基于分批估计的自适应加权数据融合算法

针对多传感器数据融合问题,文中提出了一种基于分批估计的自适应加权数据融合算法。该算法采用时间序列和空间序列对采集的数据分批求其方差,利用数据一致性检测对噪点进行剔除,进而得到自适应因子。随后采用自适应加权法对数据进行融合,得到预测值。文中模拟物联网数据进行仿真实验。结果表明,在处理数据时运用分批估计的自适应加权多传感器数据融合技术,能够提高传感器测量的精确度和系统的可靠性,基于分批估计的自适应加权平均法比传统自适应方法的均方根误差减少了10%,精度提高了2.3%。     

基于AR模型的双惯性导航系统信息融合

为了提高惯性导航系统测量数据的精度,提出基于AR模型的卡尔曼滤波方法对动态测量数据进行处理,并对双惯导组合导航系统采用最优加权方法对滤波后的数据进行融合处理。通过对实际测量数据的分析,结果表明单个惯性导航系统的滤波误差最大值为2＇左右,极大地提高了惯性导航系统的数据输出精度。采用最优加权方法对数据进行融合处理,不仅再次提高了数据的精度,而且给用户提供了一个准确而又可靠的结果。     

基于M估计的多传感器数据稳健加权融合算法仿真

提出M估计与不确定度评定相结合的多传感器数据加权融合方法，克服了现有的数据评价函数加权法中存在的大噪声及成片野值处理能力的局限性。通过静态数据仿真结果，表明基于M估计的多传感器数据稳健加权融合算法明显优于最小二乘法。     

基于UWB和惯性导航技术的无人车融合定位方法

针对基于超宽带（UWB）的无人车定位波动大和定位误差大的问题,提出了一种加权递推平均滤波和卡尔曼滤波相结合的定位算法。首先,建立了一套UWB基站定位系统,用于采集无人车UWB定位数据信息;然后,利用加权递推平均滤波算法对UWB定位数据信息处理,提升定位结果的稳定性;最后,结合无人车惯性导航信息对加权递推平均滤波算法处理后的结果进行卡尔曼滤波融合,得到最终的定位结果。经过无人车静止和移动场景的多组定位测试,结果表明,静止场景下加权递推平均滤波算法处理后定位均方根误差平均降低了13.3%,稳定性得到了一定的提升;移动场景下,采用加权递推平均滤波和卡尔曼滤波融合算法处理后,直线运动和圆周运动时的定位均方根误差平均分别降低了41.6%和38.4%,定位的稳定性和准确度得到有效的提升。由此证明了所提出的方法的有效性,具有一定的推广使用价值。     

基于改进Kalman滤波器的无人机高度信息融合

在无人机飞行控制系统中,针对无人机采用单一高度传感器测量精度不高以及传统Kalman滤波器易发散的问题,提出一种改进的Kalman滤波融合方法.首先利用ARIMA模型算法对3种传感器的原始测量数据降噪处理,然后利用Kalman滤波算法对降噪后的传感器高度信息实现第一次融合,最后借助递推加权最小二乘法将第一次融合结果与差分GPS降噪后的数据进行第二次融合.计算分析得到,该算法相比于传统Kalman滤波方法,高度估计值的均方根误差减小39.6％,最大偏差减小31.7％.仿真结果表明,所得结果在垂直方向上的定位精度得到有效改善,并且初步具备对异常情况的处理能力,保证了无人机飞行系统的准确性与可靠性.     

基于神经网络信息融合隧道CO浓度预测研究

高速公路隧道监控系统存在传感器单一、可靠性低等问题,如果能对失效传感器数据预测,可提高隧道安全性。利用BP和RBF神经网络的非线性逼近能力融合提取隧道CO浓度信息特征,再用最优均方误差加权融合算法对两种网络分别提取的信息再次融合预测隧道CO浓度。提高了模型预测精度,进而给出数据预处理方法和模型评价指标。仿真实验表明:该模型对隧道CO浓度预测的有效性,性能优于单一神经网络融合预测模型。     

灰局势决策方法在决策层融合目标识别中的应用

本文提出了一种基于灰局势决策的决策层融合目标识别算法,并利用各子源传感器判决结果包含的动态信息,通过计算灰关联系数对各类目标进行了加权处理。实验中利用上述方法对五类目标雷达观测数据的分类结果进行了融合,其结果表明该方法的目标识别性能与子源传感器相比得到了有效地提高。     

基于雷达、红外的数据融合算法研究

现代战争中，战场环境复杂，干扰严重，单一模式的武器不能满足要求，多模制导武器可以发挥各自模式的优点，其核心是多传感器的数据融合。文中对主动、红外传感器的数据融合方法进行研究，提出了数据融合的算法。采用加权最小二乘法将观测数据进行融合，将融合结果与前几个时刻融合数据进行拟合得到这一时刻的结果，此方法可充分利用各传感器信息，达到较好的数据融合效果。     

基于卡尔曼滤波的无线传感网时空数据融合算法

无线传感网络节点采集的信息具有较大的相似性,数据结果存在误差。针对该问题,文中提出了一种基于卡尔曼滤波的无线传感网数据融合算法,通过过滤无效数据和缩紧数据包,提高上传数据的有效性和精度。该算法采用实时性较高的卡尔曼滤波算法对无线传感网络中的数据根据时间序列进行数据融合。在时间数据融合的基础上,根据空间分布特点,进一步对多传感器在网关层依据权重进行数据融合。针对不同位置误差实时变化的特点,网关层以空间数据为基础,使用自适应加权算法动态调整各节点权重。仿真实验表明,该算法易于实现,可有效去除冗余信息,提高数据准确度和可靠性。相较于改进的分批估计与自适应加权方法,采用该方法后均方根误差减少约7.9%,精度提高了2.1%。     

一种基于感知信任度的加权协作感知算法

基于非协作感知的不确定性,协作频谱感知方法具有更高的可靠性.在传统的加权数据融合的基础上,根据无线电通信环境次用户(Secondary User,SU)的信任度不同,引入信任度函数及其信任度因子,提出了一种基于次用户信任度的自适应数据融合算法.仿真结果表明,该算法可以提高主用户(Primary User,PU)的检测概率,具有一定的可靠性和有效性,其检测性能优于传统的加权数据融合准则,同时还适应感知用户的拓扑变化.     

多传感器信息融合技术及其应用

随着科学技术的迅猛发展,信息采集与融合趋于多元化和复杂化。单一的传感器已经无法满足需求。因此,多传感器信息融合技术开始广泛应用于各行各业,并提高了信息处理的准确性和完整性。从概念、结构与分类、关键算法的研究和实际应用等方面对多传感器信息融合技术进行了介绍,并总结了该技术的发展趋势与未来前景。     

一种机载多传感器融合架构的设计

通过对机载多传感器融合技术及现代机载平台的分析,提出一种以跟踪为核心功能的机载多传感器融合架构,在载机平台之间采用无融合中心的分布式融合结构,在载机平台内部通过传感器管理构成闭环系统,针对不同的系统性能需求,将目标跟踪划分为主动跟踪、被动跟踪、主/被动协同跟踪三种跟踪模式,并给出各跟踪模式的详细结构.     

一种基于假彩色的像素级多传感器图像融合算法

本文给出了一种基于假彩色的像素级多传感器图像融合算法,并将其用于两幅灰度图像的融合中.这种算法将现有的图像融合技术和彩色显示技术相结合,在灰度融合图像的基础上利用色差来表现原图像与灰度融合图像的细节差异.该算法分为三步:首先,用选择与平均相结合的方法得到两幅原图像的灰度融合图像;接着,求出灰度融合图像与两幅原图像的差异图像;最后,将两幅差异图像和灰度融合图像分别送至R、G、B颜色通道进行显示.比起灰度融合图像,最终得到的彩色融合图像在色彩上更丰富,包含更多的细节,直觉上更容易辨认.     

一种像素级多传感器图像融合算法的研究

该文给出了一种像素级多传感器图像融合算法,并将其应用于不同波段SAR图像的融合。该算法先用基于卡尔曼滤波的图像融合技术得到一幅灰度融合图像,再用不同的RGB颜色通道分别表示灰度融合图像以及原图像中增强后的细节,最终得到一幅彩色融合图像。仿真结果表明,用此算法得到的彩色融合图像包含更多的细节,可辨识性强。     

多传感器分布式融合Kalman预报器

应用现代时间序列分析方法,基于ARMA新息模型,在线性最小方差最优信息融合准则下,对于输入噪声与观测噪声相关且观测噪声相关的多传感器系统,分别提出了按矩阵加权、按标量加权和按对角阵加权的3种分布式融合稳态Kalman 预报器。其中提出了基于Lyapunov方程的局部预报估值误差方差阵和协方差阵计算公式。它们被用于计算最优加权,与单传感器情形相比,可提高估值器的精度。一个跟踪系统的仿真例子说明了其有效性,且说明了3种加权融合预报器的精度无显著差别。但标量加权融合预报器可显著减小计算负担,提供一种快速实时信息融合估计算法。     

遥感图像融合效果评估方法

遥感图像融合效果评估是目前遥感图像融合领域中亟待解决的问题,直接影响遥感图像融合处理技术的发展.文中在构建多源遥感图像融合处理估计模型的基础上,重点讨论分析遥感图像融合效果的主、客观评价技术的发展现状,进行SAR图像与光学图像的融合处理仿真实验,优选相关系数及峰值信噪比完成SAR图像与光学图像的融合效果评估处理.同时,还讨论了目前图像融合效果评估中存在的主要问题,对进一步研究图像融合效果评估有很好的意义.     

知识融合理论研究发展与展望

介绍了知识融合的定义及结构,概述和分析了其国内外研究现状,指出了该领域研究存在的问题,展望了知识融合的发展趋势,为今后相关研究提供了有益的思路。     

基于小波变换的红外与可见光图像融合技术研究

随着传感器技术的发展,单一的图像传感器往往不能够从场景中提取足够多的信息,需进行多源图像融合.为了解决多传感器图像所表现的目标特征不一致的问题,本文采用小波变换对红外及可见光图像进行了融合.首先利用小波变换将图像进行多尺度分解.对于高频部分融合,取两幅图像小波系数矩阵对应元素的最大绝对值构造小波系数矩阵;针对低频部分融合,采用基于领域像素相关和基于区域方差相结合的策略.实验结果表明,该算法将红外与可见光图像对同一目标所表现出的不同特征、细节有效地融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图像处理系统获取信息提供了基础.     

红外/毫米波复合制导目标识别技术研究

介绍了多模复合制导的基本原理，技术难点以及国内外研究动态。在此基础上，提出了红外/毫米波复合制导中目标识别处理的一种软硬件实现方案，最后预测了该技术的发展趋势。     

多传感器图像融合效果评价方法研究

采用多传感器图像融合方法，利用信息在多个测度空间的互补性可得到更多的有用信息。融合后的图像应保留原图像的重要细节，且不引入会影响图像后续处理的虚假信息，这就需要对融合的效果进行评判，而融合图像质量的评价问题目前还是图像融合研究的一个薄弱环节。讨论了融合图像质量的评价问题，提出带反馈信息图像融合的结构模型。评述了融合图像的单因素评价、模糊积分综合评价、D—S证据理论综合评价、粗糙集理论的评价方法、以信息量为标准的评价、加权求和法综合评价等方法。