分布式多传感器数据融合

介绍经典统计推理理论的分布式多传感器数据融合的概念、形式和方法，以及目前在这一领域研究中已取得的进展及今后的发展趋势．     

基于自适应分批估计的瓦斯监测多传感器数据融合研究

针对瓦斯监测中多传感器监测数据的融合问题,提出了一种多源数据自适应分批估计算法。利用各组传感器局部融合值与最终融合值的方差自适应地调节各组的权重,通过多步融合逐渐弱化误差较大传感器组对最终融合值的影响。仿真实验表明:相对于平均值法与分批估计算法,该算法能有效地提高数据融合精度,能够满足瓦斯监测对实时性和精确性的要求。     

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。     

多传感器数据融合在矿井安全监测中的应用

针对矿井安全监测数据不准确、安全评判不可靠的问题,提出了一种基于多传感器数据融合的两级数据融合方法。一级融合先利用分批估计算法对单个传感器数据进行处理,提高数据采集的准确性,再采用自适应加权算法对同类多个传感器数据进行处理,获得矿井各环境参数的融合值;二级融合将矿井各环境参数的融合值与矿井安全标准特征向量进行灰色关联度分析,得到矿井安全状况的一致估计。实例验证了该方法的可行性和有效性。     

分布式多传感器检测系统时间序列数据融合算法研究

本文在Ｃｈａｉｒ和Ｖａｒｓｈｎｅｙ提出的数据融合算法基础上,提出一种分布式多传感器检测系统按时间序列取多组局部决策数据的融合算法及决策规则,并给出系统性能的仿真计算结果。     

基于多传感器数据融合的液压支架高度测量方法

针对综采工作面液压支架高度测量困难和测量结果不准确等问题,以两柱掩护式液压支架为例,推导了利用倾角传感器所测液压支架姿态角度计算液压支架高度的表达式。为减小倾角传感器角度测量误差造成的液压支架高度测量累积误差,提出了一种基于多传感器数据融合的液压支架高度测量方法,即利用分批估计算法和自适应加权算法将分别通过掩护梁和前连杆处倾角传感器所测角度计算得到的液压支架高度数据进行融合。实验结果表明,该方法对于623.2mm高液压支架样机的高度测量误差不大于0.3mm,与单一倾角传感器测高相比,精度提高了1mm。     

基于参数估计的多传感器数据融合算法研究

为提高多传感器数据融合精度,结合传感器网络的特点及应用实例,研究分批估计、自适应加权和方差估计算法在数据融合中的有效性、准确度和实时性,提出按测量方差的自适应加权数据融合算法,利用600个传感器所提供的实例数据,对几种算法进行仿真,并比较了几种算法的有效性及其融合精度的差异,其结果表明采用自适应加权算法可以有效提高融合精度,对考虑了环境噪声的多传感器数据采集系统较为适合.     

无人机多传感器数据融合研究综述

随着相关技术的快速发展, 无人机所搭载的传感器愈发精确和多样, 赋予了无人机强大的感知能力, 也使得多传感器数据的处理分析成为无人机应用的一大挑战. 数据融合是解决这一问题的关键技术, 其通过检测、关联、组合、估计的流程实现多传感器数据的融合利用, 获取准确的无人机状态和目标信息为决策提供支撑. 对无人机的多传感器数据融合研究展开综述: 介绍无人机系统组成; 回顾并分类无人机多传感器数据融合方法, 在此基础上分析比较各类方法的特点; 归纳概述无人机多传感器数据融合在不同领域中的应用现状; 最后展望无人机多传感器数据融合的未来发展方向.     

多传感器数据融合控制

本文研究了多传感器数据融合控制的结构及基于卡尔曼滤波的融合控制算法，最后给出了仿真结果。     

多传感器数据融合在飞机地面防撞中的应用

针对我国目前对于飞机在地面经常发生的相撞或刮蹭方面的研究较少的现实情况,研究用多传感器数据融合的方法实现飞机的地面防撞。根据现有的多传感器数据融合理论,在分析数据融合过程的基础上,建立混合式数据融合模型,结合模糊神经网络方法实现面向目标的数据融合算法。同时,选用毫米波雷达、红外传感器等多类进行地面多目标的身份识别和威胁评估,从理论上验证了多传感器数据融合思想在飞机地面防撞理论中的可行性,为进一步建立飞机地面防撞系统提供理论基础。     

一种同质的多传感数据融合新算法

提出一种同质的多传感数据融合新算法,充分利用了所得信息,克服了融合过程中必须依赖于多传感数据之间关系阀值的人为经验设置问题。并把新算法应用于测控装置中,计算结果表明:新算法能对多传感数据进行有效融合,提高了抗扰动性,保证融合结果有较好的精度和高可靠性。     

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D-S证据理论的数据融合井下监测方法分析

针对矿井单传感器监测系统监测数据单一、不确定性较高的缺陷,利用基于D-S证据理论的多传感器信息融合技术,在对原始数据分析处理的基础上,把多种参数通过数据融合模块实现对井下工作环境安全性的评估、决策。同时,可根据各参数间的相关性获得更多单传感器监测系统所无法获得的井下环境信息,极大地提高了数据采集的可靠性、全面性和矿井监测系统的有效性。     

多传感器数据融合技术研究进展

多传感器数据融合是信息领域一个前景广阔的研究方向.由于单一的数据融合算法具有一定的局限性,将2种或2种以上的数据融合算法进行优势集成已逐渐成为数据融合领域的研究热点.介绍了数据级、特征级和决策级融合3种数据融合方式的主要特点、方法及应用,归纳了常用的数据融合方法,并重点阐述了几种多传感器数据融合集成算法的研究进展,简单介绍了多传感器数据融合技术的应用.     

基于信息熵的多传感器数据的融合方法

针对多只传感器对某一特性指标进行测量实验的数据融合问题,利用信息理论中的信息熵,提出了一种新的多传感器数据的融合方法。该方法以最小化各传感器测量数据的信息熵之和为目标函数,通过求解极值问题,得到了多传感器数据的融合结果。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。该算法简洁稳定,可用于提高智能仪表的测量准确度和改善智能仪表的抗干扰能力。     

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。     

基于多传感器数据融合的漏磁信号采集与处理

漏磁检测以其高信噪比、高灵敏度和高检测效率,在无损检测中得到了广泛应用。随着科学技术的发展,传统的信号处理方法越来越不适应现代工业的需要,提出一种基于多传感器数据融合技术的漏磁信号处理方法。采用小波去噪的方法,并利用径向基函数(RBF)神经网络的数据融合技术对缺陷信号进行检测处理。仿真结果表明,采用这种方法可以有效提高系统的检测能力和信号精度。     

基于多传感器数据融合技术的臭氧监测系统设计

针对臭氧在进行保鲜和消毒时的特点和要求,设计了一种基于多传感器数据融合技术的监测系统,用来严格监测臭氧浓度。系统采用自主设计且拥有专利的臭氧传感器进行数据采集,并通过搭建无线传感器网络实现对臭氧浓度的实时监测。为了提高数据的准确度,首先要剔除可疑数据,然后选择适当的算法对数据进行数据融合。仿真结果表明:数据融合后所得到的融合值更加平稳,可靠性高,通过选择适合的融合算法可以提高臭氧浓度采集的精度。     

基于多传感器数据融合的智能小车避障的研究

针对智能小车避障问题,提出了一种将模糊逻辑和神经网络相结合的融合方法—Takagi-Sugeno(T-S)模糊神经网络方法。基于此方法的数据融合算法应用在智能小车避障运动中,采用多只超声波传感器和红外线传感器探测障碍物的距离和方向,采集的各种数据利用T-S模糊神经网络进行融合。通过实验仿真表明:此方法能够使智能小车对障碍物的灵活避障和导航行进。