基于惯性网络的分布式信息融合算法

分布式导航系统是飞机多传感器导航系统设计的新概念,可以大幅提高系统导航性能和容错水平,并能动态配置传感器功能,但是目前并无完善的信息融合算法与之对应;文章在构建惯性传感器网络的基础上,将多个低成本惯性传感器系统配置在飞机的多个位置以作为网络节点,设计了分阶段处理的分布式信息融合算法,综合利用各节点所测量的惯性信息,最后得到本节点的局部状态估计;通过仿真实验表明,采用此方法,有效降低了导航滤波估计误差,因此,系统导航性能及容错能力得到大幅提高。     

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．     

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.     

基于支持度D-S证据理论与模糊积分的多源节点簇信息时空融合

为了获得传感器网络中监测目标的准确状态,需要同时考虑多源节点簇信息融合的时间性和空间性.本文提出了一种多源传感器信息的时空两级融合结构.对同一时刻多源节点簇信息,利用D-S证据理论和支持度进行空间融合,对经空间融合后的时间序列,利用模糊积分、支持度和遗传算法进行时间上的信息融合.仿真实验表明,据此形成的分布式多源节点簇信息融合系统具有目标探测能力、抗干扰能力和容错能力.     

基于D-S证据理论和BP神经网络的多传感器信息融合

针对多传感器信息融合的基本可信度分配在实际应用中难以解决的问题,提出了一种基于D-S证据理论与BP网络相结合的多传感器信息融合的改进方法。该方法充分发挥BP神经网络自学习、自适应和容错的能力,利用BP神经网络处理证据理论的基本可信度问题,再利用D-S证据理论来处理不精确、模糊的信息。最后通过一个实例证明了该方法的有效性。     

异类传感器智能化信息融合理论与算法

主要研究了多传感器智能化信息融合算法、异类传感器信息融合中的时间配准及空间对准算法，提出了一种基于均衡信度分配准则的冲突证据组合算法。1、在经典粗糙集理论方法研究推广的基础上．提出了一种新的基于随机加权粗糙集模型的特征知识提取方法和利用阵列神经网络技术、模糊神经网络技术进行目标识别融合的计算方法。2、研究将知识发现技术和数据挖掘技术相集成．给出了动态目标识别融台的体系结构。3、针对目标综合识刷中冲突信息的组合问题．     

基于GP 的多传感器数据融合诊断与恢复􀀂

本论文主要是研究遗传编程 (GP)在多传感器故障的数据融合诊断与恢复中的应用 ,即用一种全新的数据处理方法应用于多传感器信息融合领域 .遗传编程基于遗传算法 ,可以能够从一批相关数据中提取其内在的隐含特征及相互联系 ,并给出其数学模型 .因而应用信息融合领域 ,可更好地提高系统的稳健性 ,宽阔的时空覆盖区域 ,以及更强的故障容错和系统重构能力 .     

基于多关系循环事件的动态知识图谱推理

针对现有动态知识图谱推理方法大多存在同时间多关系下推理能力有限的问题,文中提出基于多关系循环事件的动态知识图谱推理方法.利用改进的多关系邻近聚合器融合目标实体邻域信息,获得更准确的实体邻域向量表示,并通过优化信息融合简化文中方法.同时加入关系预测任务,扩大处理特定范围内两个实体间关系冲突的能力.在大型真实数据集上的实体预测和关系预测的实验表明,文中方法有效提升动态知识图谱的推理能力.     

多传感器采样系统的分布式容错估计

研究了多传感器采样系统在发生一类典型故障情况下的分布式融合估计问题;首先,针对局部传感器,利用Kalman滤波获得的新息进行故障检测;然后在最小方差意义下发展了传感器故障在线递归估计方案;进一步将所获得的估计结果对故障传感器的测量值进行重构,并应用射影定理建立了局部传感器容错更新算法;最后基于线性最小方差融合原则给出了多传感器采样系统的分布式容错估计方案;相比于已有融合估计方法,所提方案不仅能及时检测传感器故障,并且能进一步充分利用故障传感器信息来提高估计精度;数值仿真验证了方法的有效性和优越性。     

无线传感器网络故障诊断与容错控制研究进展

可靠性和可持续性是无线传感器网络(WSNs)研究的重要问题。从拓扑、能量、监测和安全等角度对WSNs故障诊断和容错控制方法进行详细的归纳和总结。对WSNs故障类型进行了划分,主要分为节点故障和网络故障,根据WSNs体系结构,介绍了节点自诊断、网络诊断和基站诊断3种故障诊断方法,阐述了相关的容错控制技术,包括冗余机制、多路由设计、动态拓扑控制、传输协议优化、数据融合和智能方法。对WSNs容错控制技术目前存在的问题与未来发展趋势进行了探讨。     

一种新的动态多尺度系统最优估计算法

给出了一类动态多尺度系统基于Haar小波的序贯式最优估计算法，该算法具有较低的计算复杂度和较高的实时性，为多传感器信息融合提供了一种新的方法。仿真结果验证了这种方法的有效性。     

基于Vague集的多传感器信息融合方法

针对模糊信息融合的局限性,提出了一个基于Vague集的多传感器信息融合方法。建立了基于Vague集的多传感器信息融合模型,然后给出了适合信息融合的相应定义,最后给出了该方法的数学描述、数据组织、结果评价及算法实现过程。通过实例研究,验证了该方法的有效性和正确性。     

Self-tuning measurement fusion Kalman predictors and their convergence analysis

For multisensor systems with unknown parameters and noise variances, three self-tuning measurement fusion Kalman predictors based on the information matrix equation are presented by substituting the online estimators of unknown parameters and noise variances into the optimal measurement fusion steady-state Kalman predictors. By the dynamic variance error system analysis method, the convergence of the self-tuning information matrix equation is proved. Further, it is proved by the dynamic error system analysis method that the proposed self-tuning measurement fusion Kalman predictors converge to the optimal measurement fusion steady-state Kalman predictors in a realisation, so they have asymptotical global optimality. Compared with the centralised measurement fusion Kalman predictors based on the Riccati equation, they can significantly reduce the computational burden. A simulation example applied to signal processing shows their effectiveness.     

一种改进的分布递阶无线传感器网络信息融合算法

信息融合技术是一个多学科高度集成的热点研究领域,目前针对煤矿井下环境监测系统的安全隐患问题,提出了一种基于无线传感器网络的分布递阶卡尔曼滤波信息融合算法,其中下层源节点采用改进卡尔曼滤波算法,上层汇聚节点采用方差自适应的加权信息融合算法,该算法能有效降低无线传感器网络能耗和网络信息冲突,实现信号重构.仿真结果表明,该算法具有很高的可靠性和信息融合精度,有较好的工程实用价值.     

一种基于区域特征动态加权的自适应图像融合方法

提出了一种基于区域特征动态加权的自适应遥感图像融合方法。该方法首先由输入图像得到其高频、低频图像；进而分别选取一组区域特征进行自适应动态加权，得到相应的高频和低频融合结果；最后，基于一致性准则由高低频融合结果得到最终的融合结果，通过对SAR和TM图像的融合实验，验证了该方法在信息量，边界保持及融合结果一致性方面具有显著优势。     

Fault-tolerant control strategy for multicylinder hydraulic press machine based on dynamic control allocation and adjustable multiobjective optimization

A hierarchical controller is proposed for achieving high-accuracy control and the dynamic balance with the presence of multiple faults of actuator, the external disturbance, and the model uncertainties in multicylinder hydraulic press machine (MCHPM). The method divides the controller design into three steps: Virtual fault-tolerant control law, control allocation algorithm, and actuator control law, which are progressive. First, to precisely compensate the lumped disturbances including the multiple faults of actuator, the external disturbance, and the model uncertainties, a disturbance observer (DO) is developed. By combining the observer with the sliding mode control (SMC), a virtual fault-tolerant control law is designed. Second, a highly integrated control allocation algorithm for the virtual fault-tolerant control law is proposed to get the desired driving force, taking into account dynamic control allocation (DCA), multiobjective optimization (MOO) and Analytic Hierarchy Process (AHP) simultaneously. Third, taking the driving force obtained from above control allocation algorithm as the desired target, the control law of each cylinder is calculated. The global stability for the whole system is proved by the Lyapunov theory. Lastly, results of simulation and experiment show that the proposed controller can effectively handle different faults and have more superior control performance.     

基于修订矩阵的最小二乘法多传感器融合障碍物位置估计

在障碍物位置检测时,由于传感器测量误差等不确定因素的存在,希望通过多传感器融合降低不确定性使得位置估计值更为可靠.提出了一种基于修订矩阵的最小二乘法多传感器融合估计新方法.根据红外传感器得出的先验信息建立修订矩阵,再由最小二乘法的原理得出线性可信度加权方程.分别对加入和不加入修订矩阵进行仿真和"未来之星"移动机器人实验...     

Multi-objective optimization algorithm based on characteristics fusion of dynamic social networks for community discovery

The network structure exhibits a variety of changes over time. Fusing this structure and the development of communities in dynamic networks plays an important role in analyzing the evolution and development of the entire network. How to ensure the division of the community structure in social network big data, as well as ensure the continuity of the community between the current time and previous time period, are issues that need to be explored. This problem can be solved by fusing the three characteristics of temporal variability, stability, and continuity in dynamic social network communities, and by adopting the multi-objective optimization method to detect community structures in dynamic networks. The probability fusion method is added to the initial step of the algorithm to generate suitable network partitions and ensure fast convergence and high accuracy. Two neighboring fusion strategies are proposed that are suitable for communities: the neighbor diversity strategy and the neighbor crowd strategy. These two strategies make different changes to the candidate network partitions. A continuity metric for dynamic community evolution is formulated to compare the similarity of the dynamic network communities of two consecutive time steps. Experiments on synthetic datasets and actual datasets prove that the proposed method in this paper provides better performance than existing methods.     

噪声方差未知情况下多传感器航迹融合

在多传感器信息融合中,已有的航迹融合算法都是在噪声方差已知情况下基于最优的卡尔曼滤波算法的,而实际应用中噪声方差往往是未知的.针对上述问题,基于扩展记忆因子递推最小平方(EFRLS)估计的滤波方程,研究了噪声方差未知情况下集中式、分布式、混合式多传感器航迹融合方法.并对三种航迹融合算法的跟踪性能和卡尔曼滤波融合算法的性能进行了仿真比较.由于多级式多传感器的航迹融合方法可由本文的方法直接推广,所以只需研究两级的情况就可.