基于多传感器数据融合的温度模糊控制系统设计

介绍一种用于压电复合材料极化过程中对温度进行准确控制的方法,详细阐述了多传感器数据融合技术在控制系统中的应用,对数据融合的方法进行了叙述,建立了数据融合的几种数学模型。     

余度捷联惯性测量装置中的数据融合方法

阐述了两种余度捷联惯性测量装置的数据融合方法；最小二乘法和最优加权平均法。对这两种数据融合方法进行了比较分析和仿真，证明它们都能对余度捷联惯性测量装置的测量数据进行融合，能提高测量精度，效果很好。     

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.     

一种结合sobel算子和小波变换的图像边缘检测方法

提出了一种基于数据融合的边缘检测方法.该方法对原始图像分别采用sobel算子和基于离散小波变换两种方法提取边缘,然后将两种方法的检测结果进行数据融合,得到一幅新的边缘图像.实验证明,融合后的图像边缘集合了两种检测方法的优点,是一种有效的图像边缘检测方法.     

一种在线迭代聚类的多传感器一致性数据融合方法

为了提高多传感器一致性数据融合的效果,在进行多传感器测量数据融之前,必须要对各传感器的测量数据是否具有一致性进行判定处理;针对现有各种多传感器一致性数据融合方法存在的不足,文章运用统计学中的假设检验理论、聚类分析和正态分布的优良性质,提出了一种在线迭代聚类的多传感器一致性数据融合方法,用Matlab进行大量仿真实验的结果表明,文章给出方法优于现有的多传感器一致性数据融合方法。     

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。     

雷达和QAR数据的融合处理

基于数据融合技术,在研究雷达数据与快速访问记录器(QAR,quick access recorder)数据构成的基础上,提出了一种将雷达数据与QAR数据进行航迹融合的处理方法。通过坐标变换,能在平面内绘出飞行航迹;利用卡尔曼滤波算法对接收的数据进行处理,能有效地减少了报文丢失及乱码对跟踪精度的影响;同时,采用时间对准算法实现不同航迹数据的同时性。结果表明,雷达数据与QAR数据进行加权融合的处理方法,实现了两类数据的融合以及对有效信息的综合利用,从而降低雷达测量误差对系统监视精度的影响。     

热红外与多光谱遥感图像的神经网络回归融合方法研究

为验证神经网络方法用于遥感图像融合的有效性,归纳了利用神经网络对遥感数据进行回归来实现融合的3种途径,并提出了一种结合图像数据回归和多光谱遥感图像锐化技术来实现热红外图像的全色锐化新方法。这种热红外图像的全色锐化方法,利用了极限学习机（ELM）这种新型神经网络算法,快速高效地由训练样本得到遥感图像数据间的回归关系;同时,方法注重图像数据本身的物理含义,以提高热红外图像数据的真实质量为目标,是一种定量化的图像融合方法。经这种方法融合得到的热红外数据也能很好地用于定量遥感的物理模型,为遥感的实际应用提供方便。该方法的有效性通过对ETM+图像进行实验得到了证明,而直接对热红外图像数据和全色图像数据进行回归的融合模式,在实验中则无法得到满意的结果。     

基于Bayes估计的多传感器最优融合

本研究了多传感器数据融合技术的一种方法融合方法以Bayes估计理论为基础,并对数据进行了一致性检验,得到了多传感器最优融合数据,提高了数据的精确度。实际应用结果验证了算法的准确性,并进行了Matlab仿真,这种数据融合方法计算简便,可以获得比有限个传感器的算术平均值更准确的测量结果．具有较高的可靠性,可用于测量结果具有正态分布特性的多传感器测量系统。     

无线传感器网络簇内实时数据融合研究

现有的无线传感器网络数据融合技术存在数据延迟和数据正确性两方面的问题。针对该问题设计一种基于簇内实时数据融合的方法．该方法首先通过量化计算将数据划分为紧急数据和非紧急数据并作标记,将紧急数据迅速融合传给用户以提高实时性。在融合过程中引入传感器测量修正并结合关系矩阵法对数据进行相应的融合处理．然后对融合结果进行分析并进行反馈调整。仿真实验结果表明．该方法能够提高簇内实时数据融合正确性并且降低数据延迟．