小波变换在动态估计和数据融合中的应用

介绍了小波变换在动态估计和数据融合中的应用,给出了一种实时的最优动态多尺度估计和融合算法。     

多传感器单模型多尺度平滑融合估计

基于多尺度分析思想,在对单传感器模型多尺度平滑估计方法详细研究的基础上,提出了多传感器单模型基于多尺度平衡融合估计算法,得到了中心估计和分布式估计多尺度平滑融合计算法,并相应给出了两种方法的计算机仿真。     

多尺度分布式平滑估计方法

利用多尺度分析的思想,将基于模型的动态系统分析与基于统计特性的多尺度信号变换方法相结合,建立起基于小波变换的多尺度分布式平滑估计新算法,并给出了算法的计算机仿真结果。     

多传感器多模型动态系统交互式数据融合估计的一种算法

基于多传感器多模型信息,给出了目标状态基于全局信息融合估计的一种新算法,并通过计算机仿真验证了这种算法的有效性。     

基于Kalman滤波的多尺度融合估计新算法

将信号的多尺度分析方法与多传感器数据融合技术相结合，基于某一尺度上给定的状态模型和在不同尺度上拥有不同采样率的多传感器分布式动态系统，提出了一种新的基于Kalman滤波的多尺度融合估计算法；在最细尺度上获得了基于全局信息的融合估计值；计算机仿真验证了算法的有效性。     

一种多尺度数据融合模型的工程实践与相关理论问题

为解决不可重复测量物理量的真值估计问题,提出了一种"多尺度数据融合模型",该模型采用多传感器对同一物理量同时进行测量,对各个传感器的测量结果进行小波变换,并在不同小波尺度域对各个传感器的测量值进行多尺度加权平均,通过逆小波变换得到待测物理量的真值估计。笔者对该模型进行了分析和总结,包括对相关领域研究的评述,在此基础上,给出了数据融合定理及一些重要的推导及结论。     

基于尺度间梯度方向的多尺度边缘融合

在分析了传统的多尺度边缘融合方法存在的角点漏检和大尺度边缘信息丢失等问题的基础上,提出了一种新的基于相邻尺度间梯度方向的多尺度边缘融合方法.该方法充分利用相邻尺度间对应边缘点梯度方向相近这一特点,在没有增加其它辅助方法的前提下,只是通过改变多尺度边缘融合的依据和条件,即可改善边缘检测的最终效果,在保持算法简单性的同时,相比于传统方法有更好的弱边缘检出率、角点检出率、抗噪能力和更高的算法效率,仿真研究也证明了该融合方法的有效性.     

单模型多传感器多尺度交互式数据综合估计算法

将小波分析理论中的多尺度分析思想与传统Kalman滤波、多尺度数据融合算法相结合,提出了单模型多传感器多尺度交互式数据综合估计新算法,并通过计算机的仿真结果,对此算法进行了定性分析;用标准差对此进行了定量分析,从而说明了该算法的有效性.     

一种基于多尺度的GPS动态滤波方法

以GPS动态滤波方法为研究对象,首先采用了多尺度分析方法,将机动载体的"当前"统计模型与基于统计特性的多尺度信号变换方法相结合;然后结合常规卡尔曼滤波算法,建立起GPS动态滤波的多尺度数据融合估计新算法;最终在最细尺度上获得目标状态基于全局信息的融合估计值。将上述算法应用于GPS的动态滤波中,仿真结果表明,该算法相对于原始算法可有效提高目标状态的估计精度。     

基于通信故障的多传感器系统融合估计算法研究

在实际多传感器动态系统中,气候、机械故障以及人为等因素都可能使系统中某些传感器以及线路出现故障,从而导致正常的融合算法(本文是指通信正常情况下的无反馈层次结构融合算法)无法正常运行．本文对某些传感器出现通信故障的多传感器动态系统进行了研究,通过改进现有的系统框架,提出了一种新的融合估计算法．该算法能够自动地对发生故障的传感器进行实时跟踪和检测,并做出相应的处理,从而保证系统能够继续正常工作．新算法具有很高的灵活性和实时故障处理能力,最后计算机仿真证明了该算法的有效性．     

基于小波增强的多分辨率图像融合算法

在图像融合中,由于源图像的降质使得部分隐藏信息无法在融合过程中提取出来,影响了源图像的融合效果.针对这一问题,提出了一种基于小波增强的图像融合算法:在融合之前先对源图像进行适当的增强,突出图像中隐藏的信息,然后采用合适的规则对源图像和增强之后的图像进行融合.实验分析表明,在融合之前对源图像进行增强,能够改善图像融合的效果,获得直接融合难以获取的信息.     

基于证据融合的实时交通状态估计

为满足智能交通监控系统中融合多种传感器信息综合估计交通状态的需要,把证据理论与联邦滤波器框架相结合,提出了一种联邦证据融合方法,并成功应用于城市交通路网的实时交通状态估计.实例分析表明,利用联邦滤波器的融合结构,把时域信息和传感器的可靠性信息融入融合系统,不但可以克服证据理论不能正确处理冲突证据的缺点,而且能够增强证据融合系统的实时性和鲁棒性.     

电力系统动态状态估计算法研究

为了提高电力系统动态状态估计的估计精度和收敛速度,引入一种解决非线性滤波问题的新型粒子滤波算法——混合卡尔曼粒子滤波器(Mixed Kalman Particle Filter,MKPF)。该算法采用扩展卡尔曼滤波器(EKF)与无迹卡尔曼滤波器(UKF)混合作为建议分布,得到一种更接近真实分布的近似表达式。仿真算例将MKPF与EKF和UKF进行了对比,比较结果证明在电力系统受到扰动之后,MKPF算法能够快速地收敛于真实值,且具有比EKF与UKF更高的估计精度和稳定性,达到了在线准确估计的要求。     

含多分区电力系统能量备用实时优化调度的动态积极集求解算法

网络阻塞和故障停运导致备用存在供应问题,为了保证含多分区电力系统备用的有效性和网络的安全性,在实时优化调度中提出分区备用要求和新的求解算法,分析了含多分区的孤立和受端电力系统备用容量需求,建立了一种以电能和备用购买费用最小为目标函数的能量备用实时优化调度模型,同时计及了系统备用要求、分区备用要求、N-1安全准则等约束条件。该模型是一个超大规模的优化问题,因此文中将动态积极集法引入电力系统优化调度问题,对其进行迭代求解。最后,对IEEE 118节点标准测试系统和我国某典型受端电网进行算例分析,结果表明,采用提出的实时优化调度模型和动态积极集求解算法在满足电力系统实时调度计算时间要求的同时,求解得到能量备用的实时优化调度方案以及N-1故障后备用调用方案,验证了模型的合理性和算法的可行性。该算法可以有效解决备用的供应问题,提高电网运行的安全性,为含多分区电力系统的实时优化调度提供有意义的探索。     

基于令牌环网的动态实时带宽分配算法

提出了一种动态实时带宽分配算法 ,能够动态估算当前各个结点的实时通信负载 ,分布式地控制各个结点的令牌持有时间 .实时消息 M的负载指数和结点的实时消息负载指数 ,可以有效地衡量结点的实时通信的负载情况 ,为动态分配实时带宽提供依据 .通过模拟实验的测试 ,证明该算法优于固定带宽分配 ,同时也说明上述的两个指数是可行的     

移动机器人全局动态路径规划融合算法

针对移动机器人全局动态路径规划效率较低的问题,提出一种基于安全A^*算法与双速度模型动态窗口法的全局动态路径规划融合算法.首先,通过安全A^*算法得到全局最优路径节点,将其作为临时目标节点,为动态规划提供全局信息,避免出现局部最优.然后,采用时间序列Bottom-Up算法减少路径节点数,从而减少迭代次数、计算代价和储存代价,提高算法效率.最后,采用双速度模型对动态窗口法进行改进,通过避障重规划机制,解决全局动态路径规划时移动机器人绕远甚至绕圈的问题,并通过MATLAB平台进行仿真实验.仿真结果表明：文中算法的规划效率可提高46.18%,保证了路径的安全性和移动机器人速度的平稳性,文中算法的路径质量和规划效率更佳.     

基于改进姿态估计算法的嵌入式平台实时跌倒检测

为了实现视频中特殊人群跌倒检测的实时性和降低误检率。通过采用改进的姿态估计网络提取人体关节点的方法,研究了使用前后帧关节点的变化来对人体进行追踪和跌倒行为检测。为了在嵌入式平台上使姿态估计网络达到实时效果,采用带有注意力机制的轻量化结构搭建深度卷积网络来提取人体关节点坐标,并合成完整的骨架信息。结果表明：带有注意力机制的姿态估计算法在不同数据集上的准确度均有提升;同时在嵌入式平台上保持误检率较低的情况下达到实时跌倒检测。可见基于改进姿态估计算法并通过关节点判断的方法较好地实现了人体的跌倒检测。