基于贴近度的多传感器一致可靠性融合方法

对于先验知识未知的多传感器对某一目标特性进行多次测量的情形,提出一种基于模糊贴近度函数的融合算法.首先视各传感器的测量值为模糊集合,利用最大最小贴近度定义贴近度矩阵,并通过对其扩维来度量不同时刻传感器测量值间的综合相近程度,然后参照已有的信噪比法定义了一致可靠性测度,进而得到多传感器数据的融合公式.应用实例及仿真验证了该方法的有效性.结果表明该算法计算简单,融合结果具有很好的精确性和稳健性.     

基于LMS算法的多传感器数据加权融合方法

针对目前多传感器数据融合过程中,传感器观测噪声不易确定,提出了一种基于LMS算法的多传感器自适应加权数据融合方法。该方法将传感器最优加权系数的求解,转化为估计值的均方误差性能表面的最优解搜索,通过加入自适应阶段,采用自适应最小均方误差（LMS）算法调整传感器加权系数。仿真结果表明该方法的有效性。     

基于扩维贴近度的多传感器一致可靠性融合方法

对于先验知识未知的多传感器对某一目标特性进行多次测量的情形,提出一种基于模糊贴近度函数的融合算法.首先视各传感器的测量值为模糊集合,利用最大最小贴近度定义贴近度矩阵,并将前一次的融合值假设为观测值,参与当前次的融合运算,再通过扩维来度量不同时刻传感器测量值间的综合相近程度,然后参照已有的信噪比法定义了一致可靠性测度,进而得到多传感器数据的融合公式.应用实例及仿真验证了该方法的有效性.结果表明该算法计算简单,融合结果具有很好的精确性和稳健性.     

基于多传感器的温室环境数据融合算法研究

无线传感器网络中采集的数据存在着较大的冗余与误差,影响数据的可靠性;而在温室环境监测中,对数据的准确性要求比较高。因此,为了提高多传感器采集数据的准确性,在研究了现有的几种数据融合算法以后,提出一种基于多传感器的综合数据融合算法。给出了采用格罗布斯准则消除粗大误差,并引入哈夫曼树的思想对数据进行项融合的方法。结果表明,该算法可以有效提高测量数据的准确性。     

多传感器集中式增量卡尔曼滤波融合算法

在单个传感器的状态估计系统中,标准的增量卡尔曼滤波方法可以有效消除量测系统误差。对于多传感器情况,标准算法失效。针对该问题,提出了多传感器集中式增量卡尔曼滤波融合算法,即:增量卡尔曼滤波的扩维融合算法和增量卡尔曼滤波的序贯融合算法。在标准增量卡尔曼滤波算法的基础上,结合扩维融合和序贯融合的思想来实现多传感器数据的融合。实验结果表明,当存在量测系统误差时,提出的集中式融合算法与传统的集中式融合算法相比,提高了滤波精度,并且能够成功地消除量测系统误差。     

多传感器数据的统计融合方法

在多传感数据融合过程中 ,各传感器的可靠程度的确定是至关重要的。利用统计方法理论 ,将各传感器的可靠程度模糊化 ,进而给出各传感器的综合支持程度指标 ,并在此指标基础上给出多传感器数据的融合结果。该方法计算简便 ,其结论较为稳定     

一致性多传感器数据融合方法的改进

多传感器数据融合是指将经过集成处理的多传感器数据进行合成，形成对外部环境某一特征的一种表达方式的过程。本文首先介绍了Ｌｕｏ［１］的一致性多传感器数据融合方法。然后，针对Ｌｕｏ方法的不足之处，改进了一致性融合方法。该改进方法计算量小，能简便、快速地确定一致性的传感器数据。     

一种D-S证据理论的多传感器数据融合算法

针对多传感器网络中采集的数据存在的不确定性,提出了一种基于D-S证据理论的多传感器数据融合算法.该算法分同类数据融合和异类数据融合两步,首先对多传感器得到的数据取特征值,通过计算同种数据间的距离,得到信任函数并设置阈值剔除异常值,将得到的正常同类数据进行初步融合.其次,计算异类数据与各等级特征值间的距离,对得到的距离求...     

多传感器数据融合的主成分方法研究

针对多个传感器对某一特性指标进行测量实验的数据融合问题,提出了一种基于主成分分析的融合方法。该方法把各传感器的测量数据作为一变量,定义总体的各主成分,利用测量值与主成分的复相关关系,给出了各传感器的综合支持程度和数据融合公式。应用实例验证了方法的有效性和精确性。     

基于模糊熵的多传感器加权融合算法

针对目前多传感器数据融合时,各传感器的权值难以确定的问题,结合模糊理论,提出一种基于模糊熵的多传感器加权融合算法.该算法不需要任何的环境先验信息和传感器参数信息,根据各个传感器的当前有效量测数据的模糊程度不同,通过求取实时有效量测集合的模糊熵来确定该传感器在融合时的权值.仿真实验证明:该算法具有很好的环境适应能力,可以在一定程度上提高量测精度.     

改进的多传感器数据统一算法

为了避免多传感器获得的数据在物体相同部分存在重叠的问题,提出了一种基于2维网格处理的多传感器数据统一算法。该算法通过对等值面点数据依次进行改进的2维Delaunay三角剖分、顶点删除法网格简化、三角片取重心、数据整合及采样等操作,实现了多传感器数据的统一。对实验室激光3维人体扫描系统获得的人体数据进行的实际处理结果表明,该算法具有处理速度快、操作简便、能有效删除噪声等优点。     

基于信噪比的多传感器数据融合方法

针对多个传感器对某一特性指标进行多次测量实验的数据融合问题,提出了一种基于信噪比的多传感器数据融合方法.该方法首先视各传感器的测量值为模糊集合,利用模糊集合中的最大最小贴近度来度量不同传感器测量值之间的相近程度,其次给出了不同时刻各传感器的一致性测度,然后基于信噪比定义了一致可靠性测度,最后利用一致可靠性测度得到传感器数据的融合公式.应用实例验证了该方法的有效性.同时,通过与平均值法和可靠性融合法的比较分析,表明该方法具有较好的稳健性.     

传感器信息融合技术在过程控制中的运用研究

本文根据工业过程控制的特点提出了多传感器信息融合与控制相结合的结构，以解决测量声干扰下参数估计问题，研究了信息融合的基本方法及其在工业窑炉控制中的运用，结果证明控制效果比单一传感器有明显的改善。     

基于多传感器信息融合的轮胎压力监测系统

为了提高轮胎压力监测系统的精度,运用贝叶斯方法建立了其多传感器信息融合的数学模型。该模型融合了轮胎的温度和压力这两种互补信息,相对于传统的轮胎压力监测系统而言,具有信息的完整性、统一性、多样性和容错性等优点。实验表明该系统可以达到全面预警爆胎的作用,为监测轮胎压力和温度提供了一个行之有效的方法,功能可靠,适于推广。     

一种改进的多无线传感器数据分批估计自适应加权融合算法

为解决温室大棚中多无线传感器监测数据融合精度低的问题,提出了一种改进型的分批估计自适应加权融合算法。算法首先对单个无线温度传感节点一段时间内所采集的数据根据容许函数阈值剔除误差较大的数据,然后对该温度传感器的数据进行分批估计得出该节点某一段时间内的最优估计值,以此得到该区域所有无线温度传感节点最优估计值后,依据权值最优分配原则对每组传感器数据进行组内自适应加权融合,从而计算得到该段时间内温室大棚的温度精确值。通过实验验证得出：相对于平均值法与传统的分批估计算法,本算法数据融合易于实现,融合值相对误差值更低,稳健性更好。     

一种火箭主动段弹道数据融合方法

提出了一种火箭主动段弹道数据融合方法,该方法利用各类测量弹道数据进行融合计算,得出一组综合弹道数据为测量设备提供数字引导,并作为判断火箭飞行轨迹的依据。通过以往某次火箭主动段任务实测数据复演,验证了这种方法的可行性和有效性。     

基于Fisher信息的多传感器数据融合方法

针对多个传感器对某一特性指标进行测量实验的数据融合问题,利用信息理论中的Fisher信息,提出了一种新的多传感器数据融合方法。该方法以最大化各传感器测量数据包含待测参数的Fisher信息为目标函数,通过求解优化问题,得到数据融合结果。可以较好地避免受主观因素影响的关系矩阵,充分利用实验数据,防止有效数据的丢失,提高融合结果的精确性。仿真实验验证了方法的有效性。     

基于分簇的无线传感器网络簇内数据融合算法

根据节点剩余能量、通信消耗量和节点IP,设计无线传感器节点分簇算法,减少了无线传感器网络的数据传输总量。分析对以分簇为基础的簇内数据的融合算法误差成因,提出先进行簇内传感器测量修正、再进行簇内传感器数据融合的改进算法。通过TOSSIM仿真平台的实验,改进后的簇内数据融合算法测量误差明显减少。