多传感器信息融合技术在光电经纬仪系统中的应用研究

经纬仪系统是一个比较复杂的多传感器系统，多传感器信息融合(Multi—seneor Data Fusion)是把多种传感器中于一个统一的感知系统(这个感知系统就是多传感器信息融合系统)中，从而有机地综合利用多个传感器来的数据和信息，以便获得对周围环境的更多或更准确可靠的认识．研究多传感器信息融合技术在经纬仪系统中的应用，可以提高仪器的可靠性和自动化程度，以及跟踪精度和实时输出精度．     

像素级多传感器图像融合研究进展

像素级多传感器图像融合是对多个传感器获取的同一地区或同一目标的图像数据，采用一定的算法将各图像数据中所含的信息优势或互补性有机结合起来产生新的图像数据的技术。本文探讨了像素级多传感器图像融合的研究意义和应用，对像素级多传感器图像融合方法进行了分析比较，并对其发展方向进行了展望。     

基于多传感器信息融合技术的密闭空间环境监控系统研究和设计

密闭空间作业存在缺氧、可燃气体爆炸、中毒等事故发生的风险.因此,本文提出了基于多传感器信息融合技术的密闭空间环境监控系统.该系统采用基于CAN总线的三层网络拓扑结构,保证了信息传输的实时性和系统的可扩展性;通过传感器的种类配置和数据信息的融合算法,更好地还原被检测环境的真实情况,有利于系统采取更准确的信息判断和控制策略...     

基于信息融合技术和DSP实现的温湿度控制系统设计

信息融合技术是智能信息处理中的一个重要环节，多传感器信息融合可以充分提取对象的信息特征，采用信息融合技术,对温室温，湿度信号进行融合，得到温室控制信号，并用DSP（数字信号处理器）实现对温，湿度的控制。     

多传感器数据融合及其在图像信息处理中的应用

随着图像信息的日益复杂,单独的某种算法或单信道的图像信息已不能满足高精度的图像识别任务的需要,多传感器数据融合技术在图像信息处理中得到越来越广泛的应用。介绍了数据融合的三种主要方法,从图像信息融合的基本流程、图像配准和图像融合的层次三方面进行了综述,在此基础上分析了多传感器图像信息融合领域的研究热点和发展趋势。     

像素级多传感器图像融合研究进展

像素级多传感器图像融合是对多个传感器获取的同一地区或同一目标的图像数据,采用一定的算法将各图像数据中所含的信息优势或互补性有机结合起来产生新的图像数据的技术.本文探讨了像素级多传感器图像融合的研究意义和应用,对像素级多传感器图像融合方法进行了分析比较,并对其发展方向进行了展望.     

一种基于联邦Kalman滤波结构的自适应信息融合方法

鉴于联邦Kalman滤波是一种能在复杂信息融合系统中进行目标状态估计的有效方法．介绍了联邦Kalman滤波器的原理和结构，提出了一种基于联邦Kalman滤波结构的自适应多传感器信息融合算法．仿真结果表明，该算法能有效提高信息融合系统的精度和容错性．具有较高的实用价值．     

机器人多传感器数据融合的两级结构及途径

机器人多传感器数据融合已成为一个活跃的研究领域,然而关于融合模型与途径的系统阐述是缺乏的。该文从信息处理的角度归纳出了一个数据信息融合的两级结构模型,数据级和证据级融合。这一模型较好反映了信息融合的本质.根据这一结构,又给出了运用Biyes参数估计和Dempster-Shafer证据推理相结合的多传感器数据融合的一般途径和步骤,最后加以例证。     

多传感器信息融合白噪声去卷Wiener滤波器和平滑器

应用现代时间序列分析方法和白噪声估计理论,在线性最小方差最优信息融合准则下,提出了多传感器最优信息融合白噪声去卷W iener滤波器和平滑器,其中给出了局部滤波误差之间的协方差公式,它可被用于计算最优融合加权系数.同单传感器情形相比,可提高融合估值器精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声去卷滤波器的仿真例子说明了其有效性.     

基于Kalman滤波方法的多传感器信息融合最优白噪声反卷积滤波器

应用Kalman滤波方法和白噪声估计理论,在线性最小方差按矩阵加权最优信息融合准则下,提出了多传感器信息融合稳态最优白噪声反卷积滤波器,其中给出了局部滤波误差之间的协方差公式,它被用于计算最优融合加权阵.同单传感器情形相比,可提高滤波精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声反卷积滤波器的仿真例子说明了其有效性.     

应用联邦自适应UKF的卫星多传感器数据融合

在卫星自主导航系统中,一方面,系统状态模型存在难以准确建模的问题,要求信息融合算法具有一定的自适应性;另一方面,系统的量测模型通常具有较强的非线性,又要求信息融合算法在强非线性下保持较高的精度和鲁棒性. 针对以上两个问题,本文提出了基于星敏感器、红外地平仪、磁强计、雷达高度计、紫外敏感器的多信息联邦自适应UKF组合导航方案,该方案将多个导航传感器提供的信息在联邦滤波器里融合,并采用自适应UKF算法构建联邦滤波器的子滤波器. 采用这种方案,可有效组织并充分利用导航传感器提供的导航信息,并且系统模型具有一定的自适应性. 数字仿真结果表明,与传统的联邦卡尔曼滤波方法相比,该方法更适合于非线性较强、系统模型参数不准确的场合,有效提高了导航精度.     

仿真机器人足球比赛系统的研究与实现

机器人足球比赛是一个典型的多智能、高度集成化的信息技术系统．它是一个集视觉技术、无线电通讯技术、控制技术、多传感器融合技术、战略战术和仿真等技术的综合系统．机器人足球比赛的胜负与一个国家的通讯技术、传感器技术、实时视觉技术、机器学习、仿真等技术的水平联系在一起,所以一个国家的机器人足球比赛研究的水平往往能够反映该国信息工业现代化的程度．     

异质双9轴MEMS惯性传感器数据互补-加权迭代融合算法

在MEMS惯性传感器导航研究中,传统的MEMS捷联式惯性导航系统仅利用单多轴MEMS惯性传感器对移动目标进行导航定位,其测量值和噪声特性易受环境影响,此外加速度误差、陀螺仪漂移、平台框架角误差、平台安装误差等因素也严重影响传感器性能. 为此,从异质非单多轴MEMS惯性传感器互补融合角度出发,用异质双9轴MEMS惯性传感器采集移动目标原始信息,并提出互补-加权迭代融合算法. 首先对异质双9轴MEMS惯性传感器测得的原始数据进行预处理,基于卡尔曼滤波用最小方差估计法求解观测值. 通过估值方差和革新方程形成权值更新模型,实现异质双9轴MEMS惯性传感器数据的互补融合. 实验表明,相较传统单9轴MEMS惯性传感器导航,该算法可提高导航精度50%以上.     

信息融合超前k步稳态最优Kalman预报器和Wiener预报器

应用Kalman滤波方法,基于Riccati方程,在线性最小方差信息融合准则下,提出了两传感器信息融合超前k步稳态最优Kalman预报器和Wiener预报器,给出了最优加权阵和最小融合误差方差阵.同单传感器情形相比,可提高预报精度.一个雷达跟踪系统的仿真例子说明了其有效性.     

Zigbee技术在环境监测中的研究与应用

近年环境污染越来越严重,对环境监测的研究提出了更高的要求．本文主要利用无线传感器网络对环境进行监测,介绍了无线传感器网络在环境监测中的构成和特点及无线传感器网络体系结构,通过比较得出Zigbee技术可用于环境的监测．针对农业环境监测传感器节点低成本、小型化的要求设计增加了基于无线传感器网络环境监控信息采集系统．     

两传感器按对角阵加权信息融合稳态Kalman滤波器

应用现代时间序列分析方法,在按对角阵加权线性最小方差最优信息融合准则下,基于Riccati方程,提出两传感器信息融合稳态最优Kalman滤波器.与按矩阵加权最优融合.Kalman滤波器相比,可减少计算负担,与单传感器情形相比,提高了滤波精度.一个仿真例子说明其有效性.