最优多级式多传感器状态融合估计

基于单传感器Kalman滤波方程，本文提出了多级式多传感器信息融合系统的两级和三级最优集中式与分布式融合估计算法。算法表明当融合系统的相关噪声方差矩阵、噪声均值、控制输入及测量误差为零时，本文算法与文献[6]讨论标准融合系统的算法一致。融合系统的噪声均值、控制输入及测量误差不会影响融合系统的估计方差，但当相关噪声方差与过程噪声方法相近时，融合系统的估计方差会发生较大的变化。     

相关测量噪声的多传感器最优融合状态估计

当检测环境中有一个统一的噪声源时，各个传感器的测量噪声是相关的。许多算法都假设各个传感器的测量噪声是不相关的，因为这是保证测量噪声方差矩阵平行解耦的必要条件。基于矩阵相似变换的理论，提出了一种使多传感器相关测量噪声方差矩阵解耦的方法，该方法使多传感器数据融合测量模型转化成测量噪声不相关的新模型，推导了存在相关测量噪声的多传感器数据融合最优状态估计算法。当测量噪声不相关时，算法与以往的具有不相关噪声的最优算法相同。     

估计噪声方差与Kalman滤波的传感器动态补偿

传感器动态补偿后的输出噪声被加重且方差未知．为有效地抑制补偿后的噪声干扰,研究了一种在未知观测噪声方差条件下,采用卡尔曼滤波去噪的传感器动态补偿算法．补偿器的参数通过参考模型和系统辨识的方法得到,同时,利用参考模型建立卡尔曼滤波器,消除高频噪声对测量精度的影响．由于补偿器的输出信号可以用一个M阶多项式分段逼近,利用小波...     

目标估计协方差控制的多传感器管理算法

提出了一种基于目标估计协方差控制的多传感器管理算法．该算法针对目标对运动状态估计精度的要求，设定相应的误差协方差水平，通过选择达到该水平的最小传感器组合，以实现对传感器的有效管理．仿真结果表明，该算法在维持目标估计协方差达到一定水平的情况下对传感器资源选择有良好的性能．     

多传感器加权信息融合算法研究

将新兴的随机加权估计应用于多传感器信息融合,文章提出一种基于随机加权估计的多传感器信息融合算法,用于解决多传感器对目标同一参数进行测量时权的最优分配问题。仿真结果表明,文中提出的随机加权融合估计算法优于传统的平均值估计融合算法,并且随着测量次数的增大,均方误差越来越小。     

改进的多目标多传感器数据融合相关算法

数据融合是利用计算机对数据进行一定处理，得出目标状态及势态估计的多层次多平台过程，详细讨论了对目标的跟踪算法，此算法不仅对多目标，而且对新出现目标和机动目标均能进行识别和跟踪。     

改进的传感器神经网络逆动态补偿算法

针对神经网络逆动态补偿策略中基于向后差分的微分估计算法在噪声环境下存在较大的微分估计误差,且提高估计精度会增加硬件成本等缺陷,提出了改进的微分估计算法,并以加速度传感器为例,设计了动态补偿实验装置,给出了基于改进的微分估计算法的动态补偿算法的实现步骤。改进的微分估计算法,采用低通滤波器以去除高频噪声对微分的影响。实验结果验证该方法能明显改进和提高加速度传感器的动态性能,实现对脉冲力的高精度重构。     

多传感信息融合的最优状态估计方差

多传感器信息融合位置级融合算法中，测量融合（Measurement fusion）算法是最优的。本文证明了测量融合算法的估计方差由系统的“测量函数”决定。该函数值越大，系统的融合估计方差就越小。仿真说明了以上结论的正确性。     

多传感器数据融合中的容错算法

给出了一个适应多传感器环境或分布式传感器系统的容错算法．该算法将冗余传感器映射为区间,采用区间重叠的方法,在系统有ｎ个传感器,其中至多ｆ（ｆ＜ｎ／２）个出错的情况下,能够得到一个包括正确值的区间的集合,根据此结果可推断出所有可能错误的传感器对及可能错误的传感器的个数．算法简单易行,复杂度为Ｏ（ｎｌｏｇｎ）．     

多传感器检测系统的自适应融合算法

通过分析分布式检测系统的工作原理，提出了一种新的基于并行检测系统的全局检测融合方法，该方法利用检测器局部判决结果与融合中心融合结果的误差对全局检测器下一步判决所采用的方法与参数进行修正，从而达到提高全局检测系统检测概率的目的．分析表明，该算法能有效提高系统的性能．     

基于模型参考的薄膜热电偶传感器动态误差补偿算法

针对用于瞬态高温测量薄膜热电偶的动态特性研究问题,提出通过建立传感器的动态逆模型补偿器,来展宽其工作频带,以此来减小动态误差的方法.该方法无需事先已知薄膜热电偶的动态特性,可根据传感器以及参考模型对输入激励响应的实测数据,通过微粒群(PSO)算法的优化学习得到动态逆模型补偿器的参数.薄膜热电偶的输出经过补偿器后,能够克服由动态特性引起的测量误差.最后,通过实验验证了该方法的有效性.     

振动系统识别中的误差及其补偿

本文就振动系统识别中的误差源进行了分析，并就这些误差提出了误差补偿的方法。从实验结果上看这些方法还是十分有效的。     

长光栅传感器动态误差检测系统设计

长光栅传感器的静态精度的检测方法较为成熟,而其动态精度的检测尚没有一个有效的解决办法.针对此问题,研制了一种以高精度光栅尺为基准的长光栅动态误差检测系统.仪器主要由机械系统、测控系统、软件系统组成,通过在有效行程上与高精度光栅对比获得被测光栅的误差曲线.仪器采用直线电机驱动,保证了检测速度的要求,同时提高了长光栅传感器的检测效率.设计基于FPGA的双路光栅信号高速采集卡对光栅信号检测,解决了测量中同步触发问题及高速触发采样数据的处理问题.结果表明:本系统能够实现对光栅的动态精度的检测,检测效率高,适用于生产现场的大批量快速测量.     

基于自适应遗传算法优化非对准误差补偿算法

针对在无转台标定下,惯性测量单元中三轴加速度计的灵敏度与零位输出电压会随时间变化而改变的问题,提出了一种基于自适应遗传算法优化椭球拟合的现场标定方法.通过建立椭球拟合补偿算法引入非对准误差,再采用自适应遗传算法对非对准误差进行最优参数估计,解算出三轴加速度计标定因数矩阵与零位输出电压.仿真结果表明,在数据良好的情况下,补偿标定精度最多提升了6个数量级,在数据畸变较大的情况下,精度提升了2个数量级,该算法依然表现出良好的标定精度,验证了该算法的准确性和可行性.     

分布式不确定性系统状态估计

研究了分布式不确定性系统的状态估计。以两部雷达构成的分布式系统为对象，考虑杂波环境、量测噪声和目标不确定性机动下的多目标跟踪。针对其中的两类不确定性问题，提出了机动目标自回归统计模型，并将它与联合概率数据关联相结合，给出了一种新的分布式多目标跟踪算法。仿真结果证明了其快速性和自适应性。     

捷联惯导误差分析与误差补偿

通过误差分析,讨论了各种误差源对捷联惯导系统的影响.根据惯导系统精度要求,确定了惯性测量元件最大允许误差,从而为选择合理的传感器确定了理论依据.这些传感器组成的惯性测量元件需要经过标定实验来确定系统误差补偿模型中的系数.误差补偿后,通过均匀设计法得到系统精度,满足了精度要求.     

图像匹配问题的新算法

图像匹配技术在众多领域中都有重要应用。针对既有平移又有旋转的情形，给出了用计算机自动寻找匹配点对的新算法，即从待匹配的两个点集中找出两个全等的三角形，由这两个三角形确定两个匹配点对，由这两个匹配点对找出所有匹配点对的对应关系，由此对应关系寻找出所有的匹配点对。实验证明，该算法匹配速度快，准确率高。     

感应同步器测角系统误差调整与补偿

分析了引起感应同步器测角系统一次谐波和二次谐波误差的原因,提出了对一次谐波进行补偿及对二次谐波进行调整的方法,并设计了一次谐波误差的补偿电路,通过实测数据并用谐波分析的方法对两项误差进行补偿与调整,提高了感应同步器的测角精度。     

试验机传感器误差补偿系统与智能化

如何提高试验机产品质量及可靠性是个重要的课题。本文对试验机的关键部件传感器非线性误差检测和补偿技术作了专门的探讨。提出一种在数字域内对传感器的非线性误差进行补偿的方法,编制了相应的软件。实验结果表明,补偿效果显著,避免了以往采用硬件补偿的方法,使电路复杂成本较高的缺点,为纺织检测仪器及其它检测仪器的检定与误差补偿提供了一种有效的方法。     

电力系统状态估计的快速正交变换算法

本文分析了电力系统加权最小二乘状态估计(Weighted Least Square=WLS)法方程算法潜在的数值稳定性问题,提出了用正交变换(二乘Givens变换)解WLS状态估计的快速正交变换算法。给出了结点与量测相结合的编号优化方法,以充分利用原问题的稀疏性降低计算量。实际例题表明,快速正交变换算法比法方程算法更加快速和可靠。