基于证据理论的多传感器数据融合水质检测研究

针对多传感器水质监测数据融合中测量数据存在误差的现象,论文提出一种基于DS证据融合理论的多源监测数据融合算法.该算法将影响水质的氨氮含量(NH3-N)、溶解氧(DO)、pH值、电导率(CD)等多环境因子变量作为证据,并赋予可靠性折扣,计算出水质等级的质量函数,然后通过DS方法将其与其他证据结合起来,最后使用融合质量函数值的决策规则确定水质类别.实验证明这种方法适用于具有多源监测数据的水质类别预测,可以从不确定性传感器数据中评估水质,并提高评估性能.

基于多传感器信息融合的机床测量数据自动补偿系统

机床测量数据自动补偿能够减少加工误差,为提高机床加工精度,设计基于多传感器信息融合的机床测量数据自动补偿系统。首先设计温度传感器、单片机主控与补偿脉冲发生装置,获取机床运动数据,然后采用多传感器融合算法融合采集信息,对信息中误差处理,采用粗糙集理论寻找最佳补偿值,实现机床测量数据自动补偿。实验结果表明,该系统能够有效减少加工误差,可以满足实际应用要求。

面向分布式多传感器的FOA大数据融合算法研究

分布式多传感器融合能够获得更好的数据监控效果,构建一种分布式多传感器数据融合模型以解决数据融合中出现的时序偏差问题。该模型通过对多个传感器测量的数据值进行综合分析,基于相对梯度值剔除冗余干扰以改善数据融合的精度,并基于FOA优化算法模拟果蝇找寻食物的过程,在全局范围内寻找最优解,解决了传感器系统参数优化和选择时遇到的局部早熟问题。实验结果表明,采用FOA算法的多传感器融合效率更高、时间更短,随着数据源数量的增加,算法的融合精度衰减较慢。

基于多传感器数据融合技术的小麦病虫阈值决策算法设计

小麦病虫害种类繁多,且不同病虫害的症状可能相似,导致在小麦病虫阈值决策过程中可能出现数据信息的丢失、误判或冗余,进而影响阈值设定的准确性。传感器数据融合技术具有准确区分不同病虫害类型的潜力,其小麦病虫阈值的准确性较高。鉴于此,设计了一种基于多传感器数据融合技术的小麦病虫阈值决策算法。通过选择和布设多种探测传感器,利用多传感器数据融合技术,将来自不同传感器的数据进行整合,实现了对小麦病虫害的危害程度与产量损失率的精确测定。基于这些测定结果,制定了计算小麦病虫阈值的规则,并通过混合方法优化了小麦病虫害阈值决策过程,最终确定了更加准确合理的小麦病虫害的阈值。案例分析表明,所设计的算法响应时间较短,能够更快地处理数据并作出决策;所得结果与实际结果的误差平均值仅为3.4%,显示出小麦病虫害检测结果的高度准确性和可靠性,通过所提出的方法能够有效提升决策的效率和精确度。

移动机器人多传感器数据融合方法研究

多传感器数据融合技术能够更好地解决智能设备产生的数据不兼容问题,提高设备运行效率和生产力。现有方法缺乏高性能表现以及未考虑数据隐私保护问题,将联邦学习引入多传感器数据融合中,联邦学习局部模型采用门控循环单元(Gated Recurrent Unit,GRU)算法解决多传感器数据拟合问题,首次设计了一种在时间域和空间域上并行的立体式多传感器数据融合方法,该方法既具备优异的融合性能,又保证了各客户端数据的隐私性。实验结果表明了该方法的正确性与合理性,并在鲁棒性方面呈现出优势。

基于高斯滤波与均值聚类的异质多源传感器数据加权融合

异质多源传感器之间工作频率存在差异,导致数据之间的一致性较差,加权融合后的观测误差较大,因此提出基于高斯滤波与均值聚类的异质多源传感器数据加权融合方法。采用高斯滤波对异质多源传感器数据空间单元格进行划分,建立基于单元格的最佳连通域,保留传感器内部数据,完成传感器数据的高斯滤波平滑处理。引入均值聚类对异质多源传感器数据进行一致性处理。通过免疫粒子群搜索最优权重和参数,利用最优权重和参数完成异质多源传感器数据加权融合。仿真结果表明,所提方法能够降低融合后传感器数据的观测误差与均方误差,观测误差与均方误差最小值均为0.002。因此,说明所提方法提高了融合后异质多源传感器数据的可利用性。

两级融合的多传感器数据融合算法研究

针对智慧工厂监测环境中多源数据融合精度问题,提出了一种两级融合的多传感器数据融合方法,旨在提高多源数据融合的准确性和可靠性。该方法分为一级数据融合和二级决策融合,首先采用卡尔曼滤波结合自适应加权平均对同类型传感器进行数据降噪融合处理,其次利用人工兔优化算法(ARO)优化ELM神经网络进行决策融合。实验结果表明,基于ARO优化ELM神经网络的多传感器数据融合算法在融合精度方面优于其他先进算法。经验证,所提出的两级融合多传感器数据融合方法具有更好的融合性能,有效提升感知系统的可靠性和鲁棒性,实现更加准确和可靠的监测和预测。

CPU环境下多传感器数据融合的机器人3D目标检测方法

实时、准确的3D目标检测算法能提供目标的位置和形态信息,为移动机器人实现高效导航、有效避障等各项任务提供保障。现有的3D目标检测算法对硬件设备运算能力的依赖较为严重,为了在确保检测精度的同时降低方法对硬件设备的要求,提出一种能部署在移动机器人CPU环境下的多传感器融合3D目标检测方法。方法结合了2D目标检测和点云聚类技术,利用2D目标检测技术从图像中获取目标的检测信息,根据相机与雷达的空间映射关系对检测框内的点云进行分割,并对分割后的点云进行聚类和信息提取,从而实现3D目标的检测和定位功能。通过与经典的多传感器3D目标检测算法MVX-Net的对比,该算法有更优的检测精度,同时具有更小的计算复杂度。此外,该方法在实际移动机器人CPU设备的边缘终端上进行部署分析,算法的处理速度达到0.069s/帧,满足10Hz激光雷达频率的需求。

视觉及多传感器数据融合的关键技术研究

多传感器融合是现代信息技术领域一个前景很广阔的研究方向,由于单一传感设备所采集的数据在融合算法计算时会具有一定的局限性,因此将2种或2种以上的传感设备所采集来的数据通过融合算法进行计算与优势集成的方案,已经逐渐成为数据融合领域的研究热点。主要介绍传感器数据融合的创新及关键技术,多传感器底层数据收集的复杂性,往往有大量的数据需要处理,将不同类型的传感器数据进行实时采集、融合、存储、传输并显示。

多传感器非线性系统序贯观测融合二阶扩展卡尔曼滤波器

对多传感器非线性系统提出了一种序贯观测融合二阶扩展卡尔曼滤波(Second-order Extended Kalman Filter,SOEKF)算法。该算法的中心思想是根据传感器观测数据到达融合中心的先后次序依次进行处理。研究表明,提出的序贯观测融合SOEKF算法比集中式观测融合EKF算法具有更高的精度;与集中式观测融合SOEKF算法精度相当,且具有更低的计算复杂度。目标跟踪系统的仿真验证了算法的有效性。

基于多传感器数据自动融合的配电房能耗远程监控系统

为了全面、准确地监测配电房能耗,设计了基于多传感器数据自动融合的配电房能耗远程监控系统。硬件上,采用A1101R04C霍尔传感器、DC 0~20 V电压传感器、SINAEX P530功率传感器及DHT11温湿度传感器设计传感器模块,并选择STM32F407ZGT芯片作为微处理器。软件上,采集配电房传感器监测数据,基于多传感器数据自动融合算法进行不同传感器监测数据的融合,获取配电房能耗监控结果。结果表明,配电房能耗远程监控数据的误差在±1%范围内,具有较高的监测精度和稳定性。

基于BIM技术和传感器数据融合的建筑施工现场远程监控数据可视化方法

提出基于BIM技术和传感器数据融合的建筑施工现场远程监控数据可视化方法,提升管理效率和建筑施工现场的安全性。利用传感器技术建立建筑施工现场的数据采集模型,并将采集到的数据经相似度特征匹配方法进行融合。同时采用卡尔曼滤波方法去除建筑施工现场数据的噪声,以所获去噪后的建筑施工现场数据为基础,应用Revit 2016软件建立建筑施工现场BIM模型,全面模拟建筑施工过程,并采用冗余顶点删除法、小包围球方法对模型进行轻量化处理和渲染,将最后得到的建筑施工现场远程监控数据传送给网页端平台,实现建筑施工现场的远程监控数据可视化。试验结果表明:该方法可实现建筑施工现场的远程监控数据可视化,准确地获取建筑施工现场的数据,及时发现建筑施工现场的安全隐患并降低采集数据噪声含量。

基于协方差交叉融合的多传感器数据融合研究

为提高多传感器数据融合的精度和速度,结合凸组合融合算法与协方差交叉融合算法,并采用果蝇优化算法优化协方差交叉融合算法的融合系数,提出一种改进协方差交叉融合算法,实现了多传感器数据的快速、精确融合。仿真结果表明,所提算法在x轴和y轴上的数据融合均方根误差约为3 m,融合的时间约为0.44 s,相较于多贝叶斯估计、模糊聚类、极大似然估计等数据融合算法,具有明显优势,提高了多传感器数据融合的精度和速度。

多传感器融合下后勤物资采供数据远程采集技术

后勤物资采供涉及多个环节和数据源,这些数据源的数据格式、结构和标准各不相同,导致数据源的分散和多样性,增加数据采集的难度。为此,研究多传感器融合下后勤物资采供数据远程采集技术。分析多传感器融合下后勤物资采供数据远程采集技术总体架构,利用多传感器采集后勤物资采供原始数据,并将其汇总至A/D转换器,经A/D转换器实现数据形式转换,将转换后的后勤物资采供原始数据传输至数据预处理与融合单元。采用改进自适应加权融合算法预处理多传感器采集的原始数据并融合,实现后勤物资采供数据的远程采集。实验结果表明,所提方法的接收数据量时间较短,可有效实现后勤物资采供数据融合,且融合后数据较为完整,具有较好的后勤物资采供数据远程采集效果。

卡尔曼滤波下多源传感器数据互补-加权迭代融合算法

因多源传感器在数据融合过程中,受自身数据差异性影响较大,导致最终的融合结果精准度较低。为此,在卡尔曼滤波算法的基础上,针对多源传感器数据提出一种互补-加权迭代融合算法。建立多源传感器观测模型,找出数据融合过程中的最优加权系数。在多源传感器组合系统中引入卡尔曼滤波算法,结合互补-加权迭代融合算法,建立预测方程、状态方程、滤波互补因子以及估计均方误差方程,实现多源传感器的数据融合。实验结果表明,所提算法可以精准找出最优加权系数,观测误差始终在0.6 m以下,可以实现数据的精准融合。

无线传感器网络中的信号处理与数据融合

为了探讨无线传感器网络(WSN)中信号处理与数据融合的应用效果及其对网络性能的影响,采用理论分析与实验验证相结合的方法分析了信号处理技术在数据预处理、信号检测与估计、信号编码与压缩方等方面的应用及数据融合技术在环境监测、目标跟踪、健康监测等场景下的实际效用,构建模型并开展一系列实验。结果表明,有效的信号处理与数据融合技术能显著提高无线传感器网络的数据准确性和系统效率,信号处理与数据融合的集成应用进一步增强了网络处理能力及应用范围,此结果可为无线传感器网络的优化配置和应用提供理论依据和实践指导。

基于集对分析理论的多传感器数据融合方法

现代战争对信息的准确性以及全面性都提出了更高的要求。而多传感器数据融合不仅能够提供比单一传感器更加准确的信息,而且能够提供比单一传感器更加完整的信息。论文以多元概率信息合并为依据,以集对分析理论为基础,提出了基于集对分析理论的多传感器数据融合方法。通过文中实例验证,该方法能够较好地解决多传感器数据融合问题。

基于多传感器数据融合的近岸海域生态环境智能监测

传统近岸海域生态环境智能监测方法未对近岸海域生态环境监测指标进行制定,监测效率低。提出基于多传感器数据融合的近岸海域生态环境智能监测。制定近岸海域生态环境监测指标,构建海域生态环境监测模型,设计智能监测流程,基于多传感器数据融合实现近岸海域生态环境智能监测,实验结果表明,该研究方法可以减少近岸海域生态环境智能监测开销,监测效率更高。

基于多传感器数据融合的造纸厂污水排放监测系统研究

随着环境保护意识的不断提高,造纸厂等企业的污水排放监测越来越受到重视。传统的监测方法往往采用单一传感器实施测量,存在数据波动大、准确性低等问题。为了解决这些问题,提出一种基于多传感器数据融合的造纸厂污水排放监测系统。在数据采集与传输模块中,由传感器连续测量造纸厂污水排放的各项指标,将监测数据记录黑匣子作为远程数据终端,将传感器信号转换成数字信号,通过互联网与GPRS网络发送至终端监测中心站,实现造纸厂污水排放远程在线监测。对于设计的五种传感器,通过多传感器数据融合模块实施各种传感器的数据融合处理,以获得更加精准的污水排放监测结果。监测中心站配备了储存容量大、功能强大的上位机,无线电台以及打印机等。实验测试结果表明,设计系统在监测几种项目时误差均较低,在一个月的测试中未出现数据异常波动的情况。

基于证据理论的多传感器数据融合水质检测研究

对于在融合多个传感器所获取的水质监控数据中出现的测量误差问题,本研究引入了一种建立在德姆斯特-沙费尔(DS)证据融合理论之上的多来源监测数据整合方法。导出水质标准的量化指标,并且应用证据理论与其他依据进行整合,终用结合后的量化数值按照判定准则识别水的品质分级。文章中还提出了提高水质检测精准度的对策。