基于小波去噪和数据融合的多传感器数据重建算法

为了从被噪声干扰的各个传感器测量值中获得更准确的测量结果,提出了一种基于小波去噪和多传感器数据融合的传感器数据重建算法,仿真和实验的结果都表明：由该算法重建得到的各个传感器的重建数据的方差低于传感器测量值的方差,可以认为多传感器数据重建算法给出了对每一个传感器的更为准确的测量结果。     

同类多传感器自适应加权估计的数据级融合算法研究

针对同类多传感器测量中含有的噪声,提出了多传感器数据自适应加权融合估计算法,该算法不要求知道传感器测量数据的任何先验知识,依据估计的各传感器的方差的变化,及时调整参与融合的各传感器的权系数,使融合系统的均方误差始终最小,并在理论上证明了该估计算法的线性无偏最小方差性.仿真结果表明了本算法的有效性,其融合结果在精度、容错性方面均优于传统的平均值估计算法.     

改进卡尔曼算法在电子鼻信号处理中的应用

为了降低的电子鼻测量过程中噪声信号对采样结果的影响,提出一种改进的自适应卡尔曼滤波算法,该方法能自适应调整测量方差以及能够滤除传感器本身具有的非高斯噪声信号.针对电子鼻测量过程中的信号特性,建立了测量数据处理的卡尔曼滤波模型,重点讨论改进卡尔曼滤波算法,并将该算法应用到电子鼻测量数据处理过程中,结果表明该方法能够拟制电子鼻测量过程中产生的噪声,提高电子鼻的测量精度.     

基于数据融合理论的无陀螺微惯性测量组合算法研究

在国外学者研究的基础上改进了无陀螺微惯性测量组合的模型，提出一种新颖的解算算法，采用基于假设检验理论的数据融合理论对传感器的冗余信息进行解算，抑制了迭代误差，提高了解算精度。经过仿真计算验证该方案的可行性。该算法有效地利用了传感器的全部信息，使导航精度提高了近一个数量级，从而为无陀螺微惯性测量组合的实用化奠定了理论基础。     

多传感器稳健融合跟踪算法

讨论了多传感器融合跟踪的稳健性算法．针对集中式多传感器的融合跟踪结构,采用统计方法和随机逼近方法分析了传感器最优权的选取原则,得出了传感器融合对公共测量噪声没有影响的结果．依据最优选取原则给出了两种自适应融合跟踪算法,算法能在线适应传感器性能的变化,并使融合方差最小．采用典型航路进行了算法仿真,结果验证了理论分析的合理性和工程应用有效性．     

基于一致性处理和模糊理论的数据融合算法研究

本文针对异类多传感器对同一物理量进行高精度测量,各测量数据的可靠度估计困难和如何对测量数据进行融合的问题,提出了对多传感器数据进行一致性处理的一种新方法,并基于模糊理论,用模糊贴近度的方法获得多传感器测量数据的融合结果。该方法计算简单,能够客观地反映各传感器测量数据的一致性和可靠程度。既无需知道数据的先验信息,也无需人为设定判别值。实例验证表明,该算法运算过程简洁、快速、有效,获取的结果具有更高的稳定性与精度,适合工程实际应用。     

基于噪声方差估计和模型参考的传感器动态补偿

针对采用最小二乘法(least-squares, LS)无法得到传感器动态补偿器参数无偏估计的问题,提出了一种基于输入信号噪声方差估计和模型参考的无偏辨识算法.该算法先通过小波变换估计噪声的方差,再由估计得到的方差,通过偏差消除的递推最小二乘法,对补偿器的参数进行无偏辨识.同时,利用参考模型建立卡尔曼滤波器,消除高频噪声对测量精度的影响.在薄膜热电偶上进行了仿真研究,以验证该方法的有效性.结果表明,算法降低了对输入辨识信号的要求,即不再必须为白噪声,具有较强的实用性.     

多工位制造系统偏差源监测传感器布置优化

为了获得多工位制造系统足够的有效测量信息和最大化多工位制造系统的偏差源监测能力,应采用合适的测量策略并对传感器布置进行优化.在状态空间模型基础上,建立了多工位制造系统中3个偏差源与传感器测量值间的空间关系,给出了量化描述系统偏差源监测能力的方差监测敏感度系数,以及将数据挖掘算法与进化算法相结合的传感器布置的优化方法,解决了最大化多工位制造系统偏差源监测能力的传感器布置优化问题.通过箱形工件加工实例,验证了该方法的有效性.     

一种高精度多传感器融合测距系统

通过测距系统计算机器人运动路径是机器人壁障、路径规划以及协作编队关键技术之一。根据移动机器人工作环境地形复杂、光线差等特点,采用高精度激光传感器和超声波传感器协同测距,以ARM9为核心设计了软硬件,在此基础上,研究了自适应加权平均数据融合算法,并分析了各传感器的误差和方差。经实验统计,多传感器融合比单一传感器测量精度平均提高了47%,测量误差减小到0.5 cm以内,表明本系统提高了测量精度和可靠性。     

任意噪声相关异类传感器非线性系统状态矢量融合

基于线性无偏最小方差估计理论，提出了一种任意相关噪声异类传感器非线性系统状态矢量融合算法．该算法考虑了过程噪声和测量噪声以及测量噪声之间的相关性和传感器系统结构的不同性，增加了描述多传感器融合系统的信息量，通过局部估计的组合构造新的变量以去除局部状态之间的相关性，采用顺序滤波的方法减小了异类多传感器融合系统全局状态估计的计算量．仿真结果表明，由于考虑了过程噪声和测量噪声以及测量噪声之间的相关性，状态矢量融合算法比噪声不相关融合算法具有更好的跟踪性能，航迹跟踪的精度得到了改善．     

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。     

基于多重检测及双权值的椒盐噪声自适应滤波算法

提出一种针对椒盐噪声的扩大窗口多重检测及使用双权值的自适应滤波算法.采用对可疑噪声扩大窗口进行多次重复检测来提高对噪声的判别,采用基于图像整体相似度和像素相似度的两种权值构造加权滤波函数,采用噪声剪切和自适应窗口实现滤波.实验表明,算法对不同密度的椒盐噪声具有良好的适应性,在高密度噪声下去噪效果有明显改善.     

基于多重检测及双权值的椒盐噪声自适应滤波算法

提出一种针对椒盐噪声的扩大窗口多重检测及使用双权值的自适应滤波算法。采用对可疑噪声扩大窗口进行多次重复检测来提高对噪声的判别,采用基于图像整体相似度和像素相似度的两种权值构造加权滤波函数,采用噪声剪切和自适应窗口实现滤波。实验表明,算法对不同密度的椒盐噪声具有良好的适应性,在高密度噪声下去噪效果有明显改善。     

无人机组合导航系统的自适应算法研究

为了缩短捷联惯导系统的初始对准时间并提高对准精度,分别设计了常规卡尔曼滤波器和自适应卡尔曼滤波器用于精对准。在系统噪声统计特性未知时,自适应卡尔曼滤波算法利用滤波残差的均值和方差,不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,从而提高滤波器对模型不确定性和噪声变化的适应能力和鲁棒性。仿真结果表明,使用自适应UKF算法与常规的UKF算法相比,可以获得更优的对准精度和快速性。     

足球机器人运动控制算法研究

在建立基于小转角的足球机器人运动学模型的基础上,提出了单神经元自适应PID控制算法和基于Kalman滤波的PID控制算法.通过仿真分析,系统在单神经元自适应PID控制下,超调量、上升时间和峰值时间分别是常规PID控制下的30.7%,54.3%和72.7%,完全满足足球机器人现场比赛竞技性的要求;基于Kalman滤波的PID控制能够抑制干扰,提高控制精度,控制效果明显改善.     

一类线性系统卡尔曼滤波器自适应算法

为了解决实际线性系统中系统噪声方差和观测噪声方差未知的问题,提出了一种新的卡尔曼滤波自适应算法,利用新息序列的方差, 可以在系统的自身计算过程中逐步估计并校正系统噪声方差和观测噪声方差.系统模拟显示,估计的系统噪声方差和观测噪声方差均收敛于实际的系统噪声方差和观测噪声方差,而且收敛速度比传统卡尔曼滤波要快.     

一种动态窗口调整IAE滤波器的立体视觉测量滤波

针对运动物体的立体视觉测量滤波问题进行研究,引入IAE（innovation-based adaptive estimation）滤波器,并提出了一种IAE窗口动态调整的方法.先通过IAE对噪声方差估计的误差与窗口宽度的关系,限定了宽度的取值范围,再依据物体运动的深度变化率计算噪声标准差的变化率,以此动态调整滤波器窗口的宽度,从而提高IAE对噪声统计特性的估计精度.实验结果表明,所提出算法具有良好的滤波效果.      

火电机组锅炉烟气含氧量预测

火电厂测量烟气含氧量主要是用氧化锆传感器和磁式氧气传感器,由于测量环境灰尘大,具有腐蚀性介质如硫化物等,容易发生测量环室堵塞和热敏元件腐蚀,所以其稳定性差,测量误差大,容易发生故障。针对这一情况提出了一种基于遗传算法和神经网络的测量模型。根据电厂已有的测点和机理分析初步选取模型辅助变量,在建模前对数据进行预处理,分别采用拉依达法则去除粗大误差、五点三次平滑滤波去除噪音。采用偏最小二乘进行主元分析,最后运用遗传算法对神经网络的权值阈值进行寻优,构建了基于遗传算法对初始权值和阈值优化的反馈神经网络模型。研究结果表明,基于遗传算法优化权值和阈值的神经网络预测烟气含氧量精度较高,且收敛速度快。     

基于改进差分进化的高精度粒子滤波算法

针对智能优化粒子滤波算法精度较低和收敛速度慢的问题,提出一种改进适应度函数和搜索策略的差分进化粒子滤波算法(IDE-PF).该算法通过自适应融合粒子权值和量测误差得到适应度函数,并利用该函数评价粒子的可信度,引导粒子向后验概率密度取值高的位置移动,同时引入新的搜索策略,不仅保持了粒子多样性,还加快了算法收敛的速度.仿真结果表明,该算法可有效提高智能优化粒子滤波对于非线性系统状态估计的精度和实时性.     

改进粒子滤波在行人跟踪中的应用

为提高粒子滤波在目标跟踪中的性能,将萤火虫算法(Firefly Algorithm,FA)的优化思想引入粒子滤波,并用自适应差分进化(Self-adaptive Differential Evolution,SaDE)算法代替粒子滤波的重采样,提出一种改进的粒子滤波跟踪算法,并采用新的跟踪特征HSV-iLBP进行跟踪.该算法将FA用于粒子滤波的重要性采样,通过计算迭代来抽取更加有效的粒子,并将粒子滤波的重采样过程看作求解目标函数的最值问题,通过自适应差分进化算法的迭代寻找最优粒子,改善粒子的退化和贫化问题.HSV-iLBP模型由于结合了维数低的HSV颜色特征和iLBP纹理特征,从而在提高跟踪鲁棒性的同时,能有效降低计算复杂度.通过仿真实验,验证了改进算法在行人跟踪上具有更好的精度和速度.