多传感器数据融合技术及其在光伏电站监控系统中的应用

本文结合近年来国内外对多传感器技术的研究成果,讨论了多传感器技术的定义、优点、发展历程,着重介绍了多传感器数据融合的工作原理、主要研究方法和技术及应用。并在此基础上,介绍了光伏电站监控系统中多传感器数据融合的模式,将多传感器数据融合技术应用于光伏发电系统之中,可大大提高光伏系统中仪表的精度、可靠性和容错能力。     

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.     

无线传感器网络数据融合低能耗睡眠调度算法

数据融合是解决无线传感器网络能量受限问题的关键技术之一。对节点状态的合理调度能够对数据融合过程的网络能耗进行优化。文中从传感器节点能量消耗模型着手,提出了一种适用于周期性数据融合的低能耗睡眠调度算法。该算法在分析影响网络能耗根本因素的基础上,采用时分复用方法,通过减少数据传输次数、降低网络融合时延,实现低能耗的数据融合。实验与仿真结果表明,该算法能够在各种融合树结构下有效降低网络能耗。     

一种安全的无线传感器网络分布式决策融合方法

为了防止数据在开放的无线传感器网络中传输过程中遭到窃听而泄密,本文设计了一种带安全机制的传感器网络分布式决策融合方法 FRSM,该方法在传感节点发送数据到融合中心时利用随机函数对数据进行翻转置乱,以阻止窃听方获得正确的融合结果,而合法的融合中心能够基于已知的随机函数概率密度对接收到的数据进行对数似然比决策.理论分析和对比实验表明,FRSM能够使得合法的融合中心取得较好的融合结果,而窃听方在高信噪比和大量传感器环境下仍然难以获得正确的融合结果,从而保障了传感数据的机密性.     

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。     

国外手爪中多传感器数据融合技术的研究概况

近年来 ,多传感器数据融合技术已引起世界范围内的普遍关注 ,成为一个新兴的技术方向 ,并已成功地应用在军事系统、交通系统和智能机器人等研究领域。手爪是空间智能机器人的关键部件之一 ,它集成了视觉、触觉和力觉等多种传感器。为了能进行灵活和自适应的操作 ,机器人手爪必须要采用多传感器数据融合技术。该文介绍了机器人手爪中多传感器集成和数据融合技术的研究概况 ,对我国机器人的研究发展具有一定的借鉴意义。     

一种模糊传感器数据融合的方法

基于模糊传感器数据相关的特性，给出了一种模糊传感器数据融合的方法．该方法从传感器的重要度，各个传感器对模糊命题支持度的一致度，以及传感器重要度对数据融合结果的复合作用3个方面分析了它们对模糊传感器数据集成的影响．定义了一个一致性系数综合反映了这3个因素．基于该一致性系数实现了模糊传感器的数据融合，并将该方法用于工件识别中．     

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。     

矩形阵列涡流传感器设计与实现

提出一种单激励发射接收式阵列涡流传感器模型。在对该传感器进行原理分析的基础上,通过有限元仿真分析及实验验证了该阵列涡流传感器在扫描铝板表面及下表面裂纹过程中9个检测线圈对裂纹长度进行定量的能力;并且采用聚类分析方法对9个检测线圈按灵敏度进行分类。再通过对各个检测线圈的检测数据进行数据融合,减小误差,提高了该阵列涡流传感器的检测精度。     

基于动态层次聚类分析的多传感器一致性融合算法

为了提高集中式多传感器一致性数据融合的精度,在数据融合过程中,必须考虑从各传感器获得的数据可信度.为了克服现有一致性数据融合算法中定义的距离矩阵和关系矩阵存在的不对称性和主观性等缺点,本文定义了概率距离矩阵和基于统计置信度的关系矩阵,然后讨论了多正态分布共同均值的极大似然估计的统计性质和递推特性,并根据估计量的方差统计性质提出了一种基于动态层次聚类的多传感器一致性数据融合处理的方法,数据实验的计算结果表明,该算法优于现有的多传感器一致性数据融合方法.