多传感器数据融合浅析

近十几年以来，多传感器数据融合技术已爱到广泛的关注，它的和方法已被应用到许多研究领域，本文主要阐述数据融合技术在Ｃ＾３Ｉ中的应用，首先介绍了多传感器数据融合的基本概念，进而以国内外发表的文献为例说明了数据融合技术已取得的进展，最后对数据融合技术进行了展望，并提出了我们的对策。     

多传感器数据融合技术综述

介绍数据融合技术发展历史与研究现状,描述数据融合技术的几种典型实现方法,给出数据融合技术的主要应用,最后,对数据融合技术研究中存在的问题和发展前景进行了论述.     

多传感器数据融合研究

数据融合技术又称多传感器数据融合或分布式传感,即对多类多源和多平台传感器数据进行组合,提供有关空间信息综合态势的一种数据处理技术。数据融合可分为：信号级数据融合、像素级数据融合、特征级数据融合和符号级数据融合。本文讨论了红外图像、可见光图像、多谱图像、雷达图像等的数据融合问题以及各级数据融合的方法。     

基于多传感器的数据融合方法和模型研究

数据融合技术受到广泛的关注,本文结合数据融合及其一般功能模型、目标识别融合结构层次,重点分析了基于多传感器的数据融合的算法和级。比较了集中式和分布式融合处理,提出了利用实例,展望了基于多传感器的数据融合技术的发展趋势和困难。     

一种多传感器数据信息的融合算法

为解决在多传感器信息融合技术中出现的测量维数和置信度较低、系统的探测能力和生存能力较差以及空间和时间的范围较窄等问题,提出了一种改进的PSO算法.该算法主要包括对传感器自身特点的分析,以及建立一个综合传感器信息增量和处理时间的目标函数的过程.从实验仿真结果可以看出,该算法可以有效地剔除性能不符合系统标准的传感器,从而更...     

基于神经网络的多传感器数据融合

当前，多传感器技术是研究热点。通过不同功能，不同精度，不同位置的传感器，可以对所需要的被测量进行多方位多角度的测量。但是，目前对于多传感器所测的数据还没有一种通用的行之有效的处理思想。借用模糊控制策略，与改进的BP神经网络算法结合对其进行数据融合。在仿真中取得了比已往算法更高的精度，控制策略制定准确、可靠。是一种较有潜力的多传感器数据融合方法。     

多传感器数据融合技术概述

多传感器数据融合技术是一门新兴前沿技术。近年来,多传感器数据融合技术已受到广泛关注,它的理论和方法已被应用到许多研究领域。介绍多传感器数据融合的基本原理和过程,重点介绍多传感器数据融合的三个层次并对三个层次进行比较,最后论述数据融合技术的发展趋势。     

基于多传感器数据融合的入侵检测模型

入侵检测是保障网络安全的一种重要手段。提出了网络安全中基于多传感器数据融合技术的入侵检测模型,并对入侵检测系统的体系结构进行了详细介绍。     

多传感器数据的处理及融合

针对多传感器数据的多样性, 提出一种改进的数据融合算法. 首先, 利用小波技术消除已收集数据的高斯白噪声并对数据进行压缩; 其次, 对处理后的数据进行分层, 并对系数进行Kalman滤波, 同时利用Mallat快速重建算法重构数据; 最后, 利用最大、 最小贴近度计算传感器数据的信噪比, 并通过信噪比进行数据融合. 基于实际采集的多传感器数据对比实验结果表明, 该数据融合算法在稳定性上优于简单加权数据融合、 小波数据融合和Kalman滤波融合等算法.     

机载火控系统多传感器航迹数据融合

为研究机载火控系统多传感器数据融合的方法。采用了多用于多目标多传感器航迹数据融事的改进的卡尔曼滤波算法,运用假设检验理论,充分考虑了位置互联的正确性和目标信号的历史信息,使其性能不随目标数目的增大而变差。计算机仿真表明：所建立的系统运行可靠;所采用的算法具有处理速度快、精度高等优点。     

AYC系统基于多传感器数据融合的路面附着系数估计

为提高车辆行驶安全性,研究适用于车辆稳定性控制系统的实时路面附着系数估计算法。利用多传感器数据融合综合车辆稳定性控制系统的各传感器数据,从中提取轮胎-路面附着系数得到充分利用的特征信息。根据路面附着系数充分利用时的侧向加速度估算路面附着系数。通过15自由度硬件在环仿真平台以及实车试验两种方式对算法进行验证。一定条件下的仿真结果表明算法的最大估算误差不超过0.04,车辆双移线实车试验的通过率从25%提高到100%。     

多传感器数据融合系统结构设计规范研究

为了提高多传感器数据融合系统的重用性,从软件开发系统工程的观点出发,提出一个数据融合系统结构设计的标准方法与步骤,采用UML对数据融合系统体系结构设计进行描述,并用着色Petri网对融合系统的信息流进行动态分析.以此为基础的结构设计,大大提高了系统的通用性,增强了系统设计人员之间以及设计人员与用户之间理解的一致性,达到充分利用系统资源和发挥系统性能的目的,为多传感器数据融合系统的设计提供了一个具有参考价值的设计框架.     

多传感器信息融合在水环境监测中的应用

将多传感器信息融合技术应用于水环境监测系统，提出了采用分散化滤波方案的系统融合结构模型，并讨论了向量卡尔曼滤波算法和单隐层3层前向神经网络。实践表明，融合效果良好。     

神经网络在多传感器多目标跟踪中的应用

首先研究了基于粗关联和精关联过程的多传感器多目标(MSMT)跟踪融合算法,精关联是联合概率数据关联(JPDA)算法的推广,JPDA算法存在随传感器数和目标数的增加而计算量迅速增加的缺点;其次提出了一种基于神经网络的MSMT联合概率数据互联(MNJPDA)算法,MNJPDA算法能克服计算量爆炸问题,基于MNJPDA的融合算法能提高跟踪的快速性．仿真结果证明了MNJPDA融合算法的有效性．     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

基于回归预测算法的无线传感器数据融合

无线传感器网络技术作为21世纪最有影响力的世纪技术,得到了越来越多的广泛关注,而无线传感器的能量问题,是制约无线传感器网络发展的核心问题之一。由于无线传感器的能量十分有限,因此要求尽最大可能减少能量的消耗,进而达到延长使用寿命的目的。课题从研究无线传感器节点采集到的数据开始,通过对采集到的周期数据进行分析,找出某种潜在规律,从而选择一种现有的回归模型进行下一周期的预测,如果下一采集周期的采集数据满足预测规律,则不必向汇聚节点上传数据,进而减少了数据的传送次数,节约了能量。基于回归预测算法的无线传感器数据融合是依据沈阳地区的温度数据为样本,同时应用MATLAB仿真模拟,根据模拟验证的结果表明该算法确实做到了减少数据的传输量,达到了节约传感器能量,延长了无线传感器网络寿命的目标。     

基于非均匀分布双融合节点的WSN数据融合算法

针对无线传感器网络中层次型融合算法的单跳路由造成网络能量消耗不均衡的问题,提出了一种利用非均匀思想在LEACH（low energy adaptive clustering hierarchy）算法基础上进行改进的混合型融合算法．该算法首先利用LEACH进行分簇和融合节点的选择,融合节点主要用于簇内数据的接收和融合处理．然后基于融合节点到基站距离的不同,非均匀的选择出网内的副融合节点,副融合节点主要用于转发网内融合节点发来的数据．仿真结果显示,该算法综合了平面型融合算法和层次型融合算法的优点,既均衡了网络能量的消耗又有利于网络的扩展,并且算法简单、适应性强．     

基于信任度的多传感器数据融合及其应用

针对多传感器信息采集系统中的数据不确定性问题,提出了一种基于信任度的多传感器数据融合方法.该方法首先定义一个模糊型指数信任度函数,对两传感器测得数据间的信任程度进行量化处理,并通过信任度矩阵度量各传感器测得数据的综合信任程度,以合理地分配测得数据在融合过程中所占权重,得到数据融合估计的最终表达式,从而实现了多传感器数据的融合.分析土壤含水率的数据融合结果可知,应用所提出方法使融合结果的标准差降低至0.0084,随机干扰下变化幅度仅为0.0027%,不仅达到了比传统方法更高的融合精度,而且具有良好的抗干扰性.