带相关噪声多传感器系统的事件触发贯序和分布式融合估计

对带相关噪声的多传感器系统,研究了事件触发的贯序和分布式融合估计算法.不同传感器之间的观测噪声同时刻相关,并与过程噪声一步相关.为了节省通信能耗,采用了事件触发传输机制,该机制依赖于每个传感器当前的观测值和上一个触发时刻的观测值.在事件触发条件下,提出了在线性最小方差意义上的最优贯序融合和分布式融合估计算法.所提出的贯序融合算法可以根据传感器观测数据到达滤波器的顺序进行实时处理,具有较小的计算负担.所提出的分布式融合算法可以对传感器观测数据进行并行处理,具有更好的可靠性.两种算法与事件触发集中融合算法具有相同的估计精度.仿真结果验证了算法的有效性.     

基于Kalman滤波的多尺度融合估计新算法

将信号的多尺度分析方法与多传感器数据融合技术相结合，基于某一尺度上给定的状态模型和在不同尺度上拥有不同采样率的多传感器分布式动态系统，提出了一种新的基于Kalman滤波的多尺度融合估计算法；在最细尺度上获得了基于全局信息的融合估计值；计算机仿真验证了算法的有效性。     

基于多传感器数据融合的故障诊断技术

提出了一种基于多传感器数据融合的故障诊断系统框架,给出了故障诊断融合技术的详细算法和提高系统柔性与开放性的方法,以及与其他故障诊断方法相融合的方法与算法,提出的基于多传感器数据的故障诊断融合技术具有较好的实时性、柔性与开放性,检测、控制与多传感器故障诊断相融合可使系统在不增加设备投资的前提下改善系统的性能。     

基于嵌入式多传感器的信息融合模型的研究

针对目前煤炭企业生产安全监控系统的结构特点,分析了单一传感器信息采集存在的问题,提出了基于嵌入式智能代理的多传感器信息融合的方法来提高系统信息的精确性和可靠性。在智能代理技术的基础上,确定了煤矿多传感器信息融合的结构模式,建立了多级信息融合的模型。该模型有效地构成了智能分布式监控系统,对于提高煤炭安全生产具有重要意义。     

含状态约束的分布式多传感器数据融合

从理论上研究了含状态约束的分布式多传感器数据融合中的状态估计问题．在单传感器Kalman滤波方程和无约束的分布式融合算法的基础上,考虑状态等式约束条件,提出了一种新的含状态约束的分布式融合估计算法,指出并证明了该融合估计所具有的数学性质．     

多传感器分布式Kalman滤波融合算法

讨论多传感器数据融合算法,给出了一种使用于一般线性系统的多传感器分布式Ｋａｌｍａｎ滤波算法。     

基于多传感器数据融合的故障诊断技术

提出了一种基于多传感器数据融合的故障诊断系统框架 ,给出了故障诊断融合技术的详细算法和提高系统柔性与开放性的方法 ,以及与其他故障诊断方法相融合的方法与算法 .提出的基于多传感器数据的故障诊断融合技术具有较好的实时性、柔性与开放性 .检测、控制与多传感器故障诊断相融合可使系统在不增加设备投资的前提下改善系统的性能     

基于多源信息融合的管道机器人定位技术研究

提出了3种管道机器人定位方法,即基于视觉的CCD定位方法,加速度定位法,多里程轮定位法。在考虑到3种传感器的精度差异及运用范围的基础上,提出了定位技术融合理论,在该理论的基础上,给出了并行结构融合系统的最优分布式定位融合算法,验证了多传感器定位融合系统相比于单一传感器系统,定位性能有了明显提高,实现了机器人在管道中定位精度的提高。     

带有等式状态约束的多传感器数据融合算法

在状态估计理论的实际应用中,状态向量常常包含可以预先获知的约束信息,有效地利用这些先验信息可以进一步明确状态元素之间的关系,理论上可以提高对系统的状态估计精度.针对约束滤波的已有研究成果,将其引入到多传感器系统,提出了约束系统多传感器数据融合算法.通过建立线性等式约束方程,将传统卡尔曼滤波结果投影到约束子空间,然后对局部传感器的约束滤波结果采用分布式最优加权融合,并且通过协方差匹配技术检测观测数据异常的传感器,使之不参与到数据融合中.仿真结果表明,约束系统分布式加权融合算法的有效性和可行性,并且比集中式融合算法具有更好的稳定性.     

广义系统最优与自校正信息融合滤波器

对带多个传感器广义离散随机线性系统,利用典范型分解,基于线性最小方差各分量按标量加权融合算法,给出了多传感器分布式最优分量融合降阶滤波器,它要求并行计算一系列标量权重。推得了任两个传感器子系统之间的滤波误差互协方差阵的计算公式。同时当系统含有未知噪声统计信息时,基于相关函数又给出了分布式自校正分量融合降阶滤波器。与各局部估计以及状态向量按标量加权融合估计相比,分量融合滤波具有更高的精度。仿真研究验证了其有效性。     

一种基于加权证据合成的多传感器目标识别方法

针对多传感器数据融合目标识别问题，基于D-S证据理论，提出了加权证据合成的时空域目标识别算法。该方法充分利用了多传感器多周期的测量数据，并根据D-S合成规则要求参与合成的各证据具有相同权重的特点，充分考虑了提供证据的信源即各个传感器的可靠性。在合成中，引入证据权的概念，解决了不同权重的多传感器数据融合问题，在一定程度上改善了目标识别系统的性能。最后通过计算实例表明算法是有效的。     

一种基于小波变换的图像融合新方法

图像融合是多传感器信息融合在图像处理领域的一个重要应用，以小波变换为工具是这一领域研究方法上的重大突破。在小波变换的基础上，对基于区域的融合算法进行了深入研究，提出了一种多光谱图像融合的新算法，并与其它几种算法进行了比较，仿真结果表明该算法简单，稳定性好，图像增强效果好，在图像增强中是一种比较可取的有效算法。     

基于分数阶微分的多传感器检测数据融合算法

为了解决制造系统中各生产信息采样节点设备性能和工作环境的不同带来的检测数据间差异性,直接影响着制造管理系统工作可靠性与决策科学性的重要问题,提出应用基于分数阶微分算子的多传感器检测数据融合算法融合生产信息测量误差的新理念。选择检测仪器性能或工作环境作为检测数据的影响因子,应用分数阶微积分理论推导出基于分数阶微分的多传感器检测数据的融合处理算法模型,并应用物联网下的多传感器检测数据的融合处理实例验证了算法的可行性和优越性。实验结果表明:与动态的加权算法和平均值算法相比,本文算法不仅具有融合精度更高、融合值稳健性更好的优点,还具备增强检测信息强度提升系统工作可靠性的功能。     

随机奇异系统多传感器信息融合Kalman多步预报器

应用Kalman滤波方法和奇异系统典范型分解,对单传感器随机奇异系统,给出了Kalman步预报器新算法。对带多传感器随机奇异系统,基于线性最小方差标量加权融合算法,给出了具有两层融合结构的多传感器分布式最优信息融合Kalman多步预报器。同时给出了任两个传感器之间的预报误差协方差阵的计算公式。当各传感器子系统存在稳态Kalman滤波时,又给出了稳态信息融合Kalman多步预报器。稳态权重可在各子系统达到稳态时通过一次融合计算获得．避免了每时刻计算协方差阵和融合权重,便于实时应用。仿真例子验证了其有效性。     

基于NETDDE的网络式多传感器信息融合Kalman滤波器

Kalman滤波算法是目前应用较多的多传感器信息融合方法之一,其中的分布式Kalman滤波算法因其计算负担小、易进行故障诊断和分离的突出优点而广泛应用于民事和军事领域。用具有强大矩阵运算能力和绘图功能的MATLAB作为核心处理部分,以网络DDE技术实现MATLAB与Excel的通信,编写了网络DDE通用程序,该程序可以使不同地理位置的传感器采集来的存于各客户端Excel的观测值传入服务器MATLAB,通过分布式Kalman滤波融合算法进行处理,方便地解决了网络式多传感器信息融合这一实际应用问题。     

面向智能船舶的自校正加权融合估计算法

针对智能船舶多传感器系统因未知海洋环境干扰和设备间干扰等因素,导致一个或数个传感器产生间歇性随机故障,进而导致融合估计结果出现偏差甚至失真的问题,设计了一种自适应加权融合估值算法,并引入了衰减记忆因子降低旧测量数据对融合估计的影响权重.为增强融合估值器对于量测故障信号的容错性,添加了故障检测与校正模块对量测信号进行检测与校正.为了验证算法的容错性能和融合估计的精度,对带有间歇性随机故障的三传感器系统进行了仿真实验,并与改进前的自适应加权融合结果进行了对比.结果表明:对于带间歇性随机故障的多传感器系统而言,设计的自校正加权融合估计算法不仅具有鲁棒性,而且具有较高的融合精度.     

“集中式融合的性能一定优于分布式融合的性能”存疑

信息融合领域存在一个公认的“定论”,即集中式融合的性能一定比分布式融合的好,且是最优的;业已证明,当融合系统采用单模型滤波算法,如卡尔曼滤波器时,上述“定论”是成立的;那么在融合系统采用多模型滤波算法,如针对机动目标跟踪的交互多模型滤波(IMM)算法时,情况是否也是如此?抱着对此存疑的态度,对采用IMM算法时的集中式融合与分布式融合进行了研究,给出了扩维、序贯以及等效量测3种集中式融合算法和简单方差凸组合、互协方差组合2种分布式融合算法,并设置不同运动场景对算法进行了大量仿真。仿真实验结果表明,针对交互多模型滤波估计的集中式融合性能并不一定比采用同样滤波算法的分布式融合的好,并给出了作者对此“诧异”现象的认识和理解。     

多分辨率多传感器动态数据的融合和应用

基于线性均方估计建立了q叉树的多尺度自回归模型。该模型应用于分布式多分辨率多传感器进行建模，可实现多分辨率多传感器的动态数据融合。将该算法用于高精度划线切割机器人系统中多传感器的建模，实现了型钢划线切割过程中型钢边缘的动态检测。实验结果表明，多分辨率多传感器数据融合可消除噪声的干扰，提高检测系统的测量精度和整个加工系统的加工精度。     

利用传感器判决门限联合优化的串行检测融合算法

针对传感器观测相关的条件下最优分布式检测融合算法较为复杂这一问题,提出了一种基于似然比判决规则的系统性能优化方法.该方法的基本思想是,限定各部传感器采用似然比判决规则,并在此约束条件下,联合优化各部传感器的判决门限,以使系统检测性能达到最优.对于由N部传感器组成的分布式串行检测融合系统,在Bayes准则下推导了各部传感器判决门限联合最优化的必要条件,得到了最优传感器判决门限满足的系统方程,并在此基础上给出了求解最优传感器判决门限的数值迭代算法.由于将传感器判决规则的联合优化问题简化为了判决门限的联合优化问题,因此该算法计算量较小,收敛性较好,更加便于工程应用.     

矿井瓦斯监测多传感器信息融合模型

分析了矿井瓦斯监测中存在的对传感器的影响因素多等单个传感器本身所不能解决的问题,提出了利用多传感器信息融合技术来增加系统的信息利用率、提高整个系统的精度、可靠性和容错能力的方法。在讨论矿井瓦斯监测的信息源的基础上,确定了瓦斯监测多传感器信息融合的结构模式,利用状态空间方法对此结构模式进行了描述,建立了瓦斯监测系统多传感器信息融合的状态空间模型。采用人工智能方法,建立了多传感器信息融合的模糊神经网络算法模型,实验结果表明,该模型是有效的。