多传感器数据融合目标识别算法综述

多传感器数据融合作为一种特殊的数据处理手段在目标识别领域得到了较大的重视和发展.在介绍多传感器数据融合目标识别基本原理及其算法理论依据基础上,从概念分类方面,对目前多传感器数据融合目标识别算法进行了全面综述,包括参数分类算法、基于认识模型的算法、物理模型算法及多类算法综合识别法等,说明了各算法特点及对其的进一步改进,列举了目前国内外一些已经发表的重要算法,为下一步多传感器融合目标识别研究提供了一定的理论依据.     

云计算下基于贝叶斯网络的多传感器目标识别

基于云计算可实现分布式并行程序海量数据处理的特点,提出将多传感器目标识别融合处理部署在云计算Hadoop平台上,并将其运行在多个节点组成的计算机集群上。根据目标识别原理建立贝叶斯网络结构,对目标识别预处理得到的数据进行融合计算,推理目标类型,并对不同情况下的Hadoop集群效率进行分析比对。实验结果证明了将目标识别融合处理部署在云计算平台上可有效提升运算效率。     

D-S证据理论和粗集理论在数据融合中的应用

提出了一种由粗集理论和D S证据理论结合的多传感器数据融合方法 ,并将其应用于目标识别中。在目标识别的数据融合中 ,利用粗集理论对大量的传感器数据进行处理 ,判断出冗余传感器 ,得到传感器的最简组合 ,从而简化特征数据。然后利用D S理论实现目标的分类 ,改进分类的效果。因此 ,将两种方法结合起来应用于数据融合技术中来进行目标识别 ,为解决传感器数据超载以及不完整传感器信息融合提供了一种方法 ,且提高了识别的速度和效果     

分布式多传感器的模糊决策融合

分布式多传感器数据融合属于决策层融合。针对分布式多传感器融合的目标识别应 用,本文提出了一种新的融合传感器模糊属性的模糊决策函数,它通过自适应方法调整模糊决策函数中的参数以适应不同的融合应用。文章利用计算机仿真实验对此决策函数融合的目标识别结果进行了分折,表明这种方法使融合系统可以适应不同的融合要求,具有较好的目标识别效果。     

基于地面传感器的数据融合技术应用研究

研究了多传感器优化布设,提出了几种典型拓扑结构。比较了Bayes方法和Dempster-Shafer证据理论,采用证据理论对目标进行身份识别。研究了地面运动目标融合算法、模型,能够对各种传感器的报警数据进行处理,得到目标的属性信息和运动轨迹。进行了低空飞行目标航迹融合研究,对传感器上报的低空目标方位角数据进行综合处理,得到目标航迹信息。实际运行结果表明,这些算法是有效的。     

基于最大隶属度与证据理论的目标识别融合

为解决各传感器的类型、精度,外界干扰以及不同传感器对不同目标敏感程度的不同对目标识别的决策结果的影响,通过运用智能信息处理和多源信息融合的相关知识建立了基于最大隶属度与证据理论的目标识别融合模型.该模型首先分析了影响目标识别的因素;然后各雷达站依据最大隶属度选取了不同的权重,从而求出了所测目标相对于目标库中参考目标的隶属度,并将得到的本站对目标的决策结果进行归一化处理后送往了融合中心.研究了比较常用的对不确定信息进行处理的D-S证据理论法,并深入分析了其证据合并规则与决策规则.在融合中心运用了D-S证据理论的有关知识进行融合,最终输出了融合后的目标识别的决策结果.实例证明了该目标识别融合模型的可行性.     

多传感器数据融合中基于目标识别的DS算法研究

由于多传感器数据中对目标的描述通常存在或多或少的模糊、相驳、遗缺等现象,在多传感器数据融合处理中如何对目标进行有效可靠的识别,是一个备受关注的难题。本文对多传感器数据融合处理中基于ＤＳ算法的目标识别问题进行了较深入的探讨,利用ＤＳ算法对不确定性信息的推理判断机制,为解决上述难题提供了一种有效的方法。     

灰局势决策方法在决策层融合目标识别中的应用

本文提出了一种基于灰局势决策的决策层融合目标识别算法,并利用各子源传感器判决结果包含的动态信息,通过计算灰关联系数对各类目标进行了加权处理。实验中利用上述方法对五类目标雷达观测数据的分类结果进行了融合,其结果表明该方法的目标识别性能与子源传感器相比得到了有效地提高。     

传感器可靠性相异的信任函数理论融合识别算法研究

本文在信任函数理论框架下,针对决策层融合目标识别问题,对可靠性相异的多传感器融合目标识别提出了一种新算法.该算法结合各传感器混淆矩阵的先验静态信息以及其当前输出判决的动态信息,获得各传感器当前输出识别证据的可靠性因子,并将其用于相应信任函数的折扣,最后用Dempster组合规则对修改后的识别证据进行融合.仿真表明和现有一些考虑可靠性问题的融合算法相比,本文算法能够得到更好的融合效果.     

光电探测多传感器数据融合方法研究

首先分析了光电探测传感器的观测特点.简要介绍了各传感器在进行数据融合时必做的重要工作--数据对准及几种数据对准方法.重点研究了具有不同传感器测量精度的光电探测系统信息加权融合概念及融合准则.给出了每种准则下的目标跟踪算法,并进行了算法仿真.仿真结果表明,对于具有不同测量精度的传感器,选择不同的融合准则,可更为准确地预测目标飞行轨迹,大大提高目标的跟踪效果和精度.     

基于证据理论的ATR系统传感器管理方法

随着信息融合技术和传感器技术的发展,融合目标识别系统的应用更为广泛,其规模也在不断地增大.为了满足战场应用的需求,一套识别系统中往往包含有多个不同种类、不同性能的传感器,而对于它们的综合管理方法的研究则甚少.为了更好地管理融合系统中的多个传感器,使识别系统的整体性能和效能达到最优,提出了一种新的基于D-S证据理论的融合目标识别系统中的传感器管理方法,分析了其合理性、可行性以及可能存在的问题,并给出了初步的解决方案.最后通过仿真实验及结果分析说明了方法的有效性和合理性.     

红外与可见光图像融合中的快速配准方法

红外与可光传感器目标跟踪识别系统中常用的两种传感器，对这两种传感器图像进行有效的融合能大大提高探测识别的准确性和可靠性。快速准确地实现图像配准是图像融合的前提，为此提出了一种基于小波变换的快速算法，有利于实时准确地实现图像配准。     

雷达红外复合目标识别技术研究

雷达与红外传感器所获取的信息能实现互补,可以改善对目标识别跟踪的效果。提出了雷达与红外成像双模目标识别的方法,利用两种独立传感器的信息互补性来构造联合特征向量,通过有序加权平均算子信息融合系统进行目标识别。仿真实验表明,采用这种方法能提高融合结果的稳定性、可靠性。     

基于DP-TBD 的不同分辨率传感器集中式异步融合算法

主要运用检测前跟踪动态规划(DP-TBD)算法解决不同分辨率的多传感器多目标融合问题,提出了一种基于DP-TBD的不同分辨率的传感器集中式异步融合算法。该算法分为两步:第一步将不同分辨率的传感器取得的回波数据统一对齐到相同单元格尺寸的量测空间;第二步将具有不同采样间隔的传感器得到的量测数据按照时间顺序传送至融合中心进行集中式融合。接着,用动态规划检测前跟踪算法来处理所得到的数据,并且进行航迹恢复。同时,为了提高异步融合的有效性,文中还提出了一种基于变转移状态数的算法。仿真结果说明基于DP-TBD的集中式异步融合算法的有效性,并且和单个传感器的性能比较,该算法大大改善了目标跟踪的性能。     

一种基于异步数据融合的传感器管理方法

针对多传感器系统存在观测数据过多,数据融合中心处理负担过重的问题,在引入一种基于传感器观测数据序贯处理的最优异步融合算法的基础上,提出一种基于目标协方差控制的传感器选择算法对异步观测数据进行优化组合,从而实现以最小的计算量达到所要求的目标状态估计精度。最后的仿真结果证明了该算法的有效性和可行性。     

A scalable correlation‐based approach for outlier detection in wireless body sensor networks

Outlier detection is one of the prominent research domain in the field of data mining and big data analytics. Nowadays, most of the data in healthcare centers are remotely monitored and are generated from different wireless sensors. The core objective of outlier detection in this domain is the recognition of the true physiologically anomalous data and the anomalies because of faulty sensors. In real healthcare monitoring scenario, various sensors are related to each other. So, while detecting outliers in wireless body sensor networks (WBSNs), correlation among different sensor nodes is of major concern. Most of the existing outlier detection techniques consider the sensors to be linearly correlated, which may not always be the case in real life applications. The traditional techniques for outlier detection are also not scalable to big data. To address the above issues, in this paper, we propose an approach for outlier detection that is scalable to big data and also handles the nonlinearly correlated attributes efficiently. The proposed approach is implemented on Hadoop map reduce framework for the rapid processing of big data. The evaluation results are validated using the simulated dataset of WBSNs taken from the Physionet library. The results are compared with various existing outlier detection approaches and demonstrated that the proposed approach is more effective in spotting the physiological outliers and sensor anomalies accurately.     

多传感器多目标跟踪中的概率数据互联

通过在两维雷达和红外搜索跟踪两种不同传感器观测空间上建立多目标运动状态的投影，单传感器的ＪＰＤＡ算法被推广到此种多传感器数据融合系统之中，实现了其中的多目标数据互联和多传感器数据融合，从而提高了跟踪性能。     

无线传感器网络的新进展与应用

为完成实时监测、感知和采集各种监测环境或对象的信息,将智能传感器组成分布式信息测控网络。无线传感器网络是传感器智能化发展的趋势。它是以数据获取与数据管理为核心的全新网络,综合了传感器技术、嵌入式计算技术、分布式信息处理技术和无线通信技术。介绍了无线传感器网络节点、无线传感器网络、无线传感器网络的最新进展,并给出了无线传感器网络的应用。     

Advanced Biometric Pen System for Recording and Analyzing Handwriting

Handwriting dynamics which reflect fine motor skills of writers can be recorded with pen based writing systems. They are generally equipped with a diversity of sensors, such as pen tip pressure and tilt-acceleration sensors mounted inside the pen or pen tip x-y position sensors integrated on a specific graphic tablet. Such writing systems are essentially applied for biometric personal identification or handwriting recognition. In this paper, an advanced biometric pen based system for capturing and analyzing handwriting dynamics of a person is presented. Features of the device as well as evaluation of its sensor data are discussed. The system actually comprises a standard WACOM graphic tablet where its input pen is equipped additionally with a sensor to measure the grip pressure of fingers holding the pen. By combining x-y position data of the tablet and grip pressure data of the pen an improvement of performance in handwriting and person recognition is achieved. The experimental results have shown that among the single sensors, the grip sensor data gives best recognition accuracy and improves the recognition rates of handwritten PINs or persons by about 1%, when fused with x-y position data. It shows excellent accuracy in handwriting recognition and depicts detailed information about fine motor skill which is primarily because of data sampled by the finger grip pressure sensor. The enhanced input device has great promise not only for biometrics but also for biomedical applications.     

基于弯曲可变电阻的手语识别系统设计

文章结合陀螺仪(GYRO)、加速度计(ACC)、弯曲可变电阻三者收集到的手势动作信息,提出一种融合多传感器信息的手势识别方法,以提高训练及识别的速度。首先执行运动窗口检测,然后平滑滤波,将手势加速信号预处理为帧,最后构建离散隐马尔可夫模型以实现手势识别。