基于无线多传感器信息融合的火灾检测系统

传统的火灾监控系统往往采用基于单传感器的有线信息检测与传输系统,布线不方便,环境适应性和抗干扰能力较差.本文提出了一种基于ZigBee无线多传感器网络的火灾监控系统,运用包括烟雾、温度、CO气体等多传感器感知火燃烧状态,对是否发生火灾分配不同信任度函数,利用D-S证据理论融合3种传感器信息以判断火灾状态.本文详细阐述了系统工作原理、多传感器信息、D-S证据理论等关键技术,并给出了多传感器响应燃烧实验的曲线图,理论分析和实验结果表明,该无线传感器火灾监测系统能更准确地检测火情,减少误报率,提高系统的可信度.     

无线传感器网络中基于代理的D-S数据融合

提出了一种无线传感器网络中基于移动代理带证据权的D S融合算法。引入证据权对证据进行修正以降低冲突数据对融合结果的影响。采用三级D S组合规则进行融合决策：节点级融合计算单个节点时间域融合检测概率;簇内级融合计算簇内节点间空间域融合检测概率获取局部决策结果;簇间级融合计算簇间的融合检测概率获取最终的全局决策结果。仿真结果表明,本算法能以较小的能耗代价获取准确的融合结果并有效降低冲突数据对融合结果的影响。     

一种D-S证据理论的多传感器数据融合算法

针对多传感器网络中采集的数据存在的不确定性,提出了一种基于D-S证据理论的多传感器数据融合算法.该算法分同类数据融合和异类数据融合两步,首先对多传感器得到的数据取特征值,通过计算同种数据间的距离,得到信任函数并设置阈值剔除异常值,将得到的正常同类数据进行初步融合.其次,计算异类数据与各等级特征值间的距离,对得到的距离求...     

无线传感器网络中的信息融合算法

无线传感器网络是一种新兴前沿技术. 节省能耗和延长网络寿命是无线传感器网络研究的核心课题之一, 通过信息融合算法减少数据传输量是延长网络节点寿命的有效途径, 研究了无线传感器网络中三种主要的信息融合算法, 并总结了算法的不足与改进方法.     

基于数据融合的无线传感器网络林火监控算法

针对无线传感器网络在林火监控应用中存在的问题,提出了一种分层聚簇数据融合算法。簇内传感器节点使用加权平均法对原始数据进行数据级融合处理,以消除原始数据中的冗余成分,减少从簇内传感器节点到簇头节点的通信量;簇头节点采用D-S证据理论建立识别框架,通过对本簇成员的反馈信号进行决策级融合处理,提高了火灾事件的识别精度和网络的鲁棒性。实验结果表明,该算法能有效消除无线传感器网络的冗余数据,并能够在失效节点数不超过总节点数40%的情况下正确工作。     

用D-S证据理论实现多传感器信息融合的一种改进算法

阐述了基于D-S证据理论的多传感器信息融合算法,提供一种基于D-S理论的改进方法以解决融合信息的相关性问题.用滑觉和热觉传感器作实验,对该方法的有效性进行了验证.     

基于证据理论的无线传感器网络链式路由算法

目前存在的许多链式路由算法在链首选举时仅考虑了节点剩余能量,基于Pegasis的节能协议(energy-efficient Pegasis-based protocol,EEPB)算法虽然综合考虑了节点剩余能量与节点到基站的距离两方面因素,但简单地将这两方面因素加权的综合考虑并未完全消除两种因素判决结果的不一致性.基于此,提出一种基于证据理论的链式路由算法(chain routing algorithm based on evidence theory,CRET).首先,在链首选举时利用D-S证据理论,选用节点剩余能量和节点到基站的距离两个评价指标来确定节点是否能成为链首节点,分别建立隶属度函数,进而求得基本概率分配值,再利用D-S证据理论合成法则将两个评价指标进行融合判决1其次,为了避免长链的产生,CRET算法在建链阶段考虑了已经加入链的节点,并且所有节点都是与距离自己最近的节点相连成链.仿真结果表明,CRET算法在平衡节点能耗和延长网络寿命方面比EEPB算法具有更加优越的性能.     

基于D2S 证据理论的移动机器人 多传感器信息融合方法研究与应用

针对全自主式移动机器人，以首届CCTV全国机器人电视大赛为背景，提出了通过D-S证据理论和模糊集合理论相结合的方法，对多传感器信息进行融合，较好地解决了机器人在复杂环境下运动的多传感器信息融合问题，实现了移动机器人的准确定位。     

无线传感器网络信息时空融合模型与算法研究

信息融合是解决无线传感器网络能量和通信带宽受限的有效途径,提出了一种无线传感器网络信息时间和空间多级混合融合的结构模型。首先对距离汇聚节点较远的节点信息进行时间融合和对距离汇聚节点较近的节点信息在汇聚节点进行时空融合,然后在汇聚节点对两种节点的融合结果进行全网络的空间融合。就该模型提出了基于DS证据理论的多级时空融合算法。数据分析结果表明:该模型能够降低节点能耗,延长网络寿命。     

煤矿安全监测多传感器分层数据融合模型研究

为提高多传感器检测系统预警的精度,降低多传感器监测过程中出现的状态不明或状态误判的发生率,提出了一种多传感器分层数据融合模型。该模型在数据层运用层次分析法确定隶属度和相应权数,在特征层运用模糊评价法进行数据融合,在决策层运用D-S证据理论进行数据融合,可根据对应输入融合数据类型的不同运用合适的算法进行计算处理。试验结果表明,与初始数据比较,该模型能够将目标的安全、轻微、危险3种状态的隶属度分别提高8.3%,6%,29.2%,验证了该模型的有效性。     

一种基本概率指派的模糊生成及其在数据融合中的应用

DS证据组合规则可以在没有先验信息的情况下进行融合,这一优点使得DS证据理论在多传感器融合系统中应用非常广泛.但是各个证据的基本概率指派如何生成仍然是一个有待解决的问题.本文基于模糊匹配,提出了一种基本概率指派生成方法,并应用到多传感器目标识别中.用一个多传感器目标识别的实验表明:所提出的方法可以合理地生成基本概率指派,能够准确的识别目标.     

新的基于加权均值模型的证据融合方法

针对D-S证据理论难以处理证据冲突的问题,提出了一种将Murphy平均融合方法和证据权方法相结合的证据融合方法.该方法将显著偏差证据的判别引入融合流程,实现对证据权重的区分量化,建立了加权的基本概率分配均值模型.仿真结果表明:该方法能有效区分证据的重要程度,提高了证据融合的准确性与收敛速度,较好地解决了冲突证据融合的问题.     

基于多传感器数据融合的煤矿安全状态评估

为了保障矿井工人的生命安全,减少经济损失,提出一种基于多传感器数据融合技术的煤矿安全状态评估方法。先使用基于均值的分批估计预处理方法对井下的瓦斯浓度、温度、风速、一氧化碳、粉尘等多种传感器采集的数据进行综合处理,得到第一级融合结果,再利用D-S证据理论消除评估过程中的不确定性,提高评估的准确性。通过具体的案例,验证了本方法的可行性。实验结果表明,该评估方法的准确性很高,能够为矿井安全状态的评估与判断提供决策支持。     

基于D-S证据理论的无线传感器网络信任评估模型

信任评估模型对无线传感器网络的可靠运行和安全保障具有重要意义.提出了一种基于D-S证据理论的信任评估模型.模型给出了节点信任值的形式化定义;利用基本置信度函数计算直接信任值,通过邻居节点的推荐获取间接信任值;在此基础上,对直接、间接信任值进行基于权重的修正,并根据Dempster组合规则予以合成,最终得到节点综合信任值.仿真结果表明,该模型具有良好的动态适应性和容错性,能实时、准确地发现恶意节点,有效提高了无线传感器网络的安全性.     

D-S理论与神经网络相结合的信息融合模型研究

针对大噪声环境下信息融合效果差的问题,提出了一种基于D-S证据理论与神经网络技术的信息融合方法,该方法综合了证据理论在处理不确定信息方面的优点和神经网络在数值逼近上的长处,一方面利用神经网络和冲突证据处理算法获取基本概率赋值,另一方面通过证据理论使神经网络的结构变得透明.初步仿真结果表明,该方法有效地解决了不确定性信息的误识别问题.     

一种基于证据理论的数据融合算法

针对传感器测量值存在系统误差的情况,基于证据理论的思想,提出一种新的数据融合算法。该算法首先将所有测量值根据其与真值的偏差进行分组,并分配不同的基本信任;然后将其构成的集合视为辨识框架,进而将各个测量值转换为相应的证据并进行证据组合,所得合成证据的Mass函数即为各个测量值的权值分配函数;最后对所得分组融合测量值进行加权求和,即得融合结果。仿真结果验证了该算法的有效性。     

多传感器信息融合的无人车行驶策略*

论文针对仿优秀驾驶员视觉注意机制的无人车行驶策略过程中的多传感器信息融合问题,提出了矩阵分析的理论对基于权值分配的D‐S证据理论进行修正。经过验证,该算法能很好地处理融合过程中运算量过大的问题,同时在一个或者多个传感器失效的情况下也能保证融合结果的准确性和判断的正确性。