一种模糊传感器数据融合的方法

基于模糊传感器数据相关的特性，给出了一种模糊传感器数据融合的方法．该方法从传感器的重要度，各个传感器对模糊命题支持度的一致度，以及传感器重要度对数据融合结果的复合作用3个方面分析了它们对模糊传感器数据集成的影响．定义了一个一致性系数综合反映了这3个因素．基于该一致性系数实现了模糊传感器的数据融合，并将该方法用于工件识别中．     

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。     

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     

一种基于加权证据合成的多传感器目标识别方法

针对多传感器数据融合目标识别问题，基于D-S证据理论，提出了加权证据合成的时空域目标识别算法。该方法充分利用了多传感器多周期的测量数据，并根据D-S合成规则要求参与合成的各证据具有相同权重的特点，充分考虑了提供证据的信源即各个传感器的可靠性。在合成中，引入证据权的概念，解决了不同权重的多传感器数据融合问题，在一定程度上改善了目标识别系统的性能。最后通过计算实例表明算法是有效的。     

基于贝叶斯数据融合的多尺度目标识别

针对红外电厂目标识别问题，提出了基于贝叶斯数据融合的多尺度目标识别方法．该方法研究了前视成像末制导过程中图像目标尺度变化引起的视点角度和特征尺度变化规律，建立了分层次的时空特征模型，根据显著性选取目标特征，采用贝叶斯网络把不同尺度下的显著性特征进行融合，得到正确的识别结果．实验表明，该方法能将多尺度目标的不精确、不完整的特征进行融合处理，从而完成了目标的可靠识别．     

动目标的检测,识别与状态估值——数据融合在地面遥感监视系…

研究了多传感器数据融合技术，提出了基于地面多传感器遥感监视系统的目标检测，识别和状态估值中的数据融合算法，最后，进行了计算机仿真，得出了对三批运动目标的检测，识别的状态估值的结果。     

基于因素空间的多传感器决策融合方法

基于因素空间理论,建立一种多传感器多目标识别方法。根据多传感器探测与控制网络系统的决策特性提出了传感器模糊矩阵的建立方法,根据对概念的反馈外延计算提出多目标识别方法。仿真结果表明该方法能使系统的识别错误率低于１０％。多传感器多目标决策融合的工程方法为其决策融合方法的建立提供了一条新的途径。     

一种多传感器数据信息的融合算法

为解决在多传感器信息融合技术中出现的测量维数和置信度较低、系统的探测能力和生存能力较差以及空间和时间的范围较窄等问题,提出了一种改进的PSO算法.该算法主要包括对传感器自身特点的分析,以及建立一个综合传感器信息增量和处理时间的目标函数的过程.从实验仿真结果可以看出,该算法可以有效地剔除性能不符合系统标准的传感器,从而更...     

一种机械故障诊断多传感器数据融合特征提取的方法

为提高机械故障诊断的准确率,将多个振动传感器采集机械系统不同位置的信息进行融合,提出一种基于同源数据融合的特征提取方法。以柴油机缸盖和机身的振动信号为例,分析振动信号频谱与激励源到测量点的传输特性,构造基于频谱的高维特征向量。使用PCA方法和子带平均法降维,支持向量机进行分类验证其分类效果。结果表明,相比传统单通道传感器,此方法提取的特征不仅具有更高的可压缩性,而且其分类准确性有所提高。     

基于双参数方法的故障诊断不确定性推理问题

不确定性推理问题是专家系统需要解决的基本问题之一,已有的不确定性推理方法在规则的应用要求、加权推理及规则参数获取方法方面具有局限性。该文在分析、归纳、总结不确定性推理相关问题的基础上,提出了基于充分性参数和必要性参数的不确定性推理方法。该方法能够表示具有复杂不确定性加权关系的诊断规则,并且能够根据规则的约束条件,通过数值计算获取规则的不确定性相关参数。该方法在已开发的诊断型专家系统中得到了应用,经验表明该方法是行之有效的。     

Dempster-Shafer证据推理在数据融合中的应用

介绍了Dempster-Shafer证据推理的基本概念和理论,并将数据融合思想引入到机械设备故障诊断中,采用Dempster-Shafer证据推理进行融合计算,验证了这一方法的有效性.     

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。     

基于集对分析的上下文感知不确定性的推理方法

在上下文感知计算应用中,需要对传感器获取的原始上下文数据进行推理、融合以获取高层上下文信息.利用集对分析(SPA)的思想,提出一种利用同异反向量夹角余弦来对不确定性上下文进行推理的方法.通过对智能空间场景中不确定上下文状态推理的实例分析、比较,表明该方法概念清晰、计算简明,具有较强的实用价值和较高的可靠性.     

基于模糊推理的小波域图像融合规则

现有的2种主要的小波域融合规则,即选择绝对值最大系数规则和选择与加权平均相结合的规则,都存在着融合信息不完整和易受噪声干扰等缺点.为克服这些缺点,使融合图像包含尽可能多的源图信息,提出了基于模糊推理的小波域融合规则.此规则根据源图像小波系数的局部区域特征,通过模糊推理确定各源图像相应系数的权值,再对相应系数加权平均得到融合后的小波系数.实验结果表明,使用基于模糊推理的融合规则融合的图像,在峰值信噪比以及与源图像之间的互信息量等方面均优于使用2种现有规则进行融合所得的图像.新规则有效地克服了现有规则的缺点,具有更好的信息完备性和鲁棒性,尤其在源图像受到噪声污染的情况下,其优势更加明显.     

一种改进的DS多传感器信息融合故障诊断方法

DS证据推理理论由于其能很好融合多传感器数据和区分不确定与不知道的问题,因而被广泛应用于故障诊断过程中。但由于其不能很好的处理冲突项,在应用中受到限制。为解决此问题,通过建立传感器间支持信任矩阵,重新赋予加权系数,经过仿真表明此方法很好的解决了DS理论中的冲突问题,提高了故障诊断正确率。     

基于自适应权值的多分类器融合方法

提出了一种类似于聚类分析的融合方法 ,它通过分析样本在特征空间的分布 ,来估计分类器分类结果的可靠性 ,并根据各个样本的具体情况自适应地为各分类器赋予权值 ,从数据融合的层次上来说 ,这是一种介于特征级和决策级的融合方法 .     

基于多传感器的数据融合方法和模型研究

数据融合技术受到广泛的关注,本文结合数据融合及其一般功能模型、目标识别融合结构层次,重点分析了基于多传感器的数据融合的算法和级。比较了集中式和分布式融合处理,提出了利用实例,展望了基于多传感器的数据融合技术的发展趋势和困难。     

粒子滤波融合跟踪方法

针对Kalman滤波不能处理多传感器量测信息融合中的非线性问题,提出了一种基于粒子滤波方法的融合跟踪算法.通过对量测方程的非线性分析,利用粒子滤波器计算目标状态估计值,通过线性迭代的方式得到系统的最优估计.仿真结果表明,与采用Kalman滤波的方法相比,该算法具有更高的估计精度和更少的计算量.相比于单传感器,减少了量测信息的模糊性,提高了资源的利用率.