多传感器检测系统的自适应融合算法

通过分析分布式检测系统的工作原理，提出了一种新的基于并行检测系统的全局检测融合方法，该方法利用检测器局部判决结果与融合中心融合结果的误差对全局检测器下一步判决所采用的方法与参数进行修正，从而达到提高全局检测系统检测概率的目的．分析表明，该算法能有效提高系统的性能．     

数据融合及其应用

介绍了数据融合的定义,融合层次,融合方法及其应用领域,特别是在军事上,机器人控制及图像处理上的应用．在此基础上,分析了数据融合的研究热点及发展趋势．     

无线传感器网络数据融合算法研究

数据融合的目的是减少节点的传输数据量,减少网络中总能量的消耗.针对这个问题,利用Kalman滤波进行目标状态估计,将分批估计算法应用于无线传感网的数据融合中,通过对监测同一对象的多个传感器所采集的数据进行综合,以达到提高数据精度和可信度的目的.同时实验获得的大量仿真数据证明了算法的可行性.提出了多传感器多目标分批估计融合算法,对监测不同对象的多个传感器所采集的数据进行融合.     

多传感信息融合的最优状态估计方差

多传感器信息融合位置级融合算法中，测量融合（Measurement fusion）算法是最优的。本文证明了测量融合算法的估计方差由系统的“测量函数”决定。该函数值越大，系统的融合估计方差就越小。仿真说明了以上结论的正确性。     

基于数据融合的日光温室传感器布设

针对北方日光温室内环境监测传感器的布设问题,设计了基于神经网络、分批估计理论与自适应加权平均融合算法的日光温室传感器布设方案.利用11个监测点采集到的温室内西红柿生长环境温度和湿度数据,在运用BP神经网络进行缺失值补全的基础上,结合分批估计理论和自适应加权平均融合算法进行多传感器数据融合.通过对比融合值与原始数据的相对误差,选择最佳传感器数据,以此为基础确定最优传感器布设区域.结果表明,相对于算数平均融合与自适应加权平均融合,基于分批估计的自适应加权平均融合方法可以更合理地反应多传感器数据特征.     

多传感器信息融合技术及其应用

多传感器信息融合是智能研究领域中的基础之一。它的研究内容主要包括分类、结构、层次和算法等方面。文中着重对这几方面作了较为详细的论述和分析。然后,基于人工神经网络的信息融合技术,给出了在自动化加工中实现智能监测的实例。并对今后信息融合技术的发展提出几点看法。     

多传感器加权信息融合算法研究

将新兴的随机加权估计应用于多传感器信息融合,文章提出一种基于随机加权估计的多传感器信息融合算法,用于解决多传感器对目标同一参数进行测量时权的最优分配问题。仿真结果表明,文中提出的随机加权融合估计算法优于传统的平均值估计融合算法,并且随着测量次数的增大,均方误差越来越小。     

一种多源信息融合方法及其应用

介绍了一种多传感器数据融合的新方法。对于一个传感器无法准确测量的场合,加入一个辅助传感器,能够比较全面地反映对象或目标的全部信息。使用模糊理论,将测量信号模糊化,使得对信息量的“依赖程度”减轻。根据传感器作用域的不同,使用信息补充和证据增强（或削弱）原则,将两个信号进行融合。仿真结果表明,这种多传感器数据融合的方法,能够较好地解决仅使用一个传感器难以实现的问题。     

多尺度数据融合算法及其应用

ＢａｓｅｖｉｌｌｅＭ及ＣｈｏｕＫ Ｃ等基于二叉树多尺度随机过程提出了一种多尺度数据融合算法。该算法实现简单,速度快、易于并行化。本对此算法做了进一步的研究,提出了一种新的多尺度模型构造方法,该方法简单,便于实现。仿真计算表明,采用此方法构造的多尺度状态空间模型对信号有较好的近似,完全可以应用ＣｈｏｕＫＣ等提出的多尺度融合算法,滤滤效果明显,可用于多尺度数据融合。     

多传感器信息融合技术研究现状和发展趋势

多传感器信息融合可以避免单一传感器的局限性，获取更多的信息，提高目标识别能力．本文较为全面的介绍了多传感器信息融合技术的背景、概念、控制结构、融合层次的划分等内容，并预测其将来的发展趋势．     

基于多传感器信息融合的人体姿态解算算法

针对传统人体姿态解算算法中存在的稳定性差和解算精度低等问题,提出一种基于多传感器信息融合的姿态解算算法。利用四元数计算人体的姿态变化,将惯性测量模块的姿态测量值与观测值之间的偏差通过PI调节进行控制;采用互补滤波对多传感器数据进行融合,求取人体实时姿态。实验表明,该算法能够实现稳定地输出高精度姿态数据。     

基于卡尔曼滤波的交通信息融合方法

基于卡尔曼滤波理论,针对交通信息采集过程中的多设备采集系统提出了两种对多种交通检测器检测信息的融合模型。基于该融合思想,建立了3种检测设备的融合模型,并利用3组检测设备的检测数据对该模型进行了验证。结果表明,这两种融合模型建立合理,可有效提高检测精度。     

基于信息融合技术的汽车状态估计算法

以信息融合技术为基础,根据状态估计理论,对汽车的纵向速度、横摆角速度和质心侧偏角进行了估计。仿真计算与场地实验结果对比表明,应用该方法可以有效地解决汽车纵向速度、横摆角过度和质心侧偏角的测量问题。     

多传感器信息融合及其在工业控制中的应用

综述了多传感器信息融合（ＭＳＩＦ） 的理论和技术,从工业应用出发给出了一种ＭＳＩＦ的结构,讨论了ＡＲＴ－ ２ 神经网络在ＭＳＩＦ中的应用,提出了聚类融合控制的思想和一种基于ＭＳＩＦ的控制系统结构。     

机器人多传感器信息融合算法研究

定义可信度区间估计，建立关联阵及可信度阵以检验传感器测量值的误差．采用有向图描述传感器之间的关系，确定传感器数据的取舍，提出两种最优融合算法，仿真结果表明优化算法是有效的，优越于简单平均法．     

基于信息融合的故障行波定位网络算法

提出一种基于整个输电网行波信息的故障定位算法．通过分析故障行波到达电网中各变电站的时间关系,运用最短路径原则将复杂的输电网络简化成无环网的辐射型网络,将远端变电站记录的初始行波到达时间折算为故障线路出口侧变电站的初始行波到达时间．通过剔除无效时间数据,并对所有折算得到的有效初始行波到达时间进行融合处理,实现基于整个输电网的故障行波定位．该算法有效解决了电网中某台行波定位装置时间记录不准确或故障导致的故障定位失败问题．仿真结果表明,该算法具有较高的可靠性、准确性,绝对误差不超过100m．     

基于免疫模糊聚类RBF网络的交通信息融合算法

在径向基函数(radial basis function,RBF)神经网络应用于交通信息融合的研究中,采用模糊C均值(fuzzy C-means,FCM)聚类算法确定径向基网络隐层中心点,一般随机初始化聚类中心,训练过程容易陷入局部极小.结合人工免疫系统的克隆选择原理,提出了一种新的产生初始聚类中心的方法,与FCM聚类算法有机集成,共同训练径向基函数网络的结构参数.该方法避免了网络训练陷入局部最优的问题,收敛速度有所提高,得到了较好的融合效果.实例仿真验证了算法的有效性和实用性.     

超加权平均及其在数值计算中的应用

平均问题是数学问题中一个既经典又现代的问题 ,平均问题中有几个迄今仍未得到解决 .迭代是数值计算中最基本的方法 ,迭代的加速一直是人们追求的目标 .本文给出了超加权平均的定义 ,利用超加权平均可以从数学本质上探讨迭代的加速问题 ,同时 ,给出了它在数值计算中几个重要应用     

近似RLS算法及其应用

本文提出了一种新的自适应均衡算法——近似RLS算法,并把该算法应用于短波信道、判决反馈均衡器。分析和计算机模拟表明:近似RLS算法在收敛性能上近似于RLS算法,在计算效率和稳定性方面性能优于RLS算法。总之,该算法是一种简单而实用的自适应均衡算法。     

有丢包的随机不确定参数系统的最优融合滤波

研究了有数据丢包的带随机不确定参数的多传感器系统的分布式最优(线性最小方差)融合滤波问题。首先,引入虚拟噪声,将原系统转化为等价的参数确定的有丢包的新系统。然后,进行状态扩维,得到新系统的各子系统的扩维状态的滤波估计、滤波误差方差和滤波误差互协方差。根据扩维状态与原系统状态的关系,求出原系统状态的各局部滤波估计、滤波误差方差和滤波误差互协方差。利用线性最小方差意义下的矩阵加权最优融合算法,得到原系统的分布式矩阵加权最优融合滤波器。理论分析和仿真算例都表明,融合滤波器优于每一个局部滤波器。