基于多传感器数据融合的火灾报警系统设计

介绍了基于嵌入式的多传感器数据融合火灾报警系统的硬件及软件设计方案,并利用数据融合算法,对用于探测火灾信息的多传感器的数据进行处理,使火灾的判断具有较高的准确性和快速性。     

多传感器信息融合测控体系在温室测控中的应用研究

对农作物生长环境的温度、湿度和光照等参数的实时监测和远程控制是农业生产现代化的重要手段,为此设计了一种以ARM嵌入式微处理器2410为硬件平台,结合Linux操作系统和ADS1.2集成开发环境,同时采用D-S证据理论和BP神经网络相结合算法的多传感器信息融合测控系统。BP神经网络提供一定数量的证据,D-S证据理论降低证据的不确定性,将这种基于二者的多传感器信息融合算法应用于农作物生长环境监控中,最终得到了在S1(T>30°)温度区间内93.47%的可信度,可见设计的基于多传感器信息融合的测控体系具有良好的应用前景。     

用D-S证据理论方法实现多传感器数据融合

对 Dempster- Shafer证据理论用于多传感器数据融合进行了分析 ,并将其应用于飞机目标识别的数据融合中。结果证明 ,多传感器融合后降低了识别结果的不确定性 ,较单一传感器的识别效果好。说明这一方法是一种有效的数据融合方法     

多传感器数据融合技术在智能压力检测中的应用

传感器之间大都相互影响，存在交叉干扰，这将直接导致传感器稳定性下降，以及测量精度降低等。提出一种基于神经网络的多传感器数据融合技术处理方法，并将其应用到智能压力检测系统中。通过对融合前后的数据进行比较分析，表明该方法大大降低了交叉干扰，有效提高了测量精度，达到了预期效果。     

一种新型数据融合方法在火灾监测中的应用研究

传统的火灾监测系统一般采用阈值判断法,该系统固然具有快速反应的优点,也存在误报率较高的问题.针对上诉问题,结合火灾预警监测系统中的数据采集要求,在对多组数据处理中,提出了一种基于D-S证据推理的贝叶斯网络法的数据融合新方法.该方法首先利用D-S证据理论推理出贝叶斯网络的信任函数和似然函数的条件概率,然后再求得信度函数和似然函数,最后在决策规则下判断火灾发生的概率.实验结果表明,该方法实现简单,并能有效提高监测系统的判断准确率.     

一种多传感器数据融合算法评估平台的设计

为了使用融合效果最好的算法，设计了一种融合算法测试平台，在平台上分别对采用Bayes理论和D—S证据理论算法的目标身份识别情况进行了定量分析，结果证明该平台能根据评估指标区分出融合算法的优劣，可以作为算法选择的工具，具有一定的实用价值．     

数据融合技术在炉衬侵蚀检测中的应用

采用电容法、火焰图像处理以及激光测厚3种不同的方法分别检测炼钢转炉炉衬的侵蚀状况，然后用BP神经网络对这3种方法测得的结果进行数据融合，结果表明，这种基于数据融合的检测方法可以得到比较理想的结果。     

信息融合在空间点目标识别中的应用

提出一种三级融合的多传感器信息融合空间点目标识别方法,将BP网络和D—S证据推理有效地结合起来.第一级融合采用神经网络进行识别,第二和第三级采用D—S证据理论进行识别.经过三级融合后可以提高系统的识别率,尤其是在有噪声的情况下.仿真实验验证了算法的有效性.     

信息融合技术在火灾探测中的应用

为解决火灾探测问题,采用基于推理的信息融合方法,分析了Dempster-shafer证据理论用于多传感器数据融合的基本概念和理论,并将它用于火灾探测的数据融合中。在数据处理方法上,结合具体应用背景,借助专家数据库知识,构造初始概率分配函数,产生每条证据的信度函数分配。在融合规则上,采用改进的融合规则对多条证据进行数据融合。融合结果鲁棒性强,有效地解决了传感器数据失效及证据冲突等问题。     

混合型入侵检测系统中联合分析与数据融合技术

针对目前国内外研究的入侵检测系统大多存在误报率高、检测效率低等问题,改进了入侵检测系统的分析器,采用2层结构,在误用分析层之上,增加联合分析层.联合分析层运用数据融合技术,采用Dempster-Shafer证据理论作为数据融合算法,并引入了一种新的基于Dempster组合规则的融合方法.通过对使用该入侵分析器与未使用入侵分析器的入侵检测系统进行比较实验表明,该分析器可以有效地降低误报率.     

基于模糊神经网络融合技术的智能火灾预警系统

根据当今火灾探测的现状和实现火灾早期探测的需求,将多传感器数据融合技术应用在火灾预警系统中.选择多个传感器对火灾过程的多参数进行监测,特别对火灾发生初期产生的异常信息进行全面监控,弥补了采用单一传感器的不足,扩展了时间上和空间上的监测范围.系统采用基于模糊神经网络多传感器融合技术,增强了系统报警输出的灵敏度和可靠性,实现了提前预警的目的.     

基于多传感器的汽车防盗系统的数据融合技术

基于汽车的常见被盗方式，介绍了用多传感器采集信号、信息融合技术处理信号的方法，分析了信息融合技术的基本算法，讲述了神经网络的自学习和自组织能力．通过分析可知：使用多传感器的汽车防盗系统具有高的准确性和可靠性，能起到及时、有效的预警和报警作用．     

基于多传感器的汽车防盗系统的数据融合技术

基于汽车的常见被盗方式,介绍了用多传感器采集信号、信息融合技术处理信号的方法,分析了信息融合技术的基本算法,讲述了神经网络的自学习和自组织能力.通过分析可知:使用多传感器的汽车防盗系统具有高的准确性和可靠性,能起到及时、有效的预警和报警作用.     

广域消防报警网络系统的实现

介绍一种借助于电话电讯实现对广泛区域内消防设备进行大规模集散控制的消防网络系统。这个消防网络包括了一个“消防报警中心”和若干“消防子系统”。消防子系统对自己所辖范围内的火警进行监测。消防报警中心则对各消防子系统进行监测和管理。     

神经网络数据融合在位移传感系统中的应用

温度漂移误差是位移传感系统的主要误差之一.为了提高位移传感器输出的精度与稳定性,可以把位移传感器的输出与温度传感器的输出进行数据融合.提出一种基于RBF网络(径向基函数神经网络)的多传感器数据融合方法,把位移传感器和温度传感器的输出送入融合中心,通过RBF网络的学习训练,得到稳定的位移输出.实验表明:在相同的温度波动情况下,位移传感器的输出稳定性比原来提高了约4倍.该方法在位移传感系统减小温度漂移的应用中十分有效.     

基于ANFIS和证据理论的信息融合研究

提出了一种基于自适应神经网络-模糊推理系统(ANFIS)和D-S证据理论相结合的信息融合方法.利用神经网络的学习功能提取模糊规则和调整隶属函数,然后用自适应神经网络-模糊推理系统的输出构造证据理论中的基本概率赋值,解决了证据理论中的基本概率赋值不易确定的问题.该方法实现了模糊推理、神经网络和证据理论的有效结合,使得证据理论具备智能信息处理的能力,并应用于雷达与红外复合制导的目标识别融合系统.仿真结果表明:该方法提高了目标识别的置信度,降低了系统虚警率,融合结果也更加合理.     

Sensor Registration Based on Neural Network in Data Fusion

The contents of sensor registration in the multi-sensor data fusion system are introduced, and some existing methods are analyzed. Then, one approach to sensor registration based on BP neural network is proposed. Here the measurements from radar are transformed from the polar coordinate system to the Cartesian coordinate through a BP neural network. With this approach, the systematic errors are removed as well as the coordinate is transformed. The efficiency of this method is demonstrated by simulation, and the result show that this approach could remove the systematic errors effectively and the DAR are closer to real position than DBR.     

实时补缺方法对交通信息融合精度的影响

针对各种检测方式中因检测设备失效或因错误数据的排除处理等导致的数据缺失情况,本文提出了时间序列法、空间序列法和历史数据法等3种缺失数据实时补缺方法,并以城市快速路的浮动车数据和微波数据的数据融合为例,通过比较上述方法的补缺精度以及对数据融合精度的影响,分析了不同补缺方法的适用性以及数据补缺处理中的使用优先级.结果表明,基于时间序列和空间序列补缺方法的数据融合结果的平均相对误差均能控制在20%以内,所提出的实时数据补缺方法具有良好的实用性.     

基于BP神经网络的水分检测数据处理

由于电容式粮食水分检测中影响检测的因素较多,检测精度很难取得令人满意的测量效果。介绍了采用BP网络进行水分检测数据处理方法,给出了一组具体的试验数据及处理结果。结果表明通过BP网络的数据处理,粮食水分的检测精度得到了改善。