多传感器系统动态性能指标的研究

文章在对多传感器数据融合系统的性能评价与多目标跟踪系统的性能评估技术进行探讨的基础上，给了了多传感器系统动态性能指标的建立方法，最后给出这些指标的设计和应用，取得了令人满意的仿真结果。     

基于无人车传感器系统的加权平均数据融合算法研究

无人车在运行过程中,需要利用多传感器系统对周围道路环境进行观测,但这些传感器获取的数据信息存在着超载,丢失或不精确等问题,则需采用数据融合技术对所获数据加以优化处理。本文基于无人车的多传感器系统,对加权平均数据融合算法进行了研究,符合无人车运行环境下融合层次的要求,在实际的数据融合处理中具有很高的可行性。     

基于多传感器室内云定位技术研究

目前室内定位技术仍处于探索阶段,正在研究的室内定位技术包括WiFi、Bluetooth、RFID、Zigbee、可见光定位、地磁定位、红外线定位和超声波定位等,通过这些独立的技术手段已经实现5～10 m的室内定位精度,但是在工作过程中这些技术手段往往存在可靠性、连续性和稳定性不足的现象,难以满足大众位置服务和应急救援的需求。在研究智能手机的WiFi、蓝牙和地磁等多传感器的基础上,提出了一种混合室内云定位技术,通过基于深度学习的多层指纹特征提取技术、基于众包数据的指纹数据更新技术,最终实现可靠连续稳定的定位结果,达到优于3 m的室内定位精度。     

多传感器数据融合提高水声定位精度

水下水声环境具有复杂性和不确定性,造成单个传感器接收信息不全和不可靠,定位水下目标精度不高,采用多传感器联合定位成为一个趋势。针对采用多传感器数据融合提高水声定位精度,提出了两种数据融合的方法,优化加权平均法和自适应加权平均法,当待融合数据为两个时,通过理论分析得出了计算加权因子的公式。由数值仿真得到了两种方法的融合精度,结果表明优化加权平均法和自适应加权平均法都可以有效地改善定位精度,但是后者的效果明显优于前者。     

多传感器图像的二次匹配算法

针对光学图像的多光谱、多传感器图像的自动配准,提出了一种基于边缘重心的多传感器图像二次匹配算法.首先,通过边缘检测和相应的后期链接处理,提取出较为完整的图像边缘;然后,根据图像边缘的链码相关以及区域不变矩策略,寻找匹配边缘,并对已匹配边缘的重心进行一致性检验获得控制点对;最后,采用最小二乘法估计图像粗匹配变换参数.在粗匹配的基础上,根据匹配后图像共有区域内边缘的主要方向和重心,再次对图像进行细匹配,修正匹配参数以提高匹配精度.多种遥感图像数据的配准实验和对比试验证实了该自动算法具有较高的可靠性和配准精度.     

基于多传感器和ZigBee技术的智能沼气池监控系统

新能源沼气被认为是一种优质的可再生资源。监管部门需要采取一种能够实时监测并对数据及时处理的系统,以减少潜在危害,提高自动化水平。本文设计了一种基于多传感器和ZigBee技术的远程智能沼气监控系统,远程数据传输平台将传感网络采集的数据发至云服务器,便于用户实时监测现场数据,从而实现了沼气池的智能化和信息化管理。     

一种改进的多传感器加权融合算法

我们研究了一种改进的加权融合算法,采用二次加权的方法,并引入了最优比例权重的概念,先对单个传感器进行加权,再对整体进行加权融合,目的是使算法性能达到最优.通过实验进行仿真,结果表明,算法稳定性较高,融合效果好.     

基于边缘正则化小波描述的多传感器图像自动配准研究

本文提出了一种新的基于边缘的多传感器图像的自动配准方法,在本方法中,首先提出了一种基于正则化小波描述子的边缘描述方法,这种正则化小波描述子具有平移、旋转、尺度不变性;其次,在边缘匹配算法上,根据最小距离分类器原则提出了边缘匹配判据,并提出了一种基于小波系数域的快速边缘匹配算法,且进行算法复杂性分析;最后,从匹配成功的边缘中抽取匹配控制点并采用一致性检验方法来去除错误匹配点。讨论了图像变换模型与基于最小均方根误差准则的图像变换参数估计。该算法匹配精度高、运算速度快。实验结果验证了这种方法的有效性与实用性。     

基于云理论的曲线拟合优化研究

为了提高曲线拟合的效率,提出了一种基于云理论的曲线拟合方法,并进行了优化研究,详细论述了实现的过程以及关键技术.通过实验表明,该方法取得了良好的实验效果,是实现曲线拟合的实用工具.     

基于全局状态估计的多传感器加权数据融合算法

自学习最小二乘加权数据融合算法已被广泛地应用于融合多传感器系统中的量测信息.但是,通过深入的理论分析和实验仿真发现,自学习最小二乘加权数据融合算法在进行双传感器数据融合时具有较差的融合精度,同时该算法还具有较差的抗干扰性及稳定性.基于以上研究结果,提出了一种基于全局状态估计的多传感器加权数据融合算法,采用卡尔曼滤波的状态估计特性及相关历史信息,使得状态的估计值能够充分逼近真实值,从而使得算法具有较高的融合精度及抗干扰性.最后,MonteCarlo仿真结果显示,相比于已有算法,提出的算法在融合精度及抗干扰性方面具有明显地提高.     

基于 G1法和云理论的预警监视系统能力评估

结合雷达预警监视系统的发展要素,提出了系统建设效能的评估指标体系,在综合G1法的基础上,建立云重心理论效能评估模型,通过实例进行了有效的评估分析,表明该法可行有效并为分析系统能力提供了新的方法途径。     

基于神经网络与D-S证据理论的多传感器目标识别技术

为了满足目标识别的需要,多传感器的数据融合技术已经成为研究的热点。D-S证据理论是多传感器信息融合中最常用的一种处理不确定问题的方法,在基于D-S证据理论的目标识别融合中,基本概率赋值的获取是一个难点。使用神经网络中应用最广泛的BP神经网络来求基本概率赋值,再结合D-S理论进行目标识别。结果表明这种方法可以提高战场目标识别的可靠性,降低识别结果的不确定性。     

云计算关键技术及标准化

分析了云计算关键的技术,包括虚拟化/分布式文件系统/分布式数据库等,介绍了相关云方案实现,并对云计算在IETF/ITU等标准组织的最新研究竞争做了说明。     

基于软件网络加权k-核分析的关键类识别方法

识别关键类可以帮助人们尽快理解不熟悉的软件系统.尽管目前已有一些关键类识别方面的工作,但是大部分方法构建的依赖图是无权的,未考虑类之间交互的种类及次数.有鉴于此,提出了一种基于软件网络加权k-核分析的关键类识别方法.首先,用加权类耦合网络抽象类（接口）、类（接口）间的交互及其次数;然后,引入加权k-核分解方法计算类的加权核数;最后,以加权核数作为类重要性的量度指标,降序排列所有类,并通过过滤得到候选关键类.真实软件上的数据实验验证了本文方法的有效性.     

云计算密钥管理框架研究

本文在分析云计算安全的基础上,重点研究了云计算中的数据安全问题,提出了一个适合于云计算的密钥管理框架,该框架面向各种云计算应用,可以实现统一、标准的密钥管理,同时该框架具有简单和可扩展的特点,最后介绍了该框架的基本工作原理和应用分析。     

云计算关键技术应用及发展

介绍了云计算的国内外发展现状,对其发展趋势进行了分析;整理、介绍了云计算的关键技术;最后,在云计算发展趋势和关键技术的基础上,对我国云计算应用与产业发展进行了展望。     

企业培训云平台的研究及设计

结合最新的云计算发展趋势,提出建设以SaaS模式为核心、智能手机客户端应用为载体的企业云培训平台的设计思路,并给出了平台的架构模型和典型的应用场景。该平台能解决一线移动办公人员面临的课件普及、有效利用碎片时间强化专业技能的学习、电子化培训测试、云端关键字信息检索课件内容等困难,也提出了基于云端的企业培训系统尚待解决的问题.     

基于多传感器信息融合的智能交通信息语义描述

针对摄像头采集交通信息时易受环境干扰且采集到的信息不够全面的问题,提出智能交通多传感器信息融合框架,对多种传感器采集到的交通信息进行融合。另外由于摄像头采集的视频数据量巨大且多为底层视觉信息,不便于用户信息检索,提出智能交通信息语义描述框架,对交通视频信息和传感器信息进行语义描述。实验结果表明,对多传感器采集到的信息进行融合能有效提高信息采集的精度,同时对交通视频信息进行语义描述将极大地方便用户对感兴趣信息的检索。     

基于Dempster-Shafer证据推理的多传感器信息融合技术及应用

本文详细阐明了基于D-S证据推理的多传感器信息融合的原理及目标识别的方法.同时,介绍了其在雷达目标融合识别中的应用.