多传感器单目标位置融合算法

本文提出了一种多传感器单目标空间位置融合处理算法,利用该算法可以获取飞行目标的最佳运动轨迹.经模拟计算,表明该算法是对飞行目标测量数据进行融合处理的一种较为理想的方法.     

应用多传感器时间融合的塞状流测量研究

气液两相流由于其自身的复杂性,流型、流量等流动参数的测量一直是研究的重点和难点.应用多传感器数据融合技术测量气液两相流可以从多角度揭示流体信息,提高流动参数的测量精度.多传感器系统主要由截面信息测量系统和V型内锥式流量计构成,在利用相关技术对截面测量信息与V型内锥式流量计的测量数据进行时间融合的基础上,对水平管气液塞状流经行了分段式的流量测量.测量中将气塞和液塞分开计算,并引入了等效干度的计算,通过对实验结果进行的误差比较,验证了该方法是可行的,而且能一定程度上提高测量精度.     

基于模糊证据理论的多特征目标融合检测算法

提出了一种基于平方证据权重的模糊证据组合方法,并应用于弱小目标多特征融合检测算法中,采用了证据理论中的基本概率分配函数来描述判决结果的不确定性,首先提取检测图像的局部灰度均值对比度、局部梯度均值对比度、局部差值和局部熵四个特征,然后对特征进行归一化,再对其进行模糊化并根据先验知识和测量统计的结果对目标各特征值所取空间和待识别目标假设集进行基本概率分配,接着采用自适应加权融合的方法得到目标的基本可信度,最后采用基于博弈概率分布的决策规则得到检测后的目标图像。实验结果表明,该算法能在较大程度上降低目标检测过程中的不确定性,提高系统的检测性能。     

基于BP神经网络的多传感器信息融合研究

BP网络是应用最广的一种人工神经网络,将BP神经网络应用到压力检测领域的温度等非线性补偿,具有重要的实用价值,对压力检测精度的改进效果显著。从传感器信息融合的角度看,神经网络就是一个融合系统。通过对神经网络基本理论的阐述,针对研究对象将BP神经网络原理与多传感器信息融合技术有机集合起来,提出了基于BP神经网络的二传感器信息融合模型及改进算法,建立了BP神经网络训练标准样本库,并对该网络模型进行主要技术指标的测试和仿真工作,测试结果表明构建的模型及其改进算法能很好地满足了高精度压力检测仪的指标要求。     

基于多阵列数据融合的宽带多声源定位研究

研究多个传声器阵列数据融合和宽带多声源近场定位算法。该算法首先融合多个传声器阵列数据,然后对多声源进行定位。由于充分利用多个阵列的数据,降低了分辨门限,提高了定位的精度和稳健性。通过仿真计算,证明了算法的有效性。     

基于多Agent的无线传感器网络分层融合框架研究

客户端/服务器（C/S）模式和移动代理（MA）模式是无线传感器网络中的两种最主要的计算模式,MA计算模式可以弥补C/S计算模式能量消耗大、延时长等方面的不足。为了更好的降低能量消耗和缩短网络中数据融合时间,提出一种基于多Agent的无线传感器网络分层融合框架。将无线传感器网络监测区域分层若干个区域,将每个小的监测区域分为簇头―sink和簇头―簇成员节点两层,由sink节点根据用户需求向每个监测区域派遣移动Agent并完成数据采集和数据融合。这种模式可以有效地缩短网络中数据融合时间和降低能量消耗。     

基于DS证据理论和压缩感知的WSN数据融合策略设计

为了降低WSN数据量和延长网络生命周期,设计了一种基于DS证据理论和压缩感知的WSN混合数据融合策略;首先,在分簇协议的基础上引入了基于DS证据理论和压缩感知的混合模型,然后,采用改进的DS对所有簇成员节点的基本信度分配函数进行加权处理,在簇头处采用加权和归一化的信度分配函数计算证据对各命题的支持程度,将支持程度较大的若干命题作为DS融合结果,在此基础上采用压缩感知方法通过构造测量矩阵对融合结果进行稀疏化表示,并在基站处对稀疏信号进行重构;仿真实验表明,文中方法能有效地实现数据融合,且和其他方法相比,具有重构误差较小和网络生命周期较长的优点,具有较大的优越性。     

防御系统中多传感器融合跟踪的关键技术分析

多传感器融合跟踪系统作为防空武器系统的一个子系统,在作战中有着极其重要的地位。针对下一代防空武器系统的发展和需求,从现有的较为成熟的融合理论与技术出发,构造一个集红外、雷达和激光雷达等多传感器为一体的高性能融合跟踪系统模型,剖析其相关结构,并结合当前数据融合算法研究来分析融合系统中数据关联算法的选取、改进和研究方向。     

基于多传感器融合的摔倒检测算法的研究

针对传统摔倒检测算法中误报和漏报率高的不足,提出一种基于多传感器融合的摔倒检测算法。该算法分别以人体的加速度和姿态角值为判定依据。首先,采用三轴加速度传感器和电子罗盘对上述两种数据进行采集,并通过无线模块发送至PC机。之后对采集数据进行分析和处理,进而根据阈值进行异常姿态检测。最终,综合加速度和姿态角的分析结果给出准确的检测结论。实验结果表明,该算法检测的准确率达99.2%、与传统检测算法相比具有更强的稳定性与可靠性。     

基于多传感器数据融合的人体运动模式识别研究

针对单一传感器在人体运动姿态监测中误差较大的问题,提出了一种基于加速度传感器和陀螺仪数据融合的人体运动模式识别方法。该方法使用陀螺仪输出的人体运动信息对加速度传感器采集到的姿态角信息进行修正,采用卡尔曼滤波算法实现多传感器信息的融合,有效提高了姿态角度测量的准确度。根据人体日常的活动状态构建了基于人体姿态角度特征的隐马尔可夫模型实现人体运动模式的识别。实验表明,该方法比采用单一传感器方法识别的准确率高,可以有效区分不同的日常活动行为。     

基于模糊推理的纹理图像融合方法研究

研究了模糊逻辑方法在图像特征层融合中的应用,介绍了两种模糊推理方法—Mamdani型和Sugeno型模糊逻辑推理系统,以及基于Sugeno型模糊推理的自适应模糊神经网络系统;在红外-可见光双通道图像融合实验中,采用Gabor滤波提取两幅图像的纹理特征,并分别采用两种模糊推理方法进行特征层融合。对融合效果进行了分析,结果表明两种模糊逻辑方法在不同应用环境下都可以取得了较好的融合效果。     

基于对偶数理论的资料同化新方法

针对变分资料同化中目标泛函梯度计算精度不高且复杂等问题, 提出了一种基于对偶数理论的资料同化新方法, 主要优点是: 能避免复杂的伴随模式开发及其逆向积分, 只需在对偶数空间通过正向积分就能同时计算出目标泛函和梯度向量的值. 首先利用对偶数理论把梯度分析过程转换为对偶数空间中目标泛函计算过程, 简单、高效和高精度地获得梯度向量值; 其次结合典型的最优化方法, 给出了非线性物理系统资料同化问题的新求解算法; 最后对Lorenz 63混沌系统、包含开关的不可微物理模型和抛物型偏微分方程分别进行了资料同化数值实验, 结果表明: 新方法能有效和准确地估计出预报模式的初始条件或物理参数值.     

Infrared/laser multi-sensor fusion and tracking based on the multi-scale model

The state estimation problem of targets detected by infrared/laser composite detection system with different sampling rates was studied in this paper. An effective state estimation algorithm based on data fusion is presented. Because sampling rate of infrared detection system is much higher than that of the laser detection system, the theory of multi-scale analysis is used to establish multi-scale model in this algorithm. At the fine scale, angle information provided by infrared detection system is used to estimate the target state through the unscented Kalman filter. It makes full use of the high frequency characteristic of infrared detection system to improve target state estimation accuracy. At the coarse scale, due to the sampling ratio of infrared and laser detection systems is an integer multiple, the angle information can be fused directly with the distance information of laser detection system to determine the target location. The fused information is served as observation, while the converted measurement Kalman filter (CMKF) is used to estimate the target state, which greatly reduces the complexity of filtering process and gets the optimal fusion estimation. The simulation results of tracking a target in 3-D space by infrared and laser detection systems demonstrate that the proposed algorithm in this paper is efficient and can obtain better performance than traditional algorithm.     

模糊对向传播网络数据融合目标识别方法

重点研究了模糊对向传播网络 (FCPN)模型。针对数据融合和目标识别的特点 ,提出了基于模糊对向传播网络的融合目标识别方法和改进的模糊对向传播网络 (MFCPN)融合结构。利用仿真数据对网络的训练算法和融合结构进行了实验研究。结果表明 ,模糊对向传播网络较误差后向传播网络 (BPN)能够有效地实现融合识别 ;改进的模糊对向传播网络融合结构是可行的。同时还对FCPN和MFCPN应用于前视红外 (FLIR)和可见光摄像机目标跟踪系统进行了应用研究。     

基于小波变换与小域特征模糊融合的人脸识别

小波变换是一种很好的图像压缩方法,利用小波变换对人脸图像进行三次小波分解,并将低频分量分割成为7个子图像。鉴于人脸上的各小域子图像信息的相互独立性。先利用小域子图像实现软分类,然后使用传统奇异值分解(SVD)法提取出各小域子图像的奇异值(SV),构造出小域奇异值特征向量,给出待识别图像对训练样本图像的隶属度,并采用模糊融合的方法对小域特征进行数据融合,获得识别结果。实验结果表明,该方法实现起来简单、识别速度快,具有很高的识别率。     

基于D S理论的中子测试数据统计

针对由于样本数量、测量误差和动态特性等因素,致使采用概率统计方法来对中子发生器的中子测试数据进行统计存在许多局限性和不合理性,讨论了D-S理论中的基本分配、信任函数、上下概率等概念,利用该理论对中子发生器的中子测量数据进行处理统计,最终得到中子产额在一定置信区间内概率分布上、下限值和平均中子产额。与传统的概率统计方法相比,该统计方法能适用于非精确性数据,且不受样本大小的限制。     

基于数据融合的风电机组噪声预测

根据风电机组噪声信号检测复杂的情况,研究风电机组非声学参数的信息熵特征,对机组噪声进行多源数据融合预测。分析基于信息熵的非声学参数的特征提取方法,并对传统的基于遗传算法的支持向量机回归(GA-SVR)的缺陷提出改进,结合实际应用的非声学参数的信息熵特点平衡遗传算法(GA)的终止条件。通过统计分析完成了输入变量的筛选,去除了对预测影响较大的共线性因素,并实现了输入降维提高预测精度和速率。最后应用数据的信息熵特征,训练改进的GA-SVR建立最终的多源数据特征级融合预测模型。通过对比表明基于多源数据融合的预测方法精度最高,预测结果的相对误差平均值为0.7757%,具有实际可行性。     

基于小波变换和数据融合技术的弱小目标检测

鉴于弱小目标检测所固有的难点及常用的单一分辨率下的检测方法还不能准确稳定地检测出目标,提出了一种弱小目标检测新方法。考虑到实际应用中的复杂背景和大量干扰噪声,运用数据融合技术,先对图像进行小波多分辨率分解,然后将不同分辨率下的子图进行最优加权平均融合来检测弱小目标。用实地拍摄的空中弱小目标红外和可见光图像分别进行实验验证,实验图像取256×256像素点阵大小,其中目标占10×10像素左右。结果表明该方法能够准确稳定地检测弱小目标,为后续的跟踪作了很好的铺垫。