基于灰色关联分析的多传感器数据融合方法

提出了一种基于灰色关联分析的多传感器数据融合方法，计算多传感器测量数据的灰色关联矩阵，进行灰色优势分析，然后进行数据融合。此方法考虑了各传感器测量数据的精确度，而且删除了测量比较差或测量不到的数据。仿真结果表明，应用该方法可进一步提高多传感器的测量精度和可靠性，适用于多传感器的数据融合。     

杂波环境下基于红外传感器和雷达融合的机动目标跟踪算法

提出一种在密集杂波环境下多传感器机动目标跟踪算法,在利用雷达测量数据的基础上,融合红外(IR)传感器获得的精确角度信息来提高机动目标跟踪性能。通过计算机仿真,该算法较传统概率数据关联(PDA)对于航迹跟踪成功率和位置估计的准确率更为有效。     

一种阵列式传感器数据融合方法的研究

提出了一种基于支持度和自适应加权的阵列式传感器数据融合方法。其特点是通过关联融合多组测量信号序列以降低静态数据的随机测量误差。对单传感器测量信号序列,采用支持度方法计算每个测量数据的综合支持度和加权因子,然后对测量信号序列进行加权融合。对阵列式传感器多组测量信号序列,基于单传感器数据融合,利用自适应加权方法,在总均方误差最小意义下进行多组测量信号序列数据融合。仿真结果表明,该阵列式传感器数据融合方法是有效的。     

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。     

多传感器多模型相互作用的数据关联方法

基于信息融合中的数据关联技术,在卡尔曼滤波基础上,结合相互作用多传感器多模型的概率数据互联算法,建立故障监测报警和现场传感器量测数据关联二者之间的关系,建立更具一般性的分布式传感器系统基础上的多传感器多模型,改进概率数据关联方法,以用于故障监测报警中相互作用的算法．并结合一个时变系统中空间位置传感器的故障诊断问题为例,运用多传感器多模型相互作用的数据关联方法进行仿真分析,研究此类故障判据的数据关联问题和数据关联算法的改进,研究表明相互作用多模型的概率数据互联改进方法不仅与有限维数的特定测量阈值相对应,而且直接针对故障模式,能够体现出动态模型的优点,可以与系统诊断知识相融合,为故障诊断的单步的、多步的、长期的预测预报提供依据．     

多传感器信息融合方法与仿真

给出了一种多传感器多维位置数据融合的方法。这种方法基于多维位置数据的鲁棒估计和最小方差结合法。每个传感器用鲁棒估计得到自身数据的位置估计和方差估计,把这些估计融合为一个最优估计,即传感器系统的估计。     

基于距离相关的高效传感器排名机制研究

随着越来越多的物理实体传感器被接入互联网,在此基础上延伸出的物联网应用中,基于距离相关的传感器搜索服务有着广阔的发展前景.对于实现传感器数据的访问以找到所寻求的目标过程,将导致巨大的通信开销,因此,提出了一个高效的传感器排名机制,以提高传感器搜索服务系统的性能;设计了低成本的近似表示法应用于表示传感器的输出端,从而降低传感器的发射能耗.然后,根据上报的传感器数据建立一个随时间变化的预测模型,基于该模型预测传感器未来数据的输出;还提出了一种排名方法用来评估与搜索查询的传感器的匹配程度.仿真结果表明,提出的传感器排名机制可以在很大程度上节约能耗,减少通信开销,具备较好的使用价值.     

基于最优划分的多传感器多目标跟踪NNJPDA算法

传统的最邻近联合概率数据关联算法(NNJPDA)不能直接用于多传感器对多目标的跟踪。针对这一问题,提出了一种适用于多传感器多目标跟踪的最邻近联合概率数据关联算法,它以极大似然估计完成对来自多传感器的测量集合进行同源最优划分,然后采用NNJPDA方法对多目标进行跟踪。经过理论分析和仿真试验,证明了该方法能有效地进行多传感器多目标的跟踪,且具有算法简单、跟踪精度高、附加计算量小等优点。     

基于PCI总线的光栅传感器位移测量系统设计与实现

针对通用的光栅传感器位移测量系统存在性能不稳定、抗干扰性不强等问题,介绍了一种基于PCI总线的光栅传感器位移测量系统的设计方法,系统采用CPLD对光栅传感器的信号进行处理,采用CH365完成PCI总线的接口电路设计.通过测试,系统的分辨率为0.1 um,精度为±1 um,性能指标达到了预定目标,该系统已经成功运用到某型号的坐标测量机中.     

多传感器组合导航中的数据融合

目的 通过估计误差方差阵,对多传感器组合导航系统中不同的融合数据进行定位精度比较.为系统定位提供选择数据的依据.方法 基于递推加权最小二乘法研究多传感器组合导航系统中的数据融合,讨论估计误差方差阵的推导过程及系统定位精度的计算.结果 仿真结果表明,由于采用的递推加权最小二乘法比最小二乘法更能反应实际测量过程,可更有效地组合多个数据,系统定位性能要好.结论 为多传感器组合导航系统提供了一种有效的数据融合方法,对工程的预研和实施有非常重要的意义.     

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.     

多传感器数据融合与航迹预测的模型设计

文中建立了功能完整的多传感器数据融合模型,使用最邻近数据关联(NNDA)算法提取目标航迹,采用三次样条插值实现时间配准,并将传感器性能作为权重应用到航迹对的融合中,使用加权平均的方法融合航迹对.引用回声状态网络(ESN)技术实现航迹的预测.基于雷达数据在不同运动场景中测试模型性能,对于匀速直线运动和机动转弯的目标,模型具有较高的跟踪和预测精度.     

飞机地面防撞多传感器数据融合系统研究

为了实现对不同传感器探测和跟踪的目标信息融合,提出了一种车载飞机地面防撞的多传感器数据融合系统.采用矩不变量的方法描述飞机的特征;采用Levenberg-Marquardt算法对标准的BP网络算法进行改进,使系统快递、稳定地进行飞机识别.该算法实现了多传感器多目标定位、航迹融合等关键技术,实验表明,该系统可以较好地实现目标定位、跟踪以及目标识别的目的.     

基于BP神经网络的压力传感器数据融合

多传感器数据融合问题已经引起许多学者的广泛关注.通常,压力传感器都存在交叉灵敏度,其主要表现在传感器静态特性不仅受目标参量的影响还受多个非目标参量的影响.由于传感器的输出受多个参量的变化的影响,导致其性能不稳定,测量精度降低.针对温度、噪声、电源波动等多种环境因素影响压力传感器输出电压值这一问题,在阅读了大量的参考文献...     

基于灰色关联分析的异类传感器航迹相关算法

针对由雷达和红外传感器组成的异类传感器数据融合系统中的多目标航迹相关问题,提出了基于灰色关联分析的异类传感器航迹相关算法.该算法将目标航迹看成是方位信息的时间序列,所有目标航迹构成方位时间序列集合,利用B型关联度对该集合元素进行灰色关联分析,形成航迹灰色关联度矩阵,采用最低关联度门限与全局最优的策略确定航迹关联对,实现...     

起伏背景噪声下地震波传感器阵列目标检测算法研究

针对起伏背景噪声下传统地震波传感器阵列检测算法虚警概率高、检测概率低的问题,提出一种基于信号相关性的阵列目标检测算法.利用传感器阵列在一个检测周期内接收到的数据建立信号检测矩阵,由检测矩阵列向量之间的相关性标记信号中目标成分的大小,进而引入相关性参数并构建检测统计量,利用信号相关消除时变的环境噪声干扰,有效克服起伏噪声对目标检测结果的影响.推导算法虚警概率与检测门限之间的定量关系,得到一定虚警率下的检测概率.基于计算机仿真和舰船目标实测试验对比本文提出算法与现有方法,结果表明本文算法可以在起伏背景噪声下有效检测出目标,且检测性能优于现有检测算法.     

基于多传感器数据融合的目标识别和跟踪

基于单传感器（雷达或红外）系统存在局限性,提出了基于多传感器（雷达和红外）信号融合的目标识别和跟踪系统,它能利用不同传感器的数据互补和冗余。特征层融合能通过利用其他传感器模块提供的目标特征信号来提高目标检测概率和降低虚警概率;决策层融合能矫正因受干扰等原因而失去目标跟踪能力的传感器模块的伺服跟踪回路,并提高抗干扰性。     

暖通空调系统传感器的故障检测

在暖通空调系统中,传感器测量信号的正确与否将直接影响系统能否正常地运行和实现需要的控制,同时也影响对其它设备进行故障诊断时结果的正确性。该文对传感器的故障检测进行研究。提出了一种诊断传感器慢漂移故障的方法——系统比较和优化的方法。这种方法以系统出现故障的传感器总是少数为假设条件,通过检测系统各个变量测量值的一致性来检测传感器故障。模拟和工程应用表明,这种方法对传感器慢漂移故障的检测是非常有效的,但是这种方法的可靠性取决于系统规模的大小和出故障的传感器在系统中的具体位置。这种方法对空调系统的运行有实际意义。     

基于D-S证据理论的多传感器多特征目标识别

 传统多传感器环境下的目标识别方法主要有两种：利用多传感器获得的数据进行数据融合、利用每个传感器信号的特征向量进行特征融合。但这两种方法均存在目标识别精度不高的问题。针对这一问题,本文提出了一种基于D-S 证据理论两次组合规则的融合方法。该方法在提出多传感器目标识别系统模型的基础上,运用D-S 证据理论对单传感器的多特征信息进行数据融合;根据传感器接收信号信噪比来确定传感器可信度,将该可信度作为D-S 证据理论组合规则中的证据权值,以此来完成目标识别。本文提出的方法综合考虑了传感器的多特征信息和传感器的可信度,克服了传统的D-S 证据理论对证据冲突处理能力有限的缺陷。实验结果表明,该方法具有较高的正确性和有效性,提高了目标识别的精度。     

基于软传感器技术的海水富营养化监测

藻类的繁殖生长状态很难用一种传感器在线、实时地直接测量出来。影响藻类生长的环境理化因子众多,这些环境因子之间又相互作用,海洋生态环境是一个高度复杂的非线性系统,很难用传统的机理建模方法来描述。文中用T-S模糊神经网络描述这种复杂的非线性系统,通过构造软传感器来测量藻类的繁殖生长状况。将叶绿素a的含量作为描述藻类生长状态的直接指标,并作为系统的输出变量,通过相关性分析,将影响藻类繁殖生长的主要环境因子作为系统的输入变量,通过对样本的学习训练,构造基于T-S模糊神经网络的软传感器模型。实验结果表明,这种软传感器模型能较好地描述可测环境因子与海水叶绿素a含量之间的非线性映射关系,验证了这种软传感器在监测海水水质异常变化时的有效性。