基于参数估计的数据融合算法研究

研究了有关分批估计、自适应加权和方差估计算法在多传感器数据融合中的有效性、准确度和实时性。通过实例在对几种算法进行仿真比较的基础上,说明了上述几种算法的有效性及其融合精度的差异,其结果表明:按测量方差值并采用自适应加权算法的融合效果最佳,有效地提高了融合精度,对考虑了环境噪声的多传感器数据采集系统较为适合。     

基于参数估计的多传感器数据融合算法研究

为提高多传感器数据融合精度,结合传感器网络的特点及应用实例,研究分批估计、自适应加权和方差估计算法在数据融合中的有效性、准确度和实时性,提出按测量方差的自适应加权数据融合算法,利用600个传感器所提供的实例数据,对几种算法进行仿真,并比较了几种算法的有效性及其融合精度的差异,其结果表明采用自适应加权算法可以有效提高融合精度,对考虑了环境噪声的多传感器数据采集系统较为适合.     

无线传感器网络基于定向扩散与分批估计的数据融合算法

无线传感器网络中采集的数据存在着较大的冗余与误差,造成能量消耗过多,并且影响数据的可靠性。针对这个问题提出一种基于定向扩散与分批估计的数据融合算法,对监测同一对象的多个传感器所采集的数据进行综合,提高数据精度和可信度,并减少数据传输量,从而降低了功耗。通过对室内环境参数(温度)的监测验证了这种算法的可行性。     

智能检测系统中的数据融合技术

介绍了一种数据融合方法在智能仪表多传感器系统中的应用，它时测量值进行一致性检测和分批估计．得出融合值。实验数据分析结果表明，使用此算法处理的数据有更小的误差和方差。这种实时数据处理方法采用有限次等精度测量，具有计算量小，计算机编程容易等特点，适用于缓变量智能检测系统。     

基于异常数据预处理和自适应估计的WSN数据融合算法

针对无线传感器网络（wireless sensor network,WSN）存在节点能量受限、测量精度低、生存期短等问题,提出一种基于异常数据预处理和自适应估计加权融合算法（abnormal data-preprocessing adaptive estimation weighting fusion,ADAEWF）。为了提高算法可靠性,提出了基于异常数据检测、简单多数原则和节点综合支持度函数的数据预处理机制;为了减小测量误差对融合精度的影响,基于分批估计和自适应理论对节点测量值进行自适应估计加权数据融合;然后,建立了WSN仿真模型,并分别获得了ADAEWF、自适应预测加权数据融合算法（adaptive forecast weighting data fusion,AFWDF）和算术平均值法下融合结果的均方误差和网络有效生存期。仿真结果显示：ADAEWF算法融合精度和网络有效生存期均优于AFWDF和算术平均值法,表明ADAEWF算法在提高融合数据有效性、网络有效生存期和融合精度方面具有优越性。     

数据融合处理算法在ZigBee中的应用

在标准ZigBee协议中没有设计相关的数据融合规范,使其只能用在低数据冗余的应用场合。针对大规模网络,网络中的数据冗余度很大,网络中的数据冗余会引起节点频繁地争抢信道,网络时延增加甚至出现网络瘫痪。为了解决这个问题提出了两层数据融合方法：第一层设计了终端节点到路由节点之间的统计融合,第二层设计了路由节点到网关的神经网络数据融合。实验证明,数据融合有利于降低数据冗余、改善查询效率、降低能量消耗,也使ZigBee协议适合高数据冗余的应用场合。     

多传感器数据融合在矿井安全监测中的应用

针对矿井安全监测数据不准确、安全评判不可靠的问题,提出了一种基于多传感器数据融合的两级数据融合方法。一级融合先利用分批估计算法对单个传感器数据进行处理,提高数据采集的准确性,再采用自适应加权算法对同类多个传感器数据进行处理,获得矿井各环境参数的融合值;二级融合将矿井各环境参数的融合值与矿井安全标准特征向量进行灰色关联度分析,得到矿井安全状况的一致估计。实例验证了该方法的可行性和有效性。     

蚁群算法在传感器网络数据融合中的应用

研究无线传感器网络数据融合优化问题,采集数据过程节点间存在大量的冗余数据,需对数据进行融合,提高数据传输效率。为了更好地消除冗余数据,提出一种采用蚁群算法的传感器网络数据融合方法。通过建立传感器数据的传输初始路由,再用蚁群算法找到最佳数据路由,即数据传输最优传感器节点序列,从而实现数据融合。仿真结果表明,蚁群算法能够有效消除冗余数据,减少网络中数据传输量,降低传感器节点能量消耗,延长整个网络的寿命。     

多传感器数据采集系统中的数据融合研究

针对多传感器数据采集系统的准确性与可靠性的要求,提出了单传感器分批估计融合与模糊理论中的相关性函数与加权自适应算法相结合的数据融合方法。首先,对每一只传感器进行分批估计融合,得到了较为可靠的局部决策值。然后,利用模糊理论中的相关性函数,计算出每只传感器与其它传感器的相关程度,并剔除掉那些相关程度较低的传感器的局部决策值。最后,在权的最优分配原则下,利用加权自适应算法对剩下的局部决策值进行数据融合。该方法能在数据先验知识未知的情况下,客观地反映各个传感器的可靠程度。数据分析结果表明:与同类融合方法相比,该方法具有更高的精度。     

基于自适应分批估计的瓦斯监测多传感器数据融合研究

针对瓦斯监测中多传感器监测数据的融合问题,提出了一种多源数据自适应分批估计算法。利用各组传感器局部融合值与最终融合值的方差自适应地调节各组的权重,通过多步融合逐渐弱化误差较大传感器组对最终融合值的影响。仿真实验表明:相对于平均值法与分批估计算法,该算法能有效地提高数据融合精度,能够满足瓦斯监测对实时性和精确性的要求。     

ZigBee网络路由算法研究与优化

本文先研究分析了当前ZigBee网络支持的3种路由算法,并针对目前最常用的ZBR路由算法在路由发现过程中会产生大量无用RREQ分组且能量消耗快的缺点,本文提出了一种改进的分层能量控制算法.本文从控制节点能量阈值、限制RREQ分组的传播范围、限制网络深度入手对其进行优化,优化后的算法丢弃了不需要的RREQ分组包、降低了网络的能耗.最后通过NS-2进行仿真,实验结果证明,改进后的算法在保证网络传输稳定性的同时降低了时延和能量消耗,使得网络生存时间最大化.     

一种计算机网络侦察的数据融合算法

计算机网络侦察是网络战的一个重要环节,如何对大量的来自不同侧面的网络侦察数据进行有效的融合是其中的一个难点问题。该文分析了计算机网络侦察信息的特点以及计算机网络侦察信息融合处理的特点,基于可能性理论和模糊综合函数理论提出了一种计算机网络侦察目标识别模型和计算机网络侦察数据的时空数据融合算法,并讨论了时空数据融合算法间的相互关系。     

ZigBee网络Cluster-Tree优化路由算法研究

通过分析ZigBee协议中Cluster-Tree和AODVjr算法的优缺点,提出一种基于Cluster-Tree+AODVjr的优化路由算法。该算法利用ZigBee协议中的邻居表,通过定义分区来确定目的节点的范围,从而控制广播RREQ分组的跳数,防止无效的RREQ泛洪。此优化算法能够有效地减小路由跳数,缩短传输时延,减少网络中死亡节点的数量,提高数据传送的成功率。     

外测实时数据融合算法应用研究

对当前外测实时数据处理现状及存在问题进行了简要分析,针对外测实时数据的固有缺陷,展开了实时数据融合技术的研究。结合轨迹实时数据融合处理所面临的一些关键技术,通过分析论证,给出了切实可行的数学模型、融合方法。该项研究已在实时测控软件系统中得到实际应用,对提高靶场外测实时数据处理精度起到了重要作用,对靶场测控软件系统的进一步完善具有指导意义。     

基于卡尔曼滤波的数据融合算法与应用研究

针对无人机飞控系统对输入的多传感器信息融合时传统卡尔曼滤波算法容易出现滤波发散,滤波精度和系统的实时性降低的问题,研究了一种改进的自适应滤波算法,可以让数据融合后的信息精度更高,实时性更强。改进的算法是在Sage-Husa滤波的基础上引入滤波收敛性判据,并提出了基于改进的Sage-Husa滤波算法的联邦卡尔曼滤波器的设计,可以抑制滤波发散,提高滤波精度和稳定性。同时引入强跟踪滤波算法的思想,调整增益矩阵,改进滤波算法,提高系统突变情况下的滤波处理能力。最后,通过对特定的自主避障系统用改进后的算法与传统卡尔曼滤波算法进行MATLAB仿真比较,仿真结果显示改进的自适应滤波算法在系统模型参数失配和实变噪声情况未知时,可以较好地保持滤波的精度和实时性。     

D-S改进算法在数据融合中的应用

作为一种重要的处理不确定性问题的方法,D-S证据推理理论目前已经广泛应用于各种数据融合系统中。详细阐述了D-S证据理论的相关理论和证据组合原理;针对D-S证据理论存在的缺陷和不足,介绍了一种改进的证据组合方法;通过实例证明,该改进方法能够用于组合冲突比较大的多个证据,并提高融合的性能和可靠性。     

无线传感器网络簇内分级数据融合算法

根据无线传感器网络(WSN)资源受限的特点,在主成分分析融合方法的基础上提出一种WSN簇内分级数据融合算法。采用自学习加权方法估计各个传感器的测量方差,通过线性无偏最小方差估计法对簇内传感器节点的测量数据进行修正,用主成分分析方法得出各传感器的综合支持度和数据融合的公式。通过应用实例和仿真结果验证该方法的有效性和可靠性。     

一种无线传感器网络动态成簇数据融合算法

针对无线传感器网络应用于突发事件的场合,提出一种基于事件驱动的动态成簇数据融合算法。在综合考虑事件严重程度及节点剩余能量等因素的基础上,算法选择刺激强度大且剩余能量多的节点担当簇头。簇头节点通过广播成簇消息实现动态成簇,并动态调整每一轮数据融合延迟时间,提高了数据融合效率。仿真实验结果表明,与TEEN协议相比,该算法具有较低的节点平均能耗和较佳的网络数据融合延迟时间。     

面向ZigBee的数据压缩算法研究

ZigBee是一种新兴的短距离、低速率的无线传感器网络技术,在医疗监护领域有着广阔的应用前景.基于单片机的ZigBee无线开发平台因其资源(传输带宽、能量)有限的特点,在数据处理和传输方面面临着新的挑战.针对生理信号的特点,本文提出了一种能够在多数单片机上使用的实时压缩算法--改进型自适应哈夫曼算法.实验表明,该算法可以满足对数据实时压缩的要求.     

基于ZigBee的矿井无线网络应用研究

本文分析了矿山安全生产过程中,发展以Zigbee技术为代表的矿井无线网络的重要性,介绍了ZigBee技术的特点及应用于矿山无线网络的优势,详细介绍了ZigBee技术在矿山的应用实例和现状,并根据其目前应用探讨分析了其在深部开采和安全生产中巨大的应用前景。