噪声,实时修正角度估计误差,有效地提高了姿态测量系统的精度.实验结果表明,二者组合定姿可实现高精度的姿态测量,验证了算法良好的动态噪声抑制能力,提高了系统对环境变化的适应性.     

冲击加速度传感器系统辨识技术研究

为保证各领域复杂冲击过程中测量结果的准确、可靠,需要针对冲击加速度传感器采用系统辨识方法建立时域模型。该方法根据传感器的输入和输出数据,建立其差分方程方程形式的数学模型,并且运用引入辅助变量的最小二乘方法,实现无偏一致估计,使估计的传感器系统差分方程参数和信号噪声无关。通过对传感器系统差分模型的辨识,能够准确描述传感器系统的频域信息特征量,为准确估计被测量、评价相关不确定度和测量误差提供校准依据。     

基于多尺度Kalman数据融合滤波

本文通过分析基于小波变换的动态系统模型,提出一种基于小波多尺度的Kalman数据滤波方法,本文利用小波的多尺度特点,把初始估计序列多尺度分解,并在不同尺度层上进行Kalman滤波估计,再利用小波重构来融合各层的估计信息,把标准Kalman滤波只在单一尺度和时间轴上对状态估计值和误差协方差进行数据更新,改进为基于小波变换的尺度轴和时间轴上的双向数据更新,该算法将小波多尺度分解去噪和Kalman滤波相结合,对实际中含较强噪声的动态系统的状态估计效果较好.算法也可用于多分辨率多传感器数据融合.     

非线性传感器静态特性评估的极限点法

基于对测量过程、测量误差的认识，提出了一种利用极限点法评估非线性传感器静态特性的一种新方法。给出了利用该方法评估非线性传感器的两种模型。并以一电涡流式非线性位移传感器的标定数据进行了计算、分析。     

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。     

基于模糊贴近度的多传感器数据融合测量

依据现代测量中多传感器数据融合需求,提出了一种基于模糊贴近度的数据融合新方法,研究了它在测量中的应用过程。测量应用实例验证了其在工程中的可行性,体现了稳定性、可靠性高的传感器在测量数据融合中的“优越性”,运算过程简洁、快速、有效,便于实时测量操作。     

多传感器测量数据预处理

传统传感器测量数据处理方法只采用算术平均值的数字滤波法，虽然这种方法具有一定的抗干扰性，但从统计理论和实际应用情况分析来看，这种方法处理的数据不是测量结果的最好表示，尤其对于多传感器测量情况甚至更糟糕。针对这种情况提出了通过2次利用偏度分析建立动态检测门限判别并剔除粗差，再进行数据融合的分批估计方法．数据分析结果表明。这样处理后的数据测量误差和方差均更小，测量结果更接近测量真值。     

非线性无序测量无迹滤波在地面跟踪目标指示器的应用

对于多传感器融合系统,在处理中心往往由于通信数据链的失误,出现滞后数据(即无序量测),这对数据不利于融合的正常进行.本文对此提出一种最优和次优的无序量测无迹卡尔曼(UKF)滤波器,基于UT变换,把多步滞后量测转化为等价一步滞后量测,用无序量测直接滤波更新.通过最优、次优UKF滤波器和扩展KF滤波器在不同情况下对地面跟踪目标指示器(GMTI)组合跟踪的无序量测处理作比较,可看出本文所述滤波器提高了非线性条件下的无序量测滤波精度.     

基于滑窗批处理的低检测概率无源定位

针对低检测概率下的无源定位问题,提出一种基于滑窗批处理的多传感器融合跟踪算法.通过将多个低检测概率的无源传感器组网,实现目标信息的空间积累,有效提高目标的检测概率.利用伪线性估计技术将非线性测量转换为伪线性测量,再对多传感器的伪线性测量进行基于滑窗批处理的最小二乘估计,得到目标局部最优解.仿真验证了算法的有效性和分析了参数的影响.结果表明,该算法能大幅提高无源定位系统对目标的检测概率,且能满足系统对跟踪精度及实时性的要求.     

Research on Data Fusion of Adaptive Weighted Multi-Source Sensor

Data fusion can effectively process multi-sensor information to obtain more accurate and reliable results than a single sensor. The data of water quality in the environment comes from different sensors, thus the data must be fused. In our research, self-adaptive weighted data fusion method is used to respectively integrate the data from the PH value, temperature, oxygen dissolved and NH3 concentration of water quality environment. Based on the fusion, the Grubbs method is used to detect the abnormal data so as to provide data support for estimation, prediction and early warning of the water quality.     

An efficient analytical Bayesian method for reliability and system response updating based on Laplace and inverse first-order reliability computations

This paper presents an efficient analytical Bayesian method for reliability and system response updating without using simulations. The method includes additional information such as measurement data via Bayesian modeling to reduce estimation uncertainties. Laplace approximation method is used to evaluate Bayesian posterior distributions analytically. An efficient algorithm based on inverse first-order reliability method is developed to evaluate system responses given a reliability index or confidence interval. Since the proposed method involves no simulations such as Monte Carlo or Markov chain Monte Carlo simulations, the overall computational efficiency improves significantly, particularly for problems with complicated performance functions. A practical fatigue crack propagation problem with experimental data, and a structural scale example are presented for methodology demonstration. The accuracy and computational efficiency of the proposed method are compared with traditional simulation-based methods.     

采用多传感器数据融合技术的消防报警系统

介绍了多传感器数据融合消防报警系统，然后在分析信号特征和各种算法的基础上提出数据融合的思想。根据多传感器的不同性质，进行多级别、多方面处理，以求更可靠更准确的结果。并提出了基于传感器数据融合的火灾报警的基本框架，最后讨论了传感器数据融合的方法和管理实施。     

未知输入干扰下异构多传感器分布式两级信息滤波与偏差联合估计

针对目标跟踪过程中受未知输入影响的多传感器网络,提出一种局部单传感器抗干扰信息滤波算法并根据此算法实现分布式一致性多传感器融合滤波估计实现目标的精确跟踪。首先,建立包含未知输入的系统模型;其次,消除未知输入影响并设计局部单传感器两级信息滤波算法实现状态和广义偏差的同时估计;最后,根据提出的单传感器两级信息滤波算法进行分布式加权数据融合。仿真结果表明,该方法及其融合算法的系统偏差、状态估计误差和均方根误差均明显降低,目标跟踪精度有所提高,并且具有较低的运算量和较高的一致性。     

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。     

Study on Posture Estimation Using Delayed Measurements for Mobile Robots

1Introduction Mobilerobotsaredevelopingtowardsintellectualization,whichdependsonthedevelopmentofsensor technologytotheutmostextent.Theinformationfusiontechnologyhasovercomethedrawbackresul tingfromtheapplicationofasingletonsensor.Forthesamereason,inordertoenhancetheposition precisionofthemobilerobot,morethanonesensorisoftenneededtogenerateandmaintainarelia blestateestimation[1].Furthermore,thecomputationcomplexityofdealingwiththesensordatawil oftenbringonsignificanttimedelaysfromtheacquisition…