基于多源信息融合的巡检机器人定位系统

巡检机器人的高精度位置信息对于机器人巡检管理至关重要,在GPS拒止环境下,惯性测量单元(IMU)和超宽带(UWB)定位是常用的组合定位策略。然而,UWB在复杂环境中易受到非视距影响等产生异常值,严重影响经典非线性卡尔曼滤波的性能。本文基于最大相关性准则(MCC),改进扩展卡尔曼滤波(EKF)及无迹卡尔曼滤波(UKF)提高定位算法面对UWB测量异常值时的鲁棒性和精度。最后,搭建巡检机器人的定位系统验证平台。实验结果表明:所提出的算法能够提高IMU⁃UWB融合定位的精度以及鲁棒性,改进后的最大相关熵EKF(MCEKF)和MCUKF精度分别提升2.9%和5.6%。

基于判据融合的异步电动机定子绕组匝间短路诊断

为解决定子绕组匝间短路故障诊断中常见异常运行工况干扰的问题,提出一种基于判据融合的异步电动机定子绕组匝间短路故障诊断方案。首先,考虑到故障特征之间的关联性,提出一种以电流特征为主、电压特征为辅的融合判据;然后,通过融合判据对定子绕组匝间短路故障及故障相进行诊断;最后,通过仿真实验证明了该方案的有效性。

N-P准则下的多传感器信息融合算法设计

传感器是环境感知中实现高度自动化的关键组件。为了实现多传感器系统高水平的抗干扰性和鲁棒性,针对局部传感器稳定性差及精度不足的问题,创新性地提出了一种基于统计判决的多传感器信息融合算法。首先,完成了多传感器融合的基本建模,并设计了单传感器的单值概率特性计算方法。然后,对传统单传感中卡尔曼滤波方法进行了优化设计,消除了累计误差的影响。最后,通过引入奈曼-皮尔逊(N-P)准则完成了多维度评估的多传感器信息融合算法设计。接收者操作特征(ROC)曲线评估试验结果证明了所提算法在理论上的正确性和合理性。相比其他算法,所提算法在抗干扰性和容错性等性能方面有显著优势。实际无人机测试证明了该算法具有一定的实用性。

多判据融合的换流站监控数据异常甄别系统

换流站监控数据中存在部分异常数据,如果无法有效融合全部异常数据,会造成异常数据维度过大,导致甄别结果不精准,为此设计了基于多判据融合的换流站监控数据异常甄别系统。以MSP430单片机为核心,通过双存储器传输传感信号。设计可视甄别模块,计算两个图像圆点中心坐标距离,以此为依据,判断甄别点与设定阈值之间的关系。检测和筛选换流站监控异常数据,融合多判据数据特征,对数据进行降维处理,降低异常数据维度。构建LSTM分位数回归多判据融合模型,识别电流、电压、功率时间序列,获取置信区间范围,结合曲线斜率甄别异常数据,避免人为设置阈值给甄别结果带来的不确定性。由实验结果可知,该系统甄别出的电压、电流异常节点与实际异常节点数量一致,分别是3个和2个,说明使用该系统能够精准甄别异常数据。

韩江中上游地区的崩岗分布特征

选取韩江中上游地区2016—2022年的Sentinel-1/2卫星星座遥感影像和其他辅助数据,基于机器学习方法进行区域尺度的崩岗识别和崩岗影响因子测度。结果表明:1)分类模型的总体精度达到84%,Kappa系数为0.8。其中,崩岗识别的用户精度和生产者精度都超过95%,且其FScore为0.97。2)截至2022年,韩江中上游地区的崩岗侵蚀面积共有435.5 km^(2),各县(市、区)崩岗侵蚀面积差异明显,年变化趋势不一。其中,五华县崩岗侵蚀面积最多(199.2 km^(2)),其年平均变化率为16.29 km^(2)/a。梅江区崩岗侵蚀面积最少(1.6 km^(2)),其年平均变化率为0.18 km^(2)/a。3)韩江中上游地区崩岗发生概率与高程、坡度、植被覆盖、地质类型、人口密度、大气压、降雨量、经向风速、纬向风速和风速等10个因素存在显著相关性(P<0.001)。在一定的变化范围内,高程、坡度、地质类型、大气压、经向风速、纬向风速和风速对研究区崩岗发生为正向影响,植被覆盖、人口密度和降雨量对崩岗发生为负向影响。

采用交互信息量评价遥感图像融合结果的方法

提出了采用交互信息量的评价准则来评价遥感图像的融合效果的方法 ,该方法通过衡量融合图像与源图像的互信息来评价融合效果 ,具有简单、准确、抗干扰性好的特点 .通过将它与采用熵和联合熵的评价方法相比较 ,实验结果表明交互信息量是一种很好的评价方法 .

Curvelet变换域图像融合算法

本文提出一种基于Curvelet变换域的局部区域能量匹配度的图像融合算法。该算法利用Curvelet变换多尺度和各向异性特征,可在保持图像稳定性的同时增强图像的细节信息,用于同一场景不同聚焦图像的数据融合可获得理想的结果。定量分析了在添加不同方差高斯噪声情况下利用小波和本文方法得到的融合图像对应原标准图像的峰值信噪比(PSNR)。实验结果表明采用本文的图像融合算法在信息熵、结构相似度等方面均好于经典算法。

基于最小二乘准则的多传感器参数估计数据融合

为了从含有加性测量噪声的线性测量数据中更加准确地估计未知的常值参数,测量噪声互不相关的多传感器测量系统得到广泛使用。在最小二乘准则下,提出了多传感器测量系统在多次同步测量时的集中式和分布式参数估计数据融合算法,两种算法完全等价,且都是全局最优的。数值仿真实验的结果表明,新算法可以明显改善传感器测量参数的估计精度。

基于红外与可见光图像信息融合的绝缘子污秽等级识别

绝缘子污秽等级的准确识别是污闪防治的有效途径。红外和可见光图像分别表征了污秽绝缘子的表面温度和色彩分布,可从不同角度反映绝缘子的污秽状态,该文提出了基于红外和可见光图像信息融合的绝缘子污秽等级识别方法。建立并求解了湿污绝缘子发热数学模型,得到了绝缘子表面温度分布;通过实验获取绝缘子红外及可见光图像,经图像分割后,提取了绝缘子盘面红外与可见光特征并用Fisher判别法进行选择;将选出的特征与环境湿度、照度组合成为特征向量,并使用贝叶斯决策理论对其进行特征级信息融合,识别绝缘子污秽等级;最后对现场样本进行了识别。实验结果显示,图像信息融合提高了绝缘子污秽等级识别准确率,现场测试结果准确,为准确识别现场绝缘子污秽等级提供了新方法。

加权数据融合算法及其应用举例

建立了一种基于格罗贝斯(Grubbs)准则和聚类分析的加权数据融合算法,即先用格罗贝斯准则剔除所测数据中的疏失误差数据,再用聚类分析的方法对剔除疏失误差数据后的测量数据进行聚类,并由此确定各类别的权数(加权因子),最后利用所得权数进行加权融合得出被测对象的融合估计值。实验证明,该算法简单有效,且适合计算机编程。

多级方向引导滤波器及其在多传感器图像融合中的应用

基于多级方向引导滤波器,提出一种图像多尺度几何分析方法,并将其应用于多传感器图像融合中.首先利用引导滤波器对图像进行多级边缘保持分解,得到一个近似子带和多个不同尺度上的细节子带;然后采用楔形小尺寸方向剪切滤波器对细节子带进行方向分析,在不同尺度上生成多个方向子带,根据近似子带和方向细节子带所具有的不同物理意义,分别采用不同的融合准则对分解后的系数进行合并处理;最后通过对合并后的系数进行简单的叠加计算获得重构图像.该方法有效解决了在其他多尺度分解中滤波器缺乏自适应性和图像分析不具备平移不变性的问题.多组图像融合实验结果表明,在图像融合过程中,该方法的性能优于已有的其他典型多尺度分解方法.

基于改进卡尔曼数据融合算法的温室物联网采集系统研究

针对传统温室采集精度不高、布线复杂、能耗大等问题,研究了一种基于改进卡尔曼数据融合算法的温室物联网采集系统。系统硬件主要由CC2530芯片和STM32微处理器构成,运用罗曼诺夫斯基准则对采集的数据进行预处理后,再使用卡尔曼滤波算法在协调器节点处对数据进行静态融合。选取温度作为观测量进行仿真和实验,结果表明,使用改进卡尔曼数据融合算法处理后的温度误差仅为0.089℃,处理后的数据更加接近环境真实值。改进的卡尔曼数据融合算法可以有效地提高数据采集的精度和系统的稳定性,研究结果可为数据采集技术在农业智能化方面的应用提供参考。

基于线性加权数据融合的协作频谱感知优化

在认知无线电网络中,协作频谱感知技术可有效地缓解本地感知场景中存在的隐藏终端等问题。为了获得更大的协作增益,该文采用基于数据融合的协作频谱感知策略,融合中心依次收集各次用户上报的本地能量检测数据,然后进行线性加权融合,并做出最终判决。重点研究了线性加权融合方案的优化,推导了各次用户分别在Neyman-Pearson(N-P)和Bayesian两种不同准则下的最优融合权重,并在Suzuki感知信道下进行了蒙特卡洛仿真和数值验证。结果表明,N-P准则下给出的两种优化加权融合方案MDC和NDC性能相近,且均比EGC、SC、MRC等常用的融合方案具有更高的协作检测概率;而Bayesian准则下推导的优化加权融合方案BAY在检测可靠性方面明显优于其他方案。

改进的冲突证据组合规则

针对信息融合中冲突证据的组合问题,提出一种新的利用均衡信度分配准则的冲突证据组合方案.首先分析原始Dempster组合规则及其改进组合规则的不足,然后利用均衡信度分配准则合成新的mass函数.数值实验表明,新组合方法有效地解决了现有Dempster证据组合规则中存在的Zadeh悖论、一票否决、鲁棒性和公平性等问题.

复杂有色噪声广义系统信息融合Kalman滤波器

针对带复杂有色噪声的线性广义系统,提出了矩阵加权融合稳态Kalman滤波器。应用奇异值分解将原广义系统滤波问题转化为两个正常子系统滤波问题。通过状态增广与量测变换法将有色过程噪声、有色量测噪声化为白噪声,因此问题转化为带相关白噪声正常系统Kalman预报问题。基于线性最小方差意义与矩阵加权融合准则得到了复杂有色噪声作用下的广义系统融合Kalman预报器,进而得到带复杂有色噪声的原广义系统滤波器。该滤波加权融合算法精度高于各单传感器局部滤波器,低于集中式融合滤波器。Monte-Carlo仿真实验证明了该滤波融合算法的有效性与可行性。

排水管道堵塞故障的声诊断方法研究

针对现有城市排水管道堵塞程度难以辨识的问题,提出一种基于多特征融合与随机森林的排水管道堵塞程度辨识方法.首先对排水管道中采集到的声响应信号进行分帧处理建立信号帧集合.其次,提取各个信号帧的A计权总声压级、能量熵、分形盒维数指标构建特征向量集合;引入距离可分性判据,以达到对特征向量集合去冗余并提高特征区分度的目的;并利用类内类间散布矩阵的迹作为权重实现特征的加权融合.最后,对加权融合的特征向量集合使用随机森林进行故障辨识.实验结果表明,基于距离可分性判据的多特征融合特征向量集合可取得更高的管道堵塞故障识别率;同时,随机森林的堵塞辨识模型与SVM辨识模型比较,随机森林辨识模型有较高的准确率和较快的辨识速度.经验证,本方法不仅能有效地识别不同程度的管道堵塞故障和重复堵塞情况,而且能够排除管道配件比如三通件对故障识别的影响.

多传感器线性最小方差最优信息融合估计准则

用Lagrange乘数法和矩阵微分运算 ,分别提出了按矩阵加权、按标量加权和各分量按标量加权的三种线性最小方差信息融合估计准则 ,其中考虑了估计误差之间的相关性 ,推广和发展了现有文献的结果。文中比较了三种融合估计的精度和计算负担 。

CR网络中基于K秩融合的频谱感知算法

针对合作频谱感知模型,分析了集中式频谱感知的基本原理,并对融合中心的硬合并算法进行了研究.讨论了在先验概率已知时,K秩融合准则中K的各种取值对系统检测概率、虚警概率、漏检概率的影响以及合作用户节点数目与错误概率之间的变化关系.仿真结果表明,在加性高斯白噪声环境下,感知节点规模较小,在大约一半的节点参与合作时,K秩融合准则具有较好的感知效率.

基于模糊理论的多传感器数据融合系统

利用模糊理论解决不确定性问题的优点,将其应用于数据融合系统;根据模糊控制数据融合模型,对模型中涉及到的容错处理、时空对准问题进行研究;分析了模糊理论在融合算法中的处理过程;并根据不同的对应情况加以讨论说明;最后通过仿真检验分析,证明该融合系统能有效地提高测量数据精度。

联合信息融合和解析方法的微震源定位研究

针对现有微震源定位算法大多基于均匀速度假设以及采用迭代解法导致计算量大且稳健性不佳的不足,通过对走时方程的变换和求解,推导了考虑速度各向异性的微震源解析解,提出了一种新的微震源定位方法。新方法由6个有效检波器数据实现定位。考虑到波速特征的复杂性,将随机模拟方法应用于产生大量震源备选解,并从信息融合角度对最终震源解进行探讨,将粗大误差判别准则和聚类分析方法用于获取最终的震源解。通过算例验证表明:提出的解析方法正确合理,且采用的信息融合方法科学合理,并建议在实际应用中采用粗大误差判别准则确定最终微震源。