移动机器人系统多传感器信息融合研究

多传感器信息融合是目前移动机器人领域的主要研究热点。全面讨论了多传感器信息融合技术的主要研究进展及其在移动机器人系统中的典型应用情况；简要介绍了多传感器信息融合的基本实现方法；系统分析了移动机器人系统中多传感器信息融合的主要研究目标与研究内容；在此基础上，提出一种基于多传感器信息融合的足球机器人定位与导航系统的设计实现方案。     

双／多基地雷达对抗技术

扼要论述了双／多基地雷达的基本概念、模型及其电子对抗特征，并介绍了多传感器数据融合的基本概念；重点论述了用雷达侦察和通信侦察两种传感器通过数据相关处理以实现对双／多基地雷达进行侦察识别的相关识别方法，计算机模拟结果表明此方法是可行的；最后，讨论了对双／多基地雷达的干扰方法。     

信息融合技术在智能温室控制系统中的应用

多传感器信息融合技术是一种现代的信息处理技术,此项技术在智能控制系统中有广阔的应用前景,本文首次将多传感器信息融合技术应用到智能温室控制系统中。详细介绍了多传感器信息网络的构建原则和系统的硬件结构,并讨论了多传感器信息数据融合的几种模型结构。     

一种高性能目标识别融合算法

考虑到目标类型数和传感器扫描次数对识别的影响，提出了一种改进的多传感器多目标识别相关算法，导出了新的累积融合公式。对多传感器多目标识别融合作了计算机模拟，模拟结果证实了改进的算法在性能上有明显的提高。     

小卫星温度测量冗余设计方法研究

提出一种软硬件结合的温度测量冗余设计方法。将小卫星的温度测量按组划分,相邻的几个传感器设置为一组,同组的传感器用Bayes数据融合的方法得到对每个温度点的温度估计,并以此为依据去判定每个温度测量点的温度测量是否有效,若判定为测量数据无效则启用备用传感器。该方法用软件实现了对测量数据是否有效的判定,再用有限的硬件备份提供冗余设计,使得备份传感器的数量大大减少。     

基于多传感融合的目标跟踪方法研究

针对单一传感器对前方车辆识别准确率低的问题,基于多传感器融合模型建立了1种目标车辆识别方法。首先开展摄像头与毫米波雷达的联合标定,实现多传感器在时空上的融合;然后引入全局最近邻算法对雷达和摄像头各自采集的目标序列与跟踪目标进行数据匹配,确定跟踪目标的2组局部估计;最后通过D-S证据理论对2组目标序列进行优化组合,获取车辆行驶状态的最优结果,从而实现对目标的识别。通过Matlab/Simulink联合搭建试验平台对所研究的融合模型进行算法验证。试验结果表明:该融合算法在不同天气条件下对目标的平均检测率为88.3%,可实现对目标车辆的准确识别与跟踪。     

改进卡尔曼滤波在多传感器室内定位中的应用

利用手机内置加速度传感器、陀螺仪等多传感器融合进行行人航位推算,以实现室内定位,具有成本低、灵敏度高、定位方法简便等优点,但在人员非步态扰动以及传感器自身测量误差产生漂移的情况下,传感器信号采集的波动干扰大,导致室内定位精度较低。针对此问题,提出一种改进的卡尔曼滤波,即以均值滤波对采样信号作一次处理,降低波动明显的采样数据干扰和系统响应时间,再将处理后的采样数据作为一次测量值利用卡尔曼滤波进行递归运算,提高了系统定位精度。实验结果表明:所提算法在2 m内的定位精度提高了57.3%,在1 m内定位精度达到68.2%,同时运行稳定性有所增强。     

多个假设应用于同一结论时综合置信度的一种计算方法

根据数据融合、专家系统、人工智能等领域中不确定性推理的需要,提出了一种多个假设应用于同一结论时综合置信度的计算方法,该方法可针对多个假设对结论的权重相同与不同的情形分别进行计算。在数据融合、专家系统等工程中的应用表明,该方法是一种有效的推理和计算方法。     

基于S-D分配的集中式多传感器不敏滤波算法

研究了非线性环境中的集中式多传感器多目标跟踪问题,提出了一种基于S-D分配的集中式多传感器不敏滤波算法。算法通过广义S-D分配技术实现每个传感器中的量测与目标的数据关联,求得所有可能互联中的最佳划分,然后按照顺序多传感器联合概率数据互联算法,依次处理最佳划分中各传感器源于同一目标的量测,在此基础上通过不敏卡尔曼滤波(UKF)解决非线性系统中的目标跟踪问题。最后给出了该算法与MSJPDA/EKF算法的仿真比较,结果表明该算法具有更高的稳定性和跟踪精度。     

多信息融合技术及在无损检测中的应用

研究了基于D-S证据理论的多传感器决策层信息融合的实现方法和算法,探讨了将Dempster联合规则推广到多源信息时取消中间联合过程的归一化计算问题,推导出了改进算式。应用于无损检测,用超声波等三种传感器对一铸件进行无损检测仿真实验,结果证明能够提高检测速度与检测精度。     

智能气体传感器研究

为了解决现有气体传感器分辨率差、稳定性也欠佳的问题，急需发展智能气体传感器技术。文中介绍了智能气体传感器的工作原理，利用三类不同气体传感器组成了气体传感器系统，用模式识别技术对６种不同气体不同浓度的３６个样本进行了测量和识别，并对６个未知样本进行测识，识别率可达１００％。     

一种基于多参数的IDS决策过程研究

讨论了将数据融合技术运用到入侵检测系统中的方法,并提出了一个基于数据融合技术的入侵检测机制-DFIDM。在该机制中,有多个检测器搜集系统日志文件、网络流量信息、网络数据包等数据,这些数据在通过了本地决策、数据提取和对象提取阶段等预处理过程之后,传送到融合中心进行决策,重点研究了决策过程所涉及的多参数问题。为此,系统设计了检测器可靠性、时间因素、空间因素等五个主要因素参与融合与决策。最后通过实验证明,采用了该机制的入侵检测系统具有更好的准确性。     

一种新的智能内窥镜导航系统

本文介绍了一种新的智能内窥镜导航系统。该系统用于实现内窥镜的智能导航介入。其中导航方法是基于视觉传感器和触觉传感器的多信息融合的方法。在视觉传感器中采用了一种基于自适应阈值图像分割算法的寻径方法,该方法采用加速的最大类间方差法进行阈值分割。在触觉传感器中采用了基于MEMS技术的硅微触觉传感器,四个硅微触觉传感器被封装在内窥镜头部表面,可以获得内窥镜头部全方向的压力。本文通过实验验证了该导航系统的可行性及可靠性,该方法的应用弥补了传统方法中因暗区不明显而无法引导内窥镜的不足,提高了内窥镜导航的精度和可靠性。     

无线传感器网络下的并行粒子滤波目标跟踪算法

针对无线传感器网络环境下目标跟踪问题,提出一种基于分布式并行粒子滤波的目标跟踪方法。在建立了网络动态分簇模型和目标运动模型的基础上,将并行粒子滤波算法应用于动态目标进行跟踪。算法通过多个感知节点并行的运行局部粒子滤波器,得到每个节点对目标状态的估计,动态成簇的簇头节点对簇内每个节点的信息进行融合,形成动态目标的状态估计,提高了目标跟踪的精度。同时通过动态簇头之间的目标状态信息的交换,实现了运动目标的动态连续跟踪。仿真结果表明,算法实现了运动目标协作跟踪,与集中式结构目标跟踪相比,跟踪精度提高了30%。     

GPS/SINS组合导航系统的多传感器最优融合算法

对GPS/SINS组合导航的工作原理和模型建立进行详细的分析,设置了两个传感器。提出一种基于信息融合的导航参数最优估计滤波方法。通过计算机仿真说明该方法可提高导航系统的计算精度和速度,有较好的容错性和环境适应性,具有实际使用价值。     

模糊神经网络在雷达网数据融合中的研究

根据数据融合的原理,对雷达网数据融合问题提出了一种模糊神经网络模型,讨论了神经元感应场内模糊隶属度函数最大的WTA竞争机制和目标数据的重复融合问题。通过三目标数据关联的仿真实验,证明了该方法的有效性。     

网格聚类在多雷达数据融合算法中的应用

应用网格聚类的方法区分同一雷达接收的不同目标的观测数据,通过类间数据融合,实现同一目标不同雷达接收数据的融合,以便对多目标进行实时跟踪。研究了观测数据网格聚类的基本思想、形式化描述及算法实现,讨论了对机动目标跟踪的Kalman滤波方程及空管系统中易于计算的各参数矩阵理论依据及相应的初值。仿真结果表明,通过网格聚类能很好地区分不同目标,聚类后再进行跟踪融合更加准确。