多传感器信息融合概述及其应用

多传感器数据融合广泛应用于自动目标识别、工业过程控制、遥感、医疗诊断、图像处理、模式识别等领域。介绍了多传感器信息融合技术的概念,对信息融合的算法进行了概述,提出了基于粗糙集理论的多源信息融合算法,最后对多传感器融合技术的研究动向进行了展望。     

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。     

基于DSmT理论的多视角融合目标检测识别

现有无人车在目标检测中大多依靠单一检测视角进行多传感器数据融合,受传感器检测范围的局限,难以大幅提高准确率,且对融合过程中的类别判定的高冲突情况处理较少．针对以上问题,本文基于多假设思想提出了多视角检测结果的聚类合并方法,并基于DSmT（Dezert-Samarandache theory）和时序信息,改进了冲突分配准则,降低了目标检测的漏检率与误检率．首先利用图像检测算法检测图像中的有效目标,将激光雷达的目标检测结果投影在图像平面上,通过交并比关系构建2种传感器检测结果之间的关联概率矩阵,基于多假设思想实现聚类合并,获取单帧融合检测结果．针对融合过程中可能出现的类别判定冲突情况,利用DSmT融合识别置信度,并结合时序信息对冲突重新分配,获取目标类别的准确识别结果．最后,通过实车实验对算法的有效性进行了验证．     

基于粗糙集神经网络和信息融合的故障诊断

神经网络是智能故障诊断系统的一种重要的方法。粗糙集理论则是处理不完备信息的一种技术。文中以复杂的人工智能诊断问题为研究对象,系统地论述了基于神经网络、粗糙集、信息融合的智能诊断的理论、方法与实践。其主要方法如下:在故障诊断的神经网络模型的基础上,以粗糙集理论中的信息系统属性值表为主要工具,将复杂的组合神经网络约简并删除其中不必要的属性,克服了网络规模过于庞大和分类速度慢的缺点,并给出了基于粗糙集理论的组合神经网络的模型结构,最后再利用数据融合技术,得出更加精确的结果。一个故障诊断实例证明了该方法的有效性。     

数据融合与数据挖掘相集成的自动目标识别系统

该文提出数据融合技术与数据挖掘技术相集成的海上目标自动识别系统体系结构,以及基于加权粗糙集模型的特征知识挖掘方法,并运用模糊神经网络技术进行目标识别。     

基于粗糙集神经网络和信息融合的故障诊断

神经网络是智能故障诊断系统的一种重要的方法.粗糙集理论则是处理不完备信息的一种技术.文中以复杂的人工智能诊断问题为研究对象,系统地论述了基于神经网络、粗糙集、信息融合的智能诊断的理论、方法与实践.其主要方法如下:在故障诊断的神经网络模型的基础上,以粗糙集理论中的信息系统属性值表为主要工具,将复杂的组合神经网络约简并删除其中不必要的属性,克服了网络规模过于庞大和分类速度慢的缺点,并给出了基于粗糙集理论的组合神经网络的模型结构,最后再利用数据融合技术,得出更加精确的结果.一个故障诊断实例证明了该方法的有效性.     

基于神经网络及多层次信息融合的手写体数字识别

以信息融合技术为基础，提出了一种新的基于神经网络及多层次信息融合的手写体数字识别方法。该方法通过提取字符图像不同机制的4个互补特征，组合形成6个融合特征，利用优化的BP神经网络算法，对多融合特征进行识别分类，然后用神经网络对6个识别结果进行融合决策．实验结果表明，新的融合识别方法能有效提高识别率，并具有较高的系统可靠性。     

基于粗糙集和BP神经网络的天然裂缝识别

研究粗糙集理论和BP神经网络算法,以及如何结合两者构建天然裂缝智能识别的应用。选取与天然裂缝发育有关的测井曲线作为样本集．先用粗糙集理论约简样本信息,然后采用BP神经网络识别天然裂缝。给出了基于粗糙集和BP神经网络的天然裂缝智能识别的设计方案,通过长庆油田实际油井的应用,结果表明这种识别方法效果显著。粗糙集有效地约简样本信息．BP神经网络很好地识别天然裂缝,故基于粗糙集和神经网络的智能识别方法切实可行。     

D-S理论与神经网络相结合的信息融合模型研究

针对大噪声环境下信息融合效果差的问题,提出了一种基于D-S证据理论与神经网络技术的信息融合方法,该方法综合了证据理论在处理不确定信息方面的优点和神经网络在数值逼近上的长处,一方面利用神经网络和冲突证据处理算法获取基本概率赋值,另一方面通过证据理论使神经网络的结构变得透明.初步仿真结果表明,该方法有效地解决了不确定性信息的误识别问题.     

DSlT：面向传感网信息融合的证据推理方法

无线传感器网络信息融合技术是近期的研究热点和难点,其面临的主要挑战包括：对高冲突信息的处理以及算法轻量级的要求.从降低计算量和处理冲突信息2方面考虑,提出一种基于逻辑表达的证据推理方法DSlT.通过对信息的逻辑表达保留了信息中的冲突部分,提出基于逻辑运算的证据组合规则,能较好地适应高冲突证据间的融合;通过定义新的焦元,有效地减少了焦元组合数目,从而大大降低了计算量.采用算例分析和真实场景实验2种方法分别对DSlT推理方法进行验证：算例分析表明DSlT能显著提升高冲突信息融合性能,同时在执行3维证据融合运行时间对比中,DSlT比DSmT减少了81.08%;在以图像传感器网络交通信息采集为背景的真实场景实验中,通过将本方法与DST,DSmT等典型融合方法进行比较,进一步表明了该方法的有效性和先进性,也展示出该方法在无线传感器网络信息融合领域的较大应用潜力.     

用证据理论实现多信息融合的一种改进算法

本文简要地阐述了基于D-S证据理论的多传感器信息融合算法,提供了一种基于D-S 理论的推广方法以解决融合信息的相关性问题．文中用机器人的力觉和热觉传感器数据作融 合信息,对目标物体进行了分类识别试验．     

基于DSmT的序列图像智能融合目标识别方法

提出了一种基于BP神经网络和DSmT推理的序列图像目标识别算法。以修正的Hu不变矩为图像特征,利用数据融合的思想对来自目标的序列图像进行时间域融合处理。由BP神经网络对目标的初步识别结果构造基本置信指派函数,用DSmT组合规则进行决策级数据融合,完成了三维飞机图像目标的识别仿真。仿真结果表明,融合方法提高了三维飞机目标识别的准确性。     

基于神经网络和证据理论的图像目标识别研究

提出了一种基于BP神经网络和D-S证据推理的多传感器数据融合图像目标识别算法,利用数据融合的思想对来自目标的多幅图像进行空间域融合处理.首先提取图像的Hu不变矩作为待识别目标图像的特征,尔后针对DS证据理论基本概率指派函数构造困难的问题,用BP神经网络对目标的初步识别结果构造基本概率指派函数,最后用Dempster组合规则对BP网络的初步识别结果进行决策级数据融合,完成了三维飞机图像目标的识别仿真.仿真结果表明了融合识别方法的有效性和鲁棒性,识别率达到100%.     

基于粗糙集和D-S证据理论的信息融合技术应用研究

针对井下信息量大、噪声多、参数多、动态等特征,提出了一种基于粗糙集数据挖掘和D-S证据理论优化信息融合技术的矿井环境监测方法。采用粗糙集对井下信息进行预处理;利用径向基函数(RBF)神经网络建立了井下环境识别模型;利用D-S证据理论进行两级融合决策,并对井下安全状况进行判断。仿真结果表明:该方法提高了井下信息的识别和决策效果,极大地降低了不确定性。     

融合粗糙集和DS方法的空中目标类型识别算法

通过分析粗糙集和Dempster-shafe(DS)方法在描述不确定信息上的相似性,将这两种理论融合建立统一框架,提出了融合粗糙集和DS方法的空中目标类型识别算法.该算法通过知识库推导得出基本概率分配函数,采用基于粗糙集的信任函数作为可信度度量,使得改进后的算法更有理论深度.实验结果表明,算法具有良好的运行效果.     

目标类型识别方法研究

目标对象（飞机、船舶、车辆等）的分类和识别是许多指挥系统的重要任务,目前尚未解决的主要问题是对象类型识别;使用单个传感器信息或单一识别技术方法已不能满足实际应用的需要。本文以舰船类型识别为例,探讨基于多传感器信息融合技术和自适应模糊神经网络技术的目标类别和类型识别,其方法可用于民航和军事等指挥控制系统．     

基于粗神经网络的图像融合算法的研究

将粗糙集理论和神经网络结合,提出了一种基于粗神经网络的信息融合算法,用于图像融合的研究.该方法不仅可以接受定量的输入,而且可以接受定性的输入,即输入是一个范围,或者在观测时间内输入是变化的由于粗神经网络的误差传递函数不可微,不能用BP算法训练粗神经网络,所以采用遗传算法训练粗神经网络.仿真实验结果表明,基于粗神经网络的信息融合方法可以有效地融合多幅带有噪声的图像,并取得了良好的融合效果.     

机器人非视觉多传感器信息融合的TOPSIS法

针对机器人非视觉多传感器目标识别问题,提出了一种基于改进TOPSIS的多传感器信息融合方法。该方法利用指标隶属度矩阵把多目标识别问题转化为多目标决策问题。通过引入熵权和相对接近度改进TOPSIS,给出多传感器目标识别规则。应用实例验证了算法的有效性和实用性。     

基于目标识别的光电多传感器信息融合技术

依靠多个光电传感器采集目标数据,需要解决各类数据信息的融合分析问题。基于这种认识,从特征提取、融合和识别等方面,对基于目标识别的光电多传感器信息融合技术展开分析,介绍了技术应用前景,指出需要采用不同算法完成不同光电传感器特征信号提取,同时,通过融合计算得到融合特征量,为目标识别提供信息数据支撑,确保准确识别目标。     

基于信任函数理论的修正融合目标识别算法

针对信任函数理论中经典Dempster组合规则难以有效融合高冲突证据并存在焦元基模糊问题,提出了一种基于信任函数理论的修正融合目标识别算法.修正融合算法在对相容命题进行组合时,考虑了焦元基的影响,使基本信任质量合理地向基数较小的焦元命题聚焦,以避免焦元基模糊问题;在对冲突命题进行组合时,对命题进行倾向性分析并对局部冲突采用局部分配的策略,以有效融合高冲突证据.算例与仿真比较分析验证了此修正融合目标识别算法的合理有效性和优越性.