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.     

面向智能船舶的自校正加权融合估计算法

针对智能船舶多传感器系统因未知海洋环境干扰和设备间干扰等因素,导致一个或数个传感器产生间歇性随机故障,进而导致融合估计结果出现偏差甚至失真的问题,设计了一种自适应加权融合估值算法,并引入了衰减记忆因子降低旧测量数据对融合估计的影响权重.为增强融合估值器对于量测故障信号的容错性,添加了故障检测与校正模块对量测信号进行检测与校正.为了验证算法的容错性能和融合估计的精度,对带有间歇性随机故障的三传感器系统进行了仿真实验,并与改进前的自适应加权融合结果进行了对比.结果表明:对于带间歇性随机故障的多传感器系统而言,设计的自校正加权融合估计算法不仅具有鲁棒性,而且具有较高的融合精度.     

基于改进粒子滤波的超宽带与惯性测量单元融合定位算法

为了提高UWB与IMU融合定位算法的定位精度,提出了一种基于改进自适应加权数据融合的粒子滤波定位算法。首先利用自适应最优加权融合算法中最小方差估计理论,对粒子滤波中粒子分布权重进行调整;利用阈值限制所求观测方差,避免了因实际环境导致观测方差发散;利用观测噪声协方差和测量值,在粒子滤波后RMSE限制区间求得各传感器最优加权因子,避免因传感器信号弱或丢失产生的算法发散问题。最后,进行了UWB与IMU融合定位的对比实验,实验结果显示该算法与EKF融合算法相比定位精度提高了15%以上。     

数据时空融合算法在无线多传感器网络中的应用

无线传感器网络是一种新兴的、全新的技术,它常常应用于工业领域以及恶劣的环境中.在标准ZigBee协议中没有设计相关的数据融合规范,使其只能用在低数据冗余的应用场合.大规模网络中的数据冗余度大,并且网络中的数据冗余会引起节点频繁地争抢信道,网络时延增加甚至出现网络瘫痪;因此针对同类多传感器测量数据中含有的噪声和传输中包含大量冗余信息,通过多次实验对几种算法进行仿真比较,文中提出了一种基于递推估计的数据融合和自适应加权时空融合算法.该算法利用空间位置中多传感器的方差变化,通过调整参与融合的各传感器的加权系数,使融合系统均方误差始终最小.     

基于鲸鱼优化算法的变分模态分解和改进的自适应加权融合算法的管道泄漏检测与定位方法

针对管道泄漏检测与定位方法存在负压波传播衰减、噪声干扰大、数据融合率低等3种问题,提出了基于鲸鱼优化算法(whale optimization algorithm, WOA)的变分模态分解(variational modal decomposition, VMD)和改进的自适应加权融合算法(improved adaptive weighted fusion, IAWF)的管道泄漏检测与定位方法。该方法提出了三传感器泄漏检测与定位模型,并利用抗干扰能力强的WOA-VMD算法对原始信号进行消噪处理;然后采用小波分析求消噪信号的奇异点,进一步求出压力变送器检测到负压波信号的时间差;在此基础上,利用改进的自适应加权融合算法对多传感器数据进行融合,最终得到泄漏点的实际位置。实验结果表明：该方法可以有效地滤除噪声分量,获得更精确的融合结果,定位精度高,相对定位误差可以控制在1%以内,为管道泄漏检测与定位提供了一种新方法。     

多传感器信息融合Wiener反卷积平滑器

应用现代时间序列分析方法,基于ARMA新息模型和增广的状态空间模型,提出了按标量加权多传感器最优信息融合ARMA信号Wiener反卷积平滑器,给出了计算局部平滑器误差方差和互协方差的计算公式,它们可被用于计算最优加权系数．同单传感器情形相比,可提高融合平滑器的精度。一个仿真例子说明其有效性。     

大直径测量系统的特征层数据融合

为了克服多滚轮大直径测量系统中单一传感器的局限性,利用多传感器数据融合技术,充分挖掘不同时间和空间的测量数据信息,极大地提高了测量系统的性能和效率.将自适应加权算法应用于大直径测量系统的特征层数据融合,减少了不确定误差的影响.仿真结果表明:该算法得到的测量结果更加精确,效果较好.     

基于自适应加权的多传感器实时数据特征值提取

为实现监测数据的特征值提取，对传感器数据的预处理、时间维及空间维融合方法开展了研究。建立了实时数据融合模型，提出了基于3σ-grubbs检验的异常数据预处理方法，兼顾了异常数据剔除的速度与精度，能很好地消除疏失误差;对单个传感器数据采用分批估计原理进行融合，得到了特征估计值，实现了数据在时间维上的融合;通过对多个传感器的特征估计值采用自适应加权方法进行赋权，实现了数据在空间上的融合，并提出了考虑传感器精度的算法修正。实例计算表明，数据经3σ-grubbs方法处理后方差减小了20%~54%，与传统的算术平均滤波方法相比，分批估计自适应加权融合算法的数据融合方差明显更小，考虑传感器精度后的融合结果更接近高精度传感器值，特征值提取结果更加准确、可靠。     

单通道ARMA信号信息融合Wiener反卷积滤波器

应用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型、白噪声估值器和观测预报器,在线性最小方差最优加权信息融合准则下,对单通道ARMA信号提出了多传感器分布式融合Wiener反卷积滤波器,可统一处理融合滤波、平滑和预报问题。为了计算最优加权,提出了局部估计误差互协方差的计算公式。同单传感器情形相比,可提高滤波精度。一个仿真例子说明了其有效性和正确性。     

分布式传感器网络中基于数据融合的目标定位算法研究

利用分布式传感器网络以及数据融合方法来提高探测系统的检测与定位精度正在成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。算法采用两级自适应调整得到最优加权因子。首先利用线性最小方差估计(LMSE)算法得到权系数的初始值,然后利用训练节点和递归最小二乘(RLS)算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真。仿真结果表明,相比单节点定位,融合算法的定位精度有约一到两个数量级的提高。     

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。     

传感器融合技术在火灾预警探测中的应用研究

针对传统火灾报警系统存在的局限性,本文把传感器融合技术应用到火灾预警探测系统中.该系统采用传感器组探测早期火灾特征,在进行数据处理时,首先对同质传感器进行自适应加权数据融合,再对同质传感器采用D-S证据理论进行全局融合,最后得出对火灾的最优判断,很好地解决了报警灵敏度和误报率之间的矛盾.系统采取模块化设计,结构简单,容易实现等.     

称重式降水传感器测量误差变化研究

为研究自动气象站称重式降水传感器测量误差的变化规律,提出了一种通过依次添加砝码准确模拟降水量,从而实现现场校准的方法。对2019—2021年传感器现场校准数据进行统计,基于历史校准数据设计了一种计算称重式降水传感器偏离程度及其变化趋势的方法,根据历史校准数据得到传感器偏离程度变化模型。结果表明,现阶段传感器测量误差范围及观测数据质量整体受控可控,总体偏离程度为标准值的2.1%,且逐年增长0.1%。该研究可为气象传感器的测量误差预测、寿命预测提供参考。     

自适配权重特征融合的持续身份认证

针对现有智能手机用户身份认证方法的不足，提出了一种自适配权重特征融合的持续身份认证方法。设计了一种卷积神经网络，对手机内置传感器(加速度计、陀螺仪、磁力计)获取的用户行为信息数据进行深度特征提取及融合。通过网络中3个子网络流分别提取3种传感器特征，在特征融合层加权融合，各特征的权值会在网络学习过程中根据不同特征的贡献度实现自适应分配。融合特征经过特征选择之后，使用单分类支持向量机进行用户分类认证。实验结果表明：该方法对不同用户身份认证获得的等错误率为1.20%,与现有其他认证方法相比具有更好的认证准确性。     

触觉传感阵列信号的信息融合处理

在智能机器人服装中,压力传感器阵列输出性能易受环境温度、电压扰动等非目标参量因素的影响,其间存在的交叉干扰常导致测量精度显著降低。针对上述问题,提出了一种新的用于测量分布压力的压电传感阵列及其信号处理的方法。设计了传感信号的处理流程;析取并有效地处理了置信距离矩阵和关系矩阵融合中的有用数据;提出了用概率最大值法和极大似然法对多传感器信息作有效融合处理的方法。实验结果表明,该方法可消除温度对压力传感器的影响,减小了单个传感器不确定性的误差影响,提高了压力分布测量数据的稳定性和测量精度,可显著改进压力图像重构精度。     

基于二步法的多芯电缆非侵入式电流测量校正方法

为了解决多芯电缆的非侵入式电流测量由于被测对象信号微弱、系统灵敏度高、易受环境因素干扰,造成测量误差较大的问题,采用磁阻传感器的非侵入式电流测量系统为研究对象,在分析系统测量方法及硬铁、软铁和比例因子等误差构成的基础上,提出一种基于二步法的误差校正方法,该方法通过对传感器输出信号进行非线性变换,构造了与误差相对应的矩阵方程,并在对方程求解后进行非线性回归计算,从而实现对多芯电缆的电流测量值的动态误差修正.实验结果表明,该方法可以同时校正非侵入式电流测量系统的线性误差与部分非线性误差.     

Altitude information fusion method and experiment for UAV

Altitude regulation is a fundamental problem in UAV ( unmanned aerial vehicles) control to en-sure hovering and autonomous navigation performance.However, data from altitude sensors may be unstable by interference.A digital-filter-based improved adaptive Kalman method is proposed to im-prove accuracy and reliability of the altitude measurement information.A unique sensor data fusion structure is designed to make different sensors switch automatically in different environment.Simula-tion and experimental results show that an improved Sage-Husa adaptive extended Kalman filter ( SHAEKF) is adopted in altitude data fusion which means that altitude error is limited to 1.5m in high altitude and 1.2m near the ground.This method is proved feasible and effective through hove-ring flight test and three-dimensional track flight experiment.     

数据融合技术在车辆动态称重系统中的应用

为了提高车辆动态称重的抗干扰能力,设计了包含压力传感器和加速度传感器的称重板,并依据此系统的结构和特点,提出了三种数据融合计算方法:同一传感器多测量周期的数据融合、同类传感器的多传感器数据融合和异类传感器数据融合,以保证参数检测的可靠性和准确性。试验证明,该系统的测量精度较高,并能满足系统的实时性要求。     

机器人多传感器测距系统的数据融合

针对机器人工作环境的特点,提出了采用超声波与红外线传感器共同测距的方法,弥补了单一使用超声波传感器带来的缺陷.应用自适应加权数据融合技术,实现两种传感器在功能上的互补.实验结果表明,系统提高了整体测距精度,得到了被测距离更加准确的估计.