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。     

多传感器集成测量系统的数据对齐方法研究

反求工程中,多传感器集成测量系统对于提高实物数字化的效率和精度有着重要意义。本文对多传感器集成测量系统中不同数字化方式所获数据的对齐和融合进行了研究,并提出了一种不依靠简单几何体作为基准的自动对齐算法。该算法首先通过计算点集曲率来辅助选取3对近似对应点,求解坐标变换矩阵实现初始对齐;然后对非接触扫描点云进行三角剖分,以接触式测量所获点集向对应三角片的投影寻找对应点,然后进行坐标变换迭代求解,从而实现了不存在对应点的点集之间的对齐;最后包围盒求交法实现了数据的融合。实验结果表明,该算法行之有效,运行效果良好。     

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。     

Ω焊缝多通道涡流检测定量方法研究

本文在数据融合理论基础上采用改进的一致性算法,编程实现了Ω焊缝多通道涡流检测信号融合,最后结合试块缺陷示意图综合分析检测到的缺陷,从而对Ω焊缝缺陷做出定量分析.结果表明:改进的一致性算法融合多传感器的测量数据,克服了一致性算法中两个传感器在测量精度不同时置信距离不同的缺点,对支持矩阵进行模糊化处理,避免了人为定义阈值而产生的主观误差.     

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．     

带相关噪声多传感器系统的事件触发贯序和分布式融合估计

对带相关噪声的多传感器系统,研究了事件触发的贯序和分布式融合估计算法.不同传感器之间的观测噪声同时刻相关,并与过程噪声一步相关.为了节省通信能耗,采用了事件触发传输机制,该机制依赖于每个传感器当前的观测值和上一个触发时刻的观测值.在事件触发条件下,提出了在线性最小方差意义上的最优贯序融合和分布式融合估计算法.所提出的贯序融合算法可以根据传感器观测数据到达滤波器的顺序进行实时处理,具有较小的计算负担.所提出的分布式融合算法可以对传感器观测数据进行并行处理,具有更好的可靠性.两种算法与事件触发集中融合算法具有相同的估计精度.仿真结果验证了算法的有效性.     

多分辨率多传感器动态数据的融合和应用

基于线性均方估计建立了q叉树的多尺度自回归模型。该模型应用于分布式多分辨率多传感器进行建模，可实现多分辨率多传感器的动态数据融合。将该算法用于高精度划线切割机器人系统中多传感器的建模，实现了型钢划线切割过程中型钢边缘的动态检测。实验结果表明，多分辨率多传感器数据融合可消除噪声的干扰，提高检测系统的测量精度和整个加工系统的加工精度。     

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.     

基于自适应高斯-牛顿迭代三步延迟时空融合的无人机测高

针对无人机巡航测高过程中,采用单一传感器进行高度测量时受到环境干扰较大且精度较差,而现有多传感器融合方法精度较低的问题,提出一种基于自适应高斯-牛顿迭代三步延迟时空融合的无人机测高方法 .首先,将优化后的三步延迟时空融合算法作为第一层融合,有效避免了传感器出现故障所导致的测量误差;其次,采用加速度计对融合后的数据进行检测和辅助测高,将基于参数迭代的自适应高斯-牛顿滤波器作为第二层融合模型算法,可以在保证稳定性的前提下,提高无人机巡航或悬停时的精度.最后,采用实际高度测量数据进行实验.实验结果表明,与二步延迟融合方法比较,最大误差减小25.4%,均方根误差减小26.4%.同时,该测高方法简化了相关量测方程和状态量维数,降低了计算量,系统结构更加简洁,有利于实际应用.     

基于Rough集的多传感器信息融合

Rough集是一种处理含糊和不精确性问题的新型数学工具,将其应用于多传感器信息融合中,可以简化规则的描述和表示,有利于快速得到最小融合算法,同时可以解决数据超载问题,形成多传感器信息融合算法。     

Data acquisition, analysis and applications of multi-sensor integration

This paper presents some key techniques for multisensor integration system, which is applied to the intelligent transportation system industry and surveying and mapping industry, e.g. road surface condition detection, digital map making. The techniques are synchronization control of multisensor, spacetime benchmark for sensor data, and multisensor data fusion and mining. Firstly, synchronization control of multisensor is achieved through a synchronization control system which is composed of a time synchronization controller and some synchronization subcontrollers. The time synchronization controller can receive GPS time information from GPS satellites, relative distance information from distance measuring instrument and send spacetime information to the synchronization subcontroller. The latter can work at three types of synchronization mode, i.e. active synchronization, passive synchronization and time service synchronization. Secondly, spacetime benchmark can be established based on GPS time and global reference coordinate system, and can be obtained through position and azimuth determining system and synchronization control system. Thirdly, there are many types of data fusion and mining, e.g. GPS/Gyro/DMI data fusion, data fusion between stereophotogrammetry and PADS, data fusion between laser scanner and PADS, and data fusion between CCD camera and laser scanner. Finally, all these solutions presented in paper have been applied to two areas, i.e. landborne intelligent road detection and measurement system and 3D measurement system based on unmanned helicopter. The former has equipped some highway engineering Co., Ltd. and has been successfully put into use. The latter is an ongoing research.     

多传感器数据的处理及融合

针对多传感器数据的多样性, 提出一种改进的数据融合算法. 首先, 利用小波技术消除已收集数据的高斯白噪声并对数据进行压缩; 其次, 对处理后的数据进行分层, 并对系数进行Kalman滤波, 同时利用Mallat快速重建算法重构数据; 最后, 利用最大、 最小贴近度计算传感器数据的信噪比, 并通过信噪比进行数据融合. 基于实际采集的多传感器数据对比实验结果表明, 该数据融合算法在稳定性上优于简单加权数据融合、 小波数据融合和Kalman滤波融合等算法.     

多源遥感数据融合在城市发展研究中的应用

多源遥感数据融合是一种通过高级影像处理技术来复合多源遥感影像的技术,其目的是将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合,提高获取信息的有效性和准确性,解释的可靠性,以形成对目标的完整一致的信息描述,把不同传感器的遥感数据和非遥感数据融合在一起应用,是遥感技术应用向纵深发展的必然趋势。本文利用上海地区不同时期、不同卫星的遥感数据及没时期上海城区发展的地图数据,制作了上海市城市发展态势图,并对结果进行了分析研究。     

基于多传感器信息融合技术

笔者根据多年的跟踪研究，将多传感器信息融合作为一种信息处理技术来理解，阐述了信息融合的概念，融合的方式、方法，重点介绍了D-S证据理论和Bayes方法，并总结了信息融合存在的问题以及信息融合技术的研究发展方向。     

多维位置数据最优融合方法

本文给出了一种多传感器多维位置数据融合的方法。这种方法基于多维位置数据的鲁棒估计和最小方差结合法。每个传感器用鲁棒估计得到自身数据的位置估计和方差估计,把这些估计融合为一个最优估计,即传感器系统的估计。     

云计算下大规模非显著特征多传感数据融合系统设计

云计算环境下存在大规模非显著特征多传感数据,传统数据融合系统容易受到传感器自身干扰,融合结果不可靠。为此,设计了一种新的云计算下大规模非显著特征多传感数据融合系统。给出融合系统总体结构,介绍了非显著特征数据采集模块。利用模糊理论与协方差匹配技术对经典卡尔曼滤波技术中的噪声协方差进行修正,以滤除传感器自身噪声。在云计算环境中,以联合滤波结构为基础,实现云计算下大规模非显著特征多传感数据的融合。实验结果表明,所设计系统融合结果可靠、实用性强。     

多变量过程传感器故障检测的SVM方法

提出一种适用于具有纯滞后多变量过程的传感器故障检测方法.该方法结合支持向量机回归算法与数据驱动的信息融合技术,给出一种采用广义支持向量机观测器的传感器故障检测、分离和数据恢复系统的架构.每个关键传感器都配置一个由过程输入和除被监视传感器之外的过程输出共同驱动的观测器,对传感器实际输出与观测器输出进行了比较,并对数据的有效性进行了确认.多组分精馏塔系统实验表明,该方法能够对过程传感器故障进行检测,并且具有较好的鲁棒性.     

多传感器集成与信息融合原理

现代监控系统需要检测工作环境多个物理参数,因单个传感器难以提供比较全面环境信息,多传感器配置成为现实、可行的选择.在阐述多传感器集成与信息融合出现的历史背景、含义、特点的基础上,系统地阐述了多传感器系统研究的主要内容,核心研究内容包括拓扑结构与融合模型.