数据融合技术在火灾报警系统中的应用研究

提出了一种基于现场总线的神经网络和模糊推理的多传感器数据融合技术,对所采用的数据融合技术进行了详细介绍。模拟实际输入信号的仿真结果证明,采用神经网络BP算法和模糊推理的多传感器数据融合技术能够准确预报火灾,有效降低误报率,达到了预期效果。     

基于神经网络-模糊推理的目标识别融合研究

为提高复杂环境下多传感器的自适应信息融合能力,提出了一种基于神经网络-模糊推理的信息融合模型,利用神经网络和模糊推理分析传感器探测状态的不确定性,并将其应用于红外成像/毫米波复合制导目标识别的信息融合,识别效果比较理想,可信度有了很大提高。     

手爪中多传感器数据融合技术的研究概况

多传感器数据融合技术是传感器技术、模式识别、神经网络、控制理论、人工智能和模糊理论等学科相交叉的一门新兴学科 ,它被美国列为 2 0世纪 90年代重点研究开发的 2 0项关键技术之一 ,已被广泛地应用于军事和非军事领域中。而在机器人手爪中应用多个传感器 ,采用数据融合技术进行传感器信息处理 ,是赋予机器人更高智能的关键之一。该文介绍了日本营救机器人手爪中的多传感器集成和数据融合技术及操作控制 ,美国早期的多传感器手爪系统和国内机器人手爪研究的主要情况 ,对我国机器人的研究发展具有一定的借鉴意义。     

多传感器中传感器配准技术发展综述

多传感器配准技术是多传感器数据融合中的一个重要环节。文中介绍了多传感器配准误差源的主要来源及配准方法，综述了现有的多传感器配准技术，最后提出了采用神经网络和知识库以及智能计算相结合的方法来解决配准这一难题。     

多传感器数据融合技术在红外水分仪中的应用

水分检测技术是一门涉及多学科的综合性技术.红外水分仪在检测过程中受到温度、背景光等的影响,使其检测精度下降.本文引入基于BP神经网络的多传感器数据融合技术,为红外水分仪的数据处理提供了新的思路;并用Matlab进行多传感器数据融合仿真,且取得了较为理想的效果.     

基于置信度加权的INS／BD／GPS组合导航信息融合

针对联邦卡尔曼滤波算法存在的不足,将标准卡尔曼滤波方法和置信度加权方法相结合,应用于组合导航系统.该方法利用了自适应神经网络模糊推理技术非线性、快速实时、自适应学习的优点,将滤波器的输出数据进行置信度判别,得到各个子系统加权值,最后进行加权融合得到全局输出.仿真结果表明:基于ANFIS神经网络置信度加权的组合导航信息融合技术在一定程度上抑制了数据的发散,提高了导航精度.     

基于可信度小波神经网络的多传感器数据融合方法

针对传感器数据的多样性, 提出一种基于小波和神经网络数据融合的改进方法. 首先, 对传感器数据进行预处理; 然后, 用小波和BP神经网络相结合的方法优化数据; 最后, 利用计算传感器可信度对数据进行融合. 传感器数据融合效果对比实验结果表明, 该算法针对数据预处理和数据融合的稳定性和有效性均较好, 融合结果的离散程度优于加权数据融合和Kalman数据融合等方法.     

基于可信度小波神经网络的多传感器数据融合方法

针对传感器数据的多样性, 提出一种基于小波和神经网络数据融合的改进方法. 首先, 对传感器数据进行预处理; 然后, 用小波和BP神经网络相结合的方法优化数据; 最后, 利用计算传感器可信度对数据进行融合. 传感器数据融合效果对比实验结果表明, 该算法针对数据预处理和数据融合的稳定性和有效性均较好, 融合结果的离散程度优于加权数据融合和Kalman数据融合等方法.     

基于神经网络的多传感加权融合算法的研究

数据融合技术是无线传感器网络的一个关键的技术,能减少传感器的传输量,从而明显提高网络的感知性能,延长网络生命周期,减少时间延迟.多传感器的数据融合可以获得比单一传感器更多,更准确的信息.针对从含有噪声的测量数据中估计出监测变量,对自适应加权融合算法进行改进,基于信任度方法对测量数据进行数据预处理,然后基于神经网络误差修正的方法实现各传感器权重的自适应匹配,从而得到较为准确的估计值.通过对比仿真实验,本文算法的融合结果在精度、容错性方面均优于均值估计算法和自适应加权融合算法;能够更好地适应当今大数据环境下对数据精确度的要求.     

改进的BP算法在多传感器数据融合中的应用

采用了基于小波神经网络的BP权值平衡改进算法,构造小波神经网络并训练以改变BP网络权值.根据多传感器特征级数据融合模型,并结合该权值平衡算法,使测量到的数据进行基于特征级的融合,并将该数据融合结果提供给决策级判断,从而得出理想的判定效果.仿真结果表明,该数据融合算法避免了BP权值平衡算法的缺点,不仅提高了学习的速度,而且具有更高的计算精度.     

量测噪声情况下基于D-S证据推理信息融合的滑模控制

研究了D－S证据推理多传感器信息融合方法在存在量测噪声的滑模控制中的应用，它有助于削弱模函数的不确定性。由于基本可信度函数不能解析获得，用一个模糊系统对其予以等价，模糊规则后件参数由样本数据通过最小二乘法获得。     

D-S证据理论数据融合方法在目标识别中的应用

为解决车辆目标识别问题 ,采用基于推理的数据融合方法 ,分析了 Dempster- shafer证据理论用于多传感器数据融合的基本概念和理论 ,并将它应用于车辆目标识别的数据融合中 ,实验结果证明了基于融合后的识别结果较单传感器的识别结果好 ,验证了这一方法的正确性和有效性     

多传感器数据融合技术与单平台火控系统

分析了多传感器数据融合技术的优越性和单平台火控系统的不足，应用数据融合技术，不仅可以提高目标的探测和分类能力，亦可提高目标跟踪精度，给出单平台火控系统数据融合结构和功能图；指出应用神经网络融合方法优于其它算法。     

神经网络在多传感器多目标跟踪中的应用

首先研究了基于粗关联和精关联过程的多传感器多目标(MSMT)跟踪融合算法，精关联是联合概率数据关联(JPDA)算法的推广，JPDA算法存在随传感器数和目标数的增加而计算量迅速增加的缺点；其次提出了一种基于神经网络的MSMT联合概率数据互联(MNJPDA)算法，MNJPDA算法能克服计算量爆炸问题，基于MNJPDA的融合算法能提高跟踪的快速性．仿真结果证明了MNJPDA融合算法的有效性．     

基于粗糙集的模糊神经网络在故障诊断中的应用

文章将粗糙集理论、模糊逻辑推理和神经网络等方法相结合,提出一种基于粗糙集的模糊神经网络理论的复杂机械的故障诊断方法。该方法应用模糊逻辑推理建立故障诊断决策表,采用粗糙集理论对故障样本数据属性约简,将获取的主要特征属性输入到神经网络中进行训练学习,然后把检测数据输入到诊断系统中进行检测。检测结果表明,该方法在船舶柴油机的故障诊断中是有效的。     

基于模糊神经元网络的信息融合模型

神经元网络应用于一般工业过程建模比较有效,但对于对象是庞大数据的复杂的工业生产过程就明显力不从心,提出了基于势场拓扑的层次聚类算法和模糊c均值聚类算法融合,以获得精确的聚类个数和隶属度,基于多判据信息融合和模糊技术构建神经元网络模型,通过对实际地下开采生产过程的仿真,结果验证了模型的有效性。     

电子电路故障诊断的神经网络数据融合算法

针对模拟电路故障元件诊断的不确定性问题,将BP网络引入数据融合之中,结合模糊集合论,构造－模糊神经网络故障分类器,并将其应用于电子电路故障诊断之中。通过测试电子电路中被诊断元件的工作温度和工作电压这2个物理量,求出两传感器对各待诊断元件的故障隶属度,利用模糊BP网络故障分类器进行数据融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性。     

模糊逻辑在分布式多目标跟踪融合中的应用研究

多传感器多目标跟踪融合中的目标航迹包含了模糊信息，这种模糊信息可以用模糊隶属度函数来描述．利用对两航迹的位置偏差、速度偏差和加速度偏差进行模糊化、模糊逻辑推理及去模糊等技术，提出了分布式多传感器多目标航迹模糊融合关联方法，计算机仿真结果表明了模糊逻辑方法应用于多目标航迹融合关联判别的有效性，较好地解决了航迹融合关联问题。     

基于神经网络的模糊推理预测方法

将模糊推理技术与神经网络结合．利用模糊集理论来处理输入、输出信息，借助神经网络系统来完成推理、判断与知识的记忆存储及学习．从而给出了基于神经网络的模糊推理预测模型。