通信约束下的水声信号分布式检测融合算法研究

针对水声传感器网络中大延迟、低可靠通信约束下的水声信号分布式检测问题，提出了一种基于时间窗口的自适应融合算法．传感器节点依据声纳接收机的特性计算局部判决并发送给融合中心节点．融合中心节点在时间窗口内，基于已收到的局部判决在线自适应地调整融合规则，从而由最优融合算法得到最终判决．通过仿真，讨论了时间窗口的选择问题以及融合算法的性能．仿真结果表明，新算法具有很高的实用性，能够在动态变化的水声通信条件下保证整个系统高效运行．     

多传感器标量加权最优信息融合稳态Ka lman 滤波器

提出一种新的标量加权多传感器线性最小方差意义下的最优信息融合准则．该准则考虑了局部估计误差之间的相关性，只需计算加权标量系数，避免了加权矩阵的计算，明显减小了计算量，便于实时应用．运用稳态Kalman滤波理论，基于该融合准则，给出了多传感器最优信息融合稳态Kalman滤波器．在所有局部滤波器达到稳态时，只需一次融合便可获得信息融合稳态滤波器，算法简单．仿真例子验证了其有效性．     

分布式贝叶斯检测融合优化算法及其计算机仿真

该文研究了利用分布式多传感器获得全局决策的分布式信号检测问题。在这种检测系统中各传感器将其各自关于观测对象的决策传送至融合中心,融合中心根据融合规则给出全局决策。研究重点是基于贝叶斯准则的分布式并联检测融合系统的数据融合理论,给出了使系统全局最优的融合规则和传感器决策规则,提出了对融合规则和传感器决策规则进行优化计算的非线性高斯一赛德尔算法,具体讨论了两相同传感器、两个不同传感器和三个相同传感器在具有独立观测时的数据融合问题。给出了利用本文所提算法对上述几种情况进行计算机仿真的仿真实例。仿真结果表明：融合系统的性能相对传感器有显著改善,采用三个相同传感器的融合系统,其贝叶斯风险下降了26．5％。     

基于模糊特征属性参数最优融合的目标识别

为了实现在不确定环境下的自动目标识别,提高系统的性能和可靠性.首先采用模糊数来刻画传感器的输出报告,将每个传感器报告用三角模糊数来表示;然后提出基于模糊特征属性参数的最优融合算法来实现信息融合,并将其应用到多传感器目标自动识别系统.融合算法以模糊信息相似性测度为基础,最优融合准则是:融合后的数据与各个传感器输入数据冲突应该最小.通过最优准则确定了各个传感器的权重以及融合结果,且融合结果与初始传感器权重向量和传感器报告融合的次序无关.文中给出了具体的算法流程和一个应用实例.     

广义离散系统多传感器信息融合Kalman 滤波器

考虑了广义离散随机线性系统的多传感器信息融合状态估计问题．在广义系统无脉冲的假设条件下。通过等价变换将其转化为正常系统．应用经典Kalman滤波方法，在线性最小方差信息融合准则下，提出了按矩阵加权的广义系统多传感器信息融合稳态Kalman状态滤波器．仿真结果说明了算法的有效性。     

基于窗口统计量的水下分布式目标检测算法

针对水声传感器网络对水下目标检测时面临的节点数目、布放位置随机、检测性能时变、缺乏入侵目标先验模型的问题,将对点目标的假设检测推广到对最优海域窗口的假设检测,提出了一种基于最优窗口统计量的融合检测规则,近似推导出了算法系统级的检测性能,并给出了仿真对比实验.结果表明:在满足滑动窗口同目标辐射信号区域近似匹配的条件下,基于最优窗口统计量的融合检验规则可以获得良好的系统级检测性能,与已有的非参数类投票计数融合规则相比,相同信噪比下,基于最优窗口统计量的融合规则目标检测性能更好.     

多传感器状态融合估计在雷达跟踪中的应用

采用Carlson最优数据融合准则,将基于Kalman滤波的多传感器状态融合佑计方法应用到雷达跟踪系统.仿真实验表明,多传感器Kalman滤波状态融合佑计误差小于单传感器Kalman滤波得出的状态佑计误差,验证了方法对雷达跟踪的有效性.     

基于数据融合技术的水声对抗仿真系统研究

介绍了数据融合技术的基本概念、建模思想及研究内容,并将之应用于水声对抗仿真系统中。结合多传感器目标检测的基本理论,提出了一套崭新的分布式水声对抗仿真系统方案,并对系统的部分功能进行了较详尽的研究。     

分布式贝叶斯数据融合系统的遗传算法优化

数据融合是将多个传感器的信息加以集成,进行综合利用,其性能优于单传感器检测.寻找分布式并联融合系统的全局最优解需要求解一组耦合的非线性方程,运算量随着系统中传感器数量的增加迅速增长,传统方法很难求解.文中分析了融合的结构,重点研究了基于遗传算法的分布式贝叶斯融合系统的全局优化.采用穷举法列举所有可行融合规则,用遗传算法搜索相应规则下的最优解,实现了系统解耦.通过比较各融合规则下的最优解,得出分布式并联融合检测系统的全局最优解.仿真结果表明,该方法求解有效,建立了全局最优的贝叶斯融合检测系统.     

传感器网络中信息融合的几个基本问题

系统地阐述了传感器网络环境中几个基本而又重要的信息融合问题的最近进展，包括：最一般条件下全局最优的多传感器分布式统计判决；传感器观测数据或局部估计的最优维数压缩；一般条件下最优线性无偏估计融合公式及其有效算法；传感器观测噪声相关情形下动态系统的卡尔曼滤波融合；容错条件下的区间估计融合．这些结果对传感器网络的设计与应用具有重要意义．     

基于多传感信息融合的轨道线形检测

多传感信息融合是实现轨道线形高精度检测的重要方法,而加速度计和陀螺仪是多传感信息融合中的关键传感器。为了解决加速度计和陀螺仪存在累积误差导致测量精度较低的问题,提出一种基于多传感信息融合的轨道线形检测方法。基于捷联惯性系统和双目视觉的测量原理,建立了双目视觉与惯性测量结合的多传感数据融合模型,并利用扩展卡尔曼滤波实现了双目视觉、加速度计和陀螺仪测量信息的融合,提高轨道线形检测精度。通过实验进行验证,结果表明：基于多传感信息融合方法的测量精度比惯性测量方法提高了近9倍,且测量所得坐标在三个方向上的最大位移绝对误差不超过0.536mm,可有效实现高精度轨道线形检测。     

Random weighting estimation for fusion of multi-dimensional position data

This paper adopts the concept of random weighting estimation to multi-sensor data fusion. It presents a new random weighting estimation methodology for optimal fusion of multi-dimensional position data. A multi-sensor observation model is constructed for multi-dimensional position. Based on this observation model, a random weighting estimation algorithm is developed for estimation of position data from single sensors. Using the random weighting estimations from each single sensor, an optimization theory is established for optimal fusion of multi-sensor position data. Experimental results demonstrate that the proposed methodology can effectively fuse multi-sensor dimensional position data, and the fusion accuracy is much higher than that of the Kalman fusion method.     

基于雷视一体机的交通流数据采集系统设计

交通流数据是进行交通管理宏观决策的基础数据,交通流数据采集系统是交通管理信息化智能化的重要组成部分。随着我国交通领域的蓬勃发展,交通流量激增、高速交通拥堵、交通事故等突发事件频发,为此,设计一套实时性好、准确度高的交通流数据采集系统是十分必要的。论文基于雷视一体机开发了一套高速公路交通流数据采集系统,采用端-边-云分级传输的物联网架构,并结合了自主研发的雷视一体机,采用CNN神经网络技术提取图像信息后,在边缘计算机中通过一维数据最优估计、多传感器数据匹配、多传感器双向最优估计、多传感器目标特征融合的软件工作流程,将雷达与监控相机提取到的信息进行最优化估计,准确提取道路目标交通信息,仅将处理后的特征信息上传至云端服务器,实现交通流数据的精确、实时采集。系统试运行结果表明,该基于雷视一体机的交通流数据采集系统能够有效提高检测准确性,加强检测结果的实时性。     

基于模糊推理的多传感器数据融合方法

针对多传感器目标跟踪系统可能出现的传感器漏检现象,提出了一种基于模糊推理的消除漏检现象影响的方法。该算法根据各传感器的量测变化,及时调整参与融合的各传感器量测的数目及其加权系数,保证量测融合值的有效性。通过对两个传感器进行数据融合和目标跟踪的仿真表明,该算法是一种简单有效,有工程应用前景的数据处理算法。该方法同样适用于多于两个传感器的多传感器融合系统。     

基于多传感器信息融合的控制系统研究

本文研究了多传感器组合系统的智能化数据融合方法。从数据处理算法、故障检测和系统可靠性等方面探讨 了基于多传感器的控制系统,并提出了一种实用的数据处理算法和故障检测算法。     

两种最优观测融合方法的功能等价性

对于基于K alm an滤波的多传感器数据融合,有两种最优观测融合方法:第一种是集中式观测融合方法,它是通过增加观测向量的维数合并多传感器数据,而第二种是分布式观测融合方法,它是在线性最小方差准则下,通过加权合并多传感器数据,但观测向量维数不变.在数据融合所用的传感器带有相同观测阵的情形下,本文用K alm an证明了两种观测融合方法是完全功能等价的,即用两种方法得到的K alm an估值器(滤波器,预报器,平滑器),信号估值器和白噪声估值器分别在数值上是相等的.在这种情形下,第二种方法不仅可给出像第一种方法一样的全局最优融合估计,而且可明显减小计算负担,便于实时应用.一个数值例子说明了其正确性.     

一种基于不确定分析的多传感器信息动态融合方法

提出了一种基于不确定分析的多传感器动态分布融合方法.首先引入贴近度的概念对 传感器进行动态聚类,接着基于兼容测度实现了组内传感器信息的最优Bayesian估计融合;最 后给出了一种基于一致测度的多传感器信息动态融合的方法.通过实验对比分析,证实了此方 法具有较好的实效性和鲁棒性.     

基于D-S证据理论的分布式入侵检测方法研究

入侵检测系统是信息安全的一种重要手段,该文提出了一种基于D-S证据理论的分布式入侵检测系统模型,讨论了其实现方法,并进行了仿真实验,仿真实验表明经过多传感器数据融合后得到的结果优于单传感器得到的结果。     

基于LMS算法的多传感器数据加权融合方法

针对目前多传感器数据融合过程中,传感器观测噪声不易确定,提出了一种基于LMS算法的多传感器自适应加权数据融合方法。该方法将传感器最优加权系数的求解,转化为估计值的均方误差性能表面的最优解搜索,通过加入自适应阶段,采用自适应最小均方误差（LMS）算法调整传感器加权系数。仿真结果表明该方法的有效性。     

捣固车作业系统异质多传感器数据融合的研究

在捣固车安全作业监测系统的研制中,提出了基于概念格理论的异质多传感器两级数据融合处理机制,第一级引入支持度矩阵和最优加权,规避了捣固车在恶劣工作环境下,多传感器监测数据精确性和抗干扰差的缺点;第二级采用模糊属性决策层融合技术,增强了监测的智能化水平。