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。     

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．     

传感器数据异常下动力定位鲁棒状态估计方法

针对时变环境带来的传感器数据异常、未知环境干扰等影响,导致基于无迹卡尔曼滤波的动力定位状态估计方法估计精度下降的问题,提出了一种鲁棒无迹卡尔曼滤波方法,该方法通过引入一种基于指数加权的观测噪声协方差矩阵R自适应更新模块和一种基于卡方分布假设检验方法的过程不确定性识别模块处理传感器数据异常情况并估计未知环境力．最后,以某平台供应船的船模为仿真对象,进行了仿真对比实验．仿真结果表明,鲁棒无迹卡尔曼滤波能够准确及时地识别传感器数据异常情况,相较于传统无迹卡尔曼滤波而言,鲁棒无迹卡尔曼滤波状态估计精度更高,收敛速度更快,表现出较强的鲁棒性．     

基于鲁棒估计的遥感图像融合方法

提出一种基于鲁棒估计的遥感图像融合方法.该方法首先建立了高分辨率的多光谱图像到低分辨率的多光谱图像和高分辨率的全色图像之间的观测模型,然后在最大后验概率框架下引入鲁棒估计以增强估计的鲁棒性,最后利用阶段非凸和逐次超松弛方法实现了低分辨率的多光谱图像和高分辨率的全色图像之间的融合.鲁棒估计的引入,大大减小了观测噪声对融合结果的影响,而且省去了目标函数中的正则项,使得融合过程更加简单方便.以QuickBird卫星数据为例的实验结果表明,与其他几种常见方法相比,本方法不仅能够提高多光谱图像的空间分辨率,对光谱信息的保持也具有更好的效果.     

逆协方差交叉融合鲁棒Kalman滤波器

分布式状态估计系统通过将多个传感器状态融合以得到更精确的融合结果,当传感器之间的协方差未知时,常采用保守估计的策略,但结果精确度较差。为了在传感器之间互协方差未知时得到更精确的融合结果,引入了逆协方差交叉算法,将其与局部稳态Kalman滤波器相结合,提出逆协方差交叉融合鲁棒Kalman滤波器。它克服了协方差交叉融合（CI）算法保守的缺点,证明了ICI的精度高于CI的精度,并基于协方差椭圆给出ICI、CI和局部传感器精度的几何解释。通过两传感器系统的蒙特卡洛仿真例子表明,其实际精度相比于CI融合鲁棒稳态Kalman滤波器更接近于带已知互协方差的最优融合器的精度。     

数据协调与过失误差侦破的鲁棒估计同步方法

为获得较准确的满足物料平衡和热量平衡的数据,传统的测量数据检验法（MIMT）计算复杂,而已有的数据协调和过失误差侦破的同步方法存在着不能准确识别过失误差等问题。基于鲁棒估计原理以及影响函数提出了一种新的鲁棒估计方法,用于稳态情况下的数据协调和过失误差侦破,并对计算过程中遇到的变量相关性问题进行了分析。计算结果表明,这种方法对线性和非线性问题都具有良好的效果,在侦破出过失误差的同时,可得到相应的数据校正结果。     

考虑可信度评价的多传感器一致性鲁棒测度方法

针对多传感器一致性测度的研究多集中于对某一时刻多传感器观测结果的判断,并未考虑时间序列的影响,导致某一时刻的一致性测度结果并不可信的问题,在传统的一致性测度基础上,采用一致性测度结果队列的中值作为测度结果的鲁棒估计,采用一致性测度结果队列的方差描述测度结果的稳定性,实现对一致性测度结果进行可信度评价,从而获得对传感器观测结果可靠性更好、可信度更高的评估.仿真实验表明,通过对多传感器观测数据的一致性测度结果进行可信度加权,可以显著提高一致性测度的鲁棒性,可以消除由于传感器性能不稳定带来的影响,有效识别出性能不稳定的传感器并将其剔除,为数据融合提供一致性传感器组.     

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。     

考虑自支持度和互支持度的多传感器一致性测度算子

针对传感器观测结果可能存在虚假甚至错误信息从而影响数据融合估计的问题,研究了一种度量多传感器观测结果一致性的测度算子.在进行数据融合估计之前,首先对多传感器的观测结果进行一致性检验,从而识别并剔除失效传感器的观测结果,最终获得一致性估计.该一致性测度算子基于Hampel粗差鉴别思想,同时考虑传感器的自支持度和传感器之间的互支持度,经过综合后给出传感器观测结果的一致性测度信息.仿真实验结果表明,该方法简单有效,能够准确识别传感器的虚假和错误观测结果,剔除失效传感器,同时能够给出传感器观测结果的质量评价,为数据融合估计提供可靠的一致性传感器组.     

基于鲁棒UKF 的永磁同步电机转子速度估计

针对无位置传感器直驱永磁同步电机系统(DD-PMSG: Direct-Driven Permanent Magnetic Synchronous Generator), 无迹Kalman 滤波(UKF: Unscented Kalman Filtering)方法鲁棒性不高的问题, 提出了基于一种新的鲁棒UKF 的转子速度估计方法。该方法将DD-PMSG 模型转化为由发电机机电状态与定子参数组成的增广方程形式。运用鲁棒UKF 算法, 可同时辨识发电机的机电状态和定子不确定参数动态, 使估计发电机参数不确定的鲁棒性得以改善。仿真结果表明, 与传统UKF 方法相比, 该方法对存在不确定性及非高斯噪声的系统模型具有较强的鲁棒性。     

基于贝叶斯估计的超声红外复合测距系统

针对单一传感器在复杂环境中测量数据可靠性差以及同一类型多传感器测距盲区无法补偿的问题,提出了一种基于贝叶斯估计的不同类型多传感器复合测距方法。该方法综合了超声与红外2种传感器的优点,利用红外传感器对超声传感器的测距盲区进行补偿,解决了单一类型传感器存在的测距盲区问题。对同一类型多个传感器同时获取的数据动态建立置信距离矩阵,应用椭圆曲线表示的支持程度关系矩阵确定各传感器测量结果中的有效值,并对其应用贝叶斯估计的方法进行数据融合,使测距准确度进一步提高。基于超声红外复合测距移动机器人的仿真实验表明,采用贝叶斯估计方法在保证实时性的前提下提高了测距的准确度,误差为±1 mm,达到了设计要求,为移动机器人的研究提供了参考。     

基于多传感器信息融合的机器人故障诊断

提出一种新型的多传感器信息融合方法,并将此方法与支持向量机相结合,针对生产装配线上机械手在向抓握物体位置行进时遇到的机械手受阻、前方碰撞、除前方外其他方向碰撞3种故障形式进行诊断;通过适当融合向量的选取、支持向量机模型参数的寻优,成功地对3种故障进行了诊断;同时,对多传感器信息融合方法中的融合向量属性数量的选择进行了分析.结果表明,在传感器测量数据一定的条件下,融合数据属性数量的选取对融合向量样本的数量、分类的准确率均有影响.     

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。     

多传感器集成与信息融合原理

现代监控系统需要检测工作环境多个物理参数,因单个传感器难以提供比较全面环境信息,多传感器配置成为现实、可行的选择.在阐述多传感器集成与信息融合出现的历史背景、含义、特点的基础上,系统地阐述了多传感器系统研究的主要内容,核心研究内容包括拓扑结构与融合模型.     

传感器优化布设在桥梁健康监测中的应用

回顾了振动模态分析技术中关于传感器最优布点方法的研究,针对桥梁结构健康监测中有关指纹析识别以及模型修正所需的模态动态信息,提出了一套传感器优化布设的方案,目的在于迅速有效地从一个自由度繁杂的结构模型中选择出关键的测点位置,在含噪声的环境中实现对结构状态改变信息的最优采集,改善早期对大型柔性结构的整体探伤能力。     

传感器建模及其相关问题

该文综述了传感器建模的３种方法,这３种方法以概率方法为基础,包括依赖于传感器本峰物理特性的观测模型,描述多传感器中传感器信息动态特性的相关模型以及说明传感器观测与传感器状态之间关系的状态模型。     

多源遥感数据融合在城市发展研究中的应用

多源遥感数据融合是一种通过高级影像处理技术来复合多源遥感影像的技术,其目的是将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合,提高获取信息的有效性和准确性,解释的可靠性,以形成对目标的完整一致的信息描述,把不同传感器的遥感数据和非遥感数据融合在一起应用,是遥感技术应用向纵深发展的必然趋势。本文利用上海地区不同时期、不同卫星的遥感数据及没时期上海城区发展的地图数据,制作了上海市城市发展态势图,并对结果进行了分析研究。     

大坝智能化安全监测新技术简论

提高大坝安全监测的智能化、标准化，增强传感器布置优化的可操作性等是大坝安全监测技术发展所迫切需要解决的问题．材料科学、数学、力学、人工智能、信息技术与传统大坝安全监测技术的多学科交叉渗透已成为大坝安全监测领域新的研究方向．智能传感器、传感器的网络化在解决上述问题中表现出的强大功能，在大坝安全监测领域已引起广泛的关注．人工智能强大的功能和解决某些问题的独特手段，正在加速监测技术高度智能化的进程．文中在对大坝安全监测传感器、数据采集装置的研制以及布置方案拟定等的研究现状进行综述的基础上，从智能传感器、现场总线控制系统和传感器网路化以及布置优化等几个方面，介绍了大坝安全监测技术新趋势和发展方向，并简述了人工智能技术在提高大坝安全监测水平中的应用前景．     

基于最优分割和逐步回归方法的机床热误差建模方法研究

根据机械结构的基本热变形模式,分析加工过程中的机床热误差模态,对温度测点进行初步选择.通过最优分割法优化温度测点和逐步回归法建模,将温度测点个数从初始的16个减少到3个热关键点.机床热误差模型拟合结果与实际热误差测量结果进行比较,检验结果说明该热误差模型精确度优良.