一种基于多方法的多传感器数据融合算法研究

提出了一种基于多方法的多传感器数据融合算法,分批估计融合求得单传感器最优估计值,然后依据权值最优分配原则进行分组自适应加权融合处理.通过对多热电偶测温的实测数据分析表明,与算术平均值法、单传感器分批估计和自适应加权相结合的算法以及单传感器分批估计和多传感器分批估计相结合的算法相比,绝对误差分别降低3.52℃,1.28℃和1.227℃,相对误差分别降低0.294％,0.107％和0.102％.     

基于AFKF的多传感器加权融合算法

为实现对被测物体在匀速、匀加速以及变加速运动状态下的动态位置进行精确测量,提出一种基于自适应渐消卡尔曼滤波的多传感器加权融合算法,将各子传感器测量数据进行自适应渐消卡尔曼滤波,并由获得的均方误差阵实时为位置测量的估计值自适应分配权重,最终进行加权融合。通过算法的实例应用验证,与传统的MSIF-SKF算法相比,该算法具有更高的动态位置检测精度。     

多传感器测量数据的切尾加权融合算法

为了对随机扰动环境中得到的管道壁厚测量数据进行稳健融合估计,提出了一种多传感器测量数据的切尾加权融合算法.利用数据探测技术中的切尾均值概念构造最优加权因子,从而求得多传感器测量数据的稳健融合估计值.融合实例表明,该算法能有效地提高系统测量的稳健性,且具有精度高、运算简单的特点.     

基于多传感器数据融合的多目标跟踪算法研究

针对复杂环境下多传感器多目标跟踪问题,提出一种基于改进动态加权数据融合的UKF滤波多目标跟踪算法。该算法基于分布式融合结构,对于每个传感器得到的多个目标的观测信息,首先通过最近邻(Nearest Neighbor,NN)数据关联算法进行航迹关联;然后用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)完成对多目标状态的估计,得到目标最新的运动轨迹;与此同时,综合多个传感器估计的目标轨迹,应用改进的动态加权数据融合算法,得到最终的目标轨迹。仿真结果表明,该算法能有效地发挥多传感器数据融合优势,准确地跟踪多个运动目标。与单传感器目标跟踪相比,多传感器数据融合后的目标跟踪精度提高20%以上。     

基于多传感器的温湿度检测系统

为了准确可靠的监测温湿度的变化情况,弥补单一传感器的不足,使用多传感器的方法,运用自适应加权融合算法对结果进行数据融合,提高了系统的精度和可靠性,扩展了时间和空间的监测范围。     

测距传感器系统的测距数据在线自适应加权融合

针对移动机器人的测距系统采用红外线与超声波传感器共同测距,避免了因使用单个传感器进行多次测量而降低系统的实时性和产生信号串扰问题。应用自适应加权数据融合算法对实时测量数据进行在线融合估计,实现两种传感器在功能上的互补。实验结果表明,该方法提高了整体测距精度,得到了被测距离更加准确的估计。     

基于动态测量不确定度理论的最佳线性数据融合算法

本文提出一种基于动态测量不确定度理论的最佳线性数据融合算法。本算法构建过程中充分考虑了多传感器系统的动态特性,可用于处理工作环境复杂、性能可能随时间发生变化的多传感器系统的测量数据问题。同时,本算法具有实时监控各传感器性能和实时检出并剔除失效传感器的能力;测量不确定度的引入,使实时评价融合结果的质量成为可能;通过采用分级融合算法,又使得由截断误差引起的测量不确定度明显减小。     

基于最优加权的大面积金刚石膜衬底温度数据融合研究

为保证大面积金刚石镀膜衬底温度均匀,采用多只温度传感器多点测量衬底表面温度。为滤除测量噪声,采用最优加权融合方法对每一时刻多只传感器测量的温度进行数据融合,并分别采用最小二乘、Bayes估计、递推最小二乘法进行第二步数据融合,以进一步提高温度测量的精度。研究结果表明：最优加权与最小二乘结合算法、最优加权与Bayes估计结合算法的温度数据融合结果精度很高,在温度测量受各种扰动时均表现出良好的稳健性;最优加权与递推最小二乘结合算法温度测量数据融合的精度和稳健性相对较差。     

油管壁厚测量数据的一致性加权融合估计算法

在随机拔动环境中采用漏磁场法在线测量油管壁厚时，每个磁性传感器只能得到环境的部分信息。为了对各传感器的局部测量值进行稳健融合估计，提出了油管壁厚测量数据的一致性加权融合估计算法。利用改进的数据探测技术中的分布图方法对各个传感器的一致性进行检验，并采用简单加权平均法求得一致性传感器测量数据的稳健融合估计值。融合实例表明，该算法能有效地提高系统测量的稳健性，且具有精度高、运算简单等特点。该算法适用于多传感器测量数据的实时高精度融合估计。     

模糊数学和自适应加权平均在多传感器数据融合中的比较研究

进行了多传感器测量值无效数据剔除,介绍了基于模糊贴近度理论和基于自适应加权平均理论在多传感器数据融合中的应用,并以4种无线压力传感器检测复进机初压值为算例。结果表明,采用模糊贴近度融合相对采用自适应加权平均融合获得的融合值更接近真实值。     

基于最小二乘原理的多传感器加权融合算法

以存在随机扰动环境中的不同参数多传感器为研究对象，基于最小二乘原理，提出了一种加权融合算法，推导出各传感器的权系数与测量方差的关系。并且根据测量信息，提出了一种方差估计学习算法，实现对各传感器测量方差的估计，从而对各传感器的权值进行合理的分配。该算法简单，能快速、准确的估计出待测物理量的状态信息。     

新型机器人敏感皮肤信号处理系统

对机器人敏感皮肤信号处理系统进行详细地描述。该系统采用模块化结构,使用高速浮点的数字信号处理器(DSP)和复杂可编程逻辑器件(CPLD)进行并行信号处理。针对敏感皮肤中的多传感器数据融合问题,提出一种在线自适应加权融合算法来实现,该算法依据各传感器方差的变化,及时调整参与融合的各传感器的权系数,使融合系统的均方误差始终最小,从而能在线适应传感器性能改变。试验结果表明该敏感皮肤信号处理系统在感知范围内可以实时为多关节机器人避障提供所需要的环境信息。     

基于多传感器的水下定位控制策略的研究

设计了一种基于多传感器的水下潜器定位系统.在系统中加入多个传感器对被控对象进行检测,采用多传感器数据自适应加权融合估计算法,将融合后的数据反馈到PID控制器输入端,从而避免了单传感器由于物理原因损坏或干扰噪声过大等因素造成的控制效果不佳等问题.     

具有随机时延的多传感器最优标量加权融合估计

在实际的计算机系统中,当观测数据通过网络被传送到远程控制器时,时常发生具有随机性的时滞或观测数据丢失现象.针对这一问题,研究了数据传输具有一步随机延迟的多传感器动态系统的融合估计问题.按照标量加权的线性最小方差信息融合准则,对基于每个单传感器得到的局部最优状态估计进行了融合,得到了全局最优状态估计.最后,给出了仿真例子,证实融合估计的效果在精度上优于基于每个单传感器的估计.     

ADAPTIVE FUSION ALGORITHMS BASED ON WEIGHTED LEAST SQUARE METHOD

Weighted fusion algorithms, which can be applied in the area of multi-sensor data fusion, are advanced based on weighted least square method. A weighted fusion algorithm, in which the relationship between weight coefficients and measurement noise is established, is proposed by giving attention to the correlation of measurement noise. Then a simplified weighted fusion algorithm is deduced on the assumption that measurement noise is uncorrelated. In addition, an algorithm, which can adjust the weight coefficients in the simplified algorithm by making estimations of measurement noise from measurements, is presented. It is proved by emulation and experiment that the precision performance of the multi-sensor system based on these algorithms is better than that of the multi-sensor system based on other algorithms.     

基于OWA算子的加权属性信息融合

为了解决多传感器信息融合中不同等重要信息源的数据融合问题，在OWA算子基本概念的基础上，引入基于该算子的加权属性信息融合算法。依据属性权对各属性值进行转化，使之可以用传统的OWA算子进行合成。将这种方法应用到等级不同的多传感器目标识别中，使各传感器信息源的相对可靠性信息也融入到最后的判决结果中，解决了传统OWA算子只能用于等级相同传感器目标识别的难题。识别实例表明了该方法的有效性和实用性。     

一种基于双相机焊缝跟踪的球形储罐爬壁机器人定位方法

针对具有很少甚至没有地标和缺乏良好照明条件的大型液化石油气球形储罐环境下,仅依靠里程计以及惯性测量单元的爬壁机器人定位精度较低,且存在较为明显的累积误差的问题,提出了一种新的解决方案,通过跟踪球形储罐表面焊缝相对于机器人的运动来改善机器人定位精度。首先,通过配备辅助光源,利用安装在机器人两侧的CCD相机进行图像采集,并实时对图像进行二值化处理,识别出焊缝特征区域并输出相应的检测信号,通过相邻时刻检测信号增量计算来估计机器人的相对位置;接着,提出了一种改进加权融合算法,用以实现各传感器之间的数据融合,该算法结合了自适应加权融合算法以及基于最小二乘原理的加权融合算法的优点,以对各加权因子重新分配权值的思想来对各个传感器数据进行最终融合,提高了测量精度以及动态适应性。最后,在实际环境以及虚拟环境下对该方法进行了实验评估,验证了该方法的有效性。实验结果表明,在没有良好照明条件及地标的球形储罐环境下,该方法可以保证爬壁机器人定位的准确性。