基于ZigBee技术的无线火灾概率分级预警系统设计

针对传统火灾报警系统在布线、扩容等方面的不足,在无线火灾预警产品缺少的现状下,利用无线传感器网络技术和多传感器融合技术设计了一个无线火灾概率分级预警系统;该系统采用ZigBee技术快速建立星形预报警网络,节点扩充容易,根据多传感器融合信息,将火灾发生趋势按概率等级给出预警;经过试验验证,能够适应各种复杂环境的火灾预警和报警要求.     

靶向树突状细胞的呼吸道合胞病毒F重组蛋白的构建与体外活性分析

分析以人呼吸道合胞病毒(Human respiratory syncytial virus,RSV)融合糖蛋白(fusion glycoprotein,F)为抗原靶向DEC205/CD205受体策略对重组F蛋白表达及活性的影响.F蛋白是RSV的重要中和抗原,克隆RSV F蛋白胞外区的编码基因至可识别鼠树突状细胞(Dendritic cells,DCs)DEC205受体的单链抗体(single chain antibody of anti-DEC205,scDEC)的C端,构建可表达重组F蛋白(scDECF)的质粒pVAX1/scDECF,Western blot方法检测scDECF的表达,免疫荧光法和流式细胞术检测表达的scDECF与DEC205受体的结合活性.经Western blot证实在pVAX1/scDECF转染的293T细胞成功表达了scDECF.将所获得的细胞培养上清与表达鼠DEC205受体的细胞CHOmDEC205孵育,用免疫荧光和流式细胞术证实:与作为对照的重组F蛋白scISOF相比,所获得的scDECF与CHOmDEC205细胞呈现明显的结合.本研究成功表达了重组蛋白scDECF,且所获得的重组蛋白scDECF具有与表达DEC205受体的细胞特异性结合的活性.     

基于边缘检测与分裂合并的多区域分割研究

为了使多区域分割后的图像边缘更加清晰，提出了一种将边缘检测与分裂合并法相结合的多区域网像分割方法，其基本思想是用边缘检测算子与分裂合并法分别对同一幅图像进行分割，然后应用信息融合技术将经过上述处理后的两幅图像融合，得到新的图像，在进行图像融合时，采用了像素级和特征级两种融合方法．实验结果表明，该算法可将图像明显地分割成多个区域，且边缘清晰，分割效果令人满意．     

二级倒立摆基于融合函数的模糊控制

文章针对多变量、非线性、强耦合性的二级倒立摆系统,采用模糊控制理论研究了二级倒立摆的稳定控制问题.考虑到二级倒立摆为多变量系统,为了解决模糊控制器规则组合爆炸问题,利用LQR控制方法设计了融合函数以降低模糊控制器的输入变量维数,降低了控制器的设计难度,并研究了量化因子对控制效果的影响,通过设置阈值使量化因子可自动调节,...     

基于层次分析模糊特征融合的目标识别

提出了基于层次分析法模糊特征融合的目标识别，给出了确定多因素属性特征参量相对重要性的量化关系和综合模糊推理识别的权重向量求解方法，利用综合模糊评判模型进行辐射源的属性判决识别。通过计算机仿真试验，证实了该方法的有效性。     

考虑可信度评价的多传感器一致性鲁棒测度方法

针对多传感器一致性测度的研究多集中于对某一时刻多传感器观测结果的判断,并未考虑时间序列的影响,导致某一时刻的一致性测度结果并不可信的问题,在传统的一致性测度基础上,采用一致性测度结果队列的中值作为测度结果的鲁棒估计,采用一致性测度结果队列的方差描述测度结果的稳定性,实现对一致性测度结果进行可信度评价,从而获得对传感器观测结果可靠性更好、可信度更高的评估.仿真实验表明,通过对多传感器观测数据的一致性测度结果进行可信度加权,可以显著提高一致性测度的鲁棒性,可以消除由于传感器性能不稳定带来的影响,有效识别出性能不稳定的传感器并将其剔除,为数据融合提供一致性传感器组.     

基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态,实现对电机故障模式的自动识别与准确诊断,将信息融合技术与神经网络相结合,建立电机故障诊断系统。在数据融合级上,将故障特征量进行分类处理,然后,采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,再运用DempserShafer(D-S)证据理论融合算法对各证据进行融合,最终,实现对电机故障的准确诊断。诊断测试试验证明:该诊断系统提高了电机故障诊断的精度,并能满足诊断的实时性要求。     

一种基于相关证据的数据融合算法

根据Dempster-Shafer证据理论和相关证据合成方法，将证据合成算法应用于神经网络分类器中，以提高分类器的分类精度。在UCI数据库的分类中的应用结果，证明了该方法的有效性。     

基于平方根UKF的多传感器融合跟踪

为了提高融合算法的精度,将UKF(Unscented Kalman Filter)算法与多传感器顺序滤波融合跟踪算法相结合,提出了基于UKF的多传感器序贯融合算法.UKF算法利用非线性方程自身的传播,估计系统状态,避免了对非线性方程线性化的过程.顺序滤波融合算法用同一时刻的量测依次更新状态,计算复杂性低.仿真结果表明,UKF顺序滤波融合跟踪算法比传统的扩展卡尔曼滤波(EKF)算法有更高的跟踪性能,是一种有效的非线性融合算法.     

基于模型概率的多模型融合定轨建模及仿真

针对实际定轨系统中存在的不确定性和非线性性,提出了一种基于模型概率的多模型融合定轨方法.通过多个线性模型的组合来逼近卫星定轨复杂非线性时变过程,将卫星状态的最优估计与多模型融合方法相结合,利用残差的大小来设计性能指标函数,给出了两种模型概率的表示形式,并建立了多模型融合估计相应的算法.仿真结果表明,与单一模型定轨方法相比,该方法不仅能大大提高卫星定轨精度和可靠性,而且还可以最终辨识和估计模型参数的真值,且对外界环境发生的变化有很强的自适应能力.