多传感器信息融合技术的研究与进展

介绍了多传感器信息融合技术的概念,分析了多传感器信息融合层次的问题,提出了多传感器信息融合的主要方法,预测了其发展趋势。     

基于多传感器信息融合的智能仪表研究

针对智能仪表多传感器系统中存在的信息处理复杂、不可靠等问题,提出了利用智能仪表中的多传感器信息资源,融合多传感器信息,提高智能仪表检测精度和可靠性的方法。结合矿井瓦斯监测、井下煤的自燃监测等实例,介绍了智能仪表中多传感器信息融合的模式,以及智能仪表研究设计中应注意的问题。将多传感器信息融合技术应用于智能仪表之中,可大大提高智能仪器仪表的精度、可靠性和容错能力。     

机器人中的多传感器信息融合技术

针对单一传感器在信息采集时所受的限制,该文利用多传感器信息融合的特点,分析了该技术在机器人中的应用。     

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.     

多传感器信息融合的结构及其算法

文章介绍了多传感器信息融合的四种结构及其算法.并阐述了各自的优缺点,集中式最大的优点是信息损失最小,但计算负担重;分散式结构,系统的可靠性和容错性高,计算和通信负担比集中式要轻;分级融合结构,其计算和通信负担介于集中式结构和分散式结构之间.     

浅谈多传感器信息融合技术

在未来战争中,制信息权的争夺将在很大程度上取决和依赖于各类传感器设备。战场指挥官和战斗人员所获得的信息将不再来自于单个传感器,而是来源于多个传感器。因此,多传感器信息融合技术迅速发展起来。本文主要阐述了多传感器信息融合技术的概念、基本原理和功能模型。     

多传感器信息融合的算法比较

神经网络技术已经越采越多的应用于传感器的信息融合，但是由于传统的神经网络结构对于计算大学习样本．需要的隐结点数很大，导致训练的时间很长，性能下降。本文提出了一种阵列神经网络的结构模型，通过将传统神经网络中的中间隐层用子网络代替，不同的信息分配到不同的子网络中，然后再进入融合层进行融合，从而克服了传统神经网络计算大容量样本的缺点。本文还结合测量压力的多传感器系统，通过比较阵列神经网络和传统神经网络对信息融合的效果和速率来研究阵列神经网络的作用。     

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。     

多传感器信息融合技术

多传感器的集成与融合技术已经成为智能机器与系统领域的一个重要的研究方向。它不仅可以描述同一环境特征的多个冗余的信息,而且可以描述不同的环境特征。多个传感器的使用还可以使信息采集和处理过程并行化,不仅可以得到更全面、更准确的信息,而且减少时间和成本,提高整个系统的性能。     

基于区间卡尔曼滤波的多传感器信息融合

目标运行建模过程中,存在系统参数不确定的情形．将基于标准卡尔曼滤波的多传感器信息融合算法由系统参数确定的情形推广至参数不确定的情形,给出了基于区间卡尔曼滤波的多传感器信息融合算法,解决了系统参数不确定情形下系统状态估计的融合问题．给出的状态估计不再是目标的状态点估计,而是目标状态的区间估计．     

基于多传感器信息融合技术

笔者根据多年的跟踪研究,将多传感器信息融合作为一种信息处理技术来理解,阐述了信息融合的概念,融合的方式、方法,重点介绍了D-S证据理论和Bayes方法,并总结了信息融合存在的问题以及信息融合技术的研究发展方向。     

基于多传感器信息融合的混凝加药过程控制研究

针对流动电流仪检测混凝过程的不准确性,利用多传感器信息融合技术,提出了一种新的反应过程检测方法.该方法采用人工神经网络混凝技术,对反应沉淀池进水浊度、流量、流动电流值进行融合,得到精确的混凝值,进而优化加药过程的自动控制.仿真实验证明了该方法的有效性.     

基于多传感器信息融合的移动机器人定位技术研究

移动机器人自身的定位问题是移动机器人在实际应用中首先会遇到的问题,是移动机器人完成各项任务的首要前提。为提高自制移动机器人的定位能力．设计了扩展卡尔曼滤波器对移动机器人装载的里程计、陀螺仪以及电子罗盘信息进行了信息融合。仿真研究结果缸明移动机器人的定位能力能得到一定的提高。     

多传感器信息融合技术浅析

多传感器的集成与融合技术已经成为智能机器与系统领域的一个重要的研究方向。它不仅可以描述同一环境特征的多个冗余的信息,而且可以描述不同的环境特征。多个传感器的使用还可以使信息采集和处理过程并行化,不仅可以得到更全面、更准确的信息,而且减少时间和成本,提高整个系统的性能。     

多传感器信息融合中的概率数据关联算法

多传感器信息融合是现代C3I系统中的一项关键技术,在军事和民用方面有着极为广泛的应用背景,是目前科技界的一个热门研究.本文提出利用PDA(Probabilistic Data Association)算法最优性能状态来有效减少目标跟踪门内无效观测的数量,达到改善算法性能的目的.通过理论分析,证明本方法的有效性,尤其在强干扰的环境中更为明显.     

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。     

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。     

用于目标识别的多传感器信息融合算法研究

提出了一种用于目标识别的多传感器雅息融合算法-后验概率检测算法.在该算法中,融合中心将各个传感器送入的识别结果进行综合处理,得出最终的决策.仿真结果表明多传感器系统探测目标的性能优于单传感器系统,该算法运算量小,适于进行快速的实时处理.