基于改进自适应加权融合算法的土壤湿度监测研究

传统方式进行土壤湿度采集的过程中往往会遇到环境复杂、信号弱、信号干扰较大等问题。为提高土壤湿度采集的精准度,提出一种基于数据级融合思路的改进多传感器自适应加权算法。通过建立改进的自适应加权融合算法模型,经过一系列推算,得到系统的总均方误差表达式,然后通过获得的值选择每个传感器的最优方差值,通过计算获得每个传感器的方差的最优估计值。经过实地测试,通过使用5个相同的传感器对土壤湿度进行采集,各传感器回传信息有较为明显的差别,使用自适应加权融合算法得到融合结果的总体方差较大,对自适应加权融合算法进行改进后,得到的总体方差减小了400%左右。

基于自适应加权融合算法的大空间火灾智能识别方法

大空间消防系统需要的探测器种类多、数量大,且采集数据易受环境干扰,进而使得火灾的识别难度大,精度低。为解决这一智慧消防系统的关键问题和难题,本文提出一种基于自适应加权融合算法的智能识别算法。在此基础上,以演播厅大型空间为例,进行探测器阵列布局与防火设计,并实现对明火和阴燃类火灾的智能化识别。

基于改进自适应加权的多传感器信息数据融合方法

多传感器采集的数据在数据特征和数据形式上存在较大差异,导致当前融合方法在加权过程中很难确定权值,融合效果差。文章提出一种基于改进自适应加权的多传感器信息数据融合方法,首先,进行多传感器信息数据的采集与预处理;其次,初始化每个传感器采样信息的权重;然后,根据调整后的权重对每个传感器的数据进行加权融合系数的自适应调整;最后,通过数据集合中同属性信息的聚类,实现对数据信息的融合处理。试验结果表明,所设计方法的实际应用效果更好,按照规范使用该方法进行多传感器信息数据融合,能够达到最优融合状态。

基于最佳缝合线和改进加权平均融合的图像拼接

为了解决图像拼接中出现的拼接缝和伪影问题,文章提出一种基于动态规划思想的寻求最佳拼接缝算法,采用改进的加权平均融合算法解决拼接缝问题。在图像配准方面,通过SIFT算法对图像进行特征匹配,并利用RANSAC算法去除误匹配点。在图像融合方面,给定一对对齐的图像重叠区域,利用动态规划思想来搜索最佳缝合线;然后结合改进的加权平均融合算法实现无缝拼接。实验结果表明,本文提出的算法有效消除伪影和拼接缝,实现两幅图像重叠区域之间的光滑过渡,符合人类的视觉感知效果。

融合自适应t分布和随机游走策略的松鼠优化算法的研究

针对松鼠优化算法在后期寻优能力不足、容易陷入局部最优以及种群多样性损失较大的问题,提出了一种融合自适应t分布和随机游走策略的松鼠优化算法(TRWSSA)。该算法利用折射反向学习策略进行种群初始化,增强了种群的整体多样性;引入非线性搜索因子并且在每一次松鼠位置更新中加入自适应t分布扰动位置,减少算法陷入局部最优的概率,增强全局寻优能力;在最后的位置更新中加入随机游走策略对最优松鼠位置进行扰动更新,提高算法后期的收敛精度和速度。通过在8个基准函数上的仿真实验,对比其他智能算法以及改进算法,实验结果和分析表明TRWSSA在收敛速度、收敛精度上有明显提升,且能较好地解决寻优不足问题。

一种改进Cartographer算法的建图方法研究

对于传统激光雷达建图算法中存在的点云特征提取不完善、质量低,噪声影响导致的位姿数据偏差影响建图效果的问题,提出了一种基于改进Cartographer算法的激光建图方法。首先,在传感器信息融合部分,用自适应无损卡尔曼滤波(AUKF)的方法,对传感器数据进行预测更新,再对噪声进行自适应优化,来减小噪声对位姿数据造成的影响;其次,在处理激光雷达采集的点云数据时,改进体素滤波的效果,通过对点云赋权过滤的方法进行点云信息的二次筛选,以降低点云的冗余,提升点云质量;最后,在真实环境进行建图测试,比较改进后算法与传统算法的建图效果,在室外环境下改进算法比原算法绝对平移误差降低了25.8%,绝对旋转误差降低了28.9%。可明显看出改进算法数据误差更小,建图效果更加精确。

多传感器在线自适应加权融合跟踪算法

针对多传感器机动目标的跟踪问题 ,提出了一种多传感器在线自适应加权融合跟踪算法 .该算法依据估计的各传感器的方差的变化 ,及时调整参与融合的各传感器的权系数 ,使融合系统的均方误差始终最小 ,从而能在线适应传感器性能改变 .仿真结果表明 。

多策略融合的改进万有引力搜索算法

为解决传统万有引力搜索算法(GSA)易陷入局部最优和开发能力弱等问题,提出了一种多策略融合的改进万有引力搜索算法(MFGSA)。首先,提出动态调整引力常数G的更新策略,以增强算法的探索能力和收敛精度;其次,为保留粒子的多样性,提出了基于对称思想的粒子越界处理策略,以提高算法的收敛精度;为适应前两个策略,还引入精英思想,用最优粒子改善最差粒子位置策略,以避免算法陷入局部最优;同时,提出了自适应因子更新粒子速度和位置策略,以提高算法的收敛速度。为验证改进算法的性能,将改进算法与传统万有引力搜索算法和其他四种改进万有引力搜索算法在10个基准函数上进行了对比实验,结果表明MFGSA在收敛速度、搜索精度方面优势较大,表明MFGSA性能的优越性。

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。

基于双基地阵元级数据融合的声源定位算法

针对双基地声呐系统中,利用几何关系构建定位方程求解定位方式在多目标时存在定位模糊的现象,本文利用阵元级数据融合提出了一种目标定位算法。利用双基地系统中目标时延和方位的耦合关系,将接收数据近似地表示成广义方位估计的模型,实现对时延和方位的同时补偿,将定位问题转换为空间谱估计问题。通过添加虚拟源的方式改进了经典的最小方差无偏估计算法权值的计算方法,得到了旁瓣更低的增强型最小方差无偏估计算法,使得该算法在多目标情况下也不存在定位模糊现象,从而可以省去后续的数据关联等步骤。数值仿真结果表明:相比于基于方位估计的双基地定位算法,本文利用双基地阵元级数据融合提出的算法在单目标和双目标情况下获得了更高的定位精度,在一定信噪比条件下定位误差较经典方法低5 dB。数值仿真和分析展示了本文所提方法在双基地声呐中的应用潜力。

基于分簇与自适应加权的WSN数据融合算法

针对无线传感器网络自身能量有限需要节能的问题,提出了网络的最优分簇规模算法;考虑到簇首的负担较重,提出要选择剩余能量较高的节点作为簇首.这样可以有效延长WSN的生命周期,提高WSN的使用效率.最后结合按测量方差的自适应加权数据融合算法对收集的数据进行融合,减少数据传输,进一步达到节能的作用.

基于改进多传感器数据融合算法的温室环境检测研究

采用传统方法进行温室环境参数检测,通常存在环境复杂、检测可靠性低、精度差等问题。为提高温室大棚多参数检测数据的准确性,提出一种改进的多传感器数据融合算法。首先利用箱线图算法剔除偏离大的传感器数据,得到最优数据集;其次使用支持度和置信距离理论构建新的支持矩阵,将剔除的异常数据用支持度最高值代替,提高参与融合的数据可靠性;然后利用改进的自适应加权算法对数据进行融合;最后经测试,对传感器数据融合算法和算术加权平均融合算法处理结果进行分析比较。实验结果表明,所提算法能够提高温室环境参数检测的精度,融合值的相对误差更低,稳健性较好。

一种加权圆模型的AOA与RSSI融合定位算法

针对多径效应和非视距给定位精度带来负面影响的问题,提出一种适用于3个基站的基于加权圆的融合定位算法:将接收信号强度(RSSI)定位法与到达角(AOA)法相融合;并由于传统的无线信号路径损耗模型在预测距离时易对环境参数有所依赖,提出利用自适应遗传算法(AGA)-反向传播(BP)神经网络来构建传播模型以确定加权圆的权值初始值;最后根据不断迭代的加权范围和角波束来估计待测点位置。实验结果表明,与其他混合定位方法的性能相比,将AGA-BP和加权圆算法相结合能更好地提高定位精度;同时,为测试鲁棒性,加入不同大小的干扰角度,结果可见,提出的算法能有效处理非视距误差。

基于改进YOLO算法的动物源性食品检测方法

由于动物源性食品图像的特征分布不规则,导致对其检测结果的可靠性难以得到保障,为此提出了一种基于改进YOLO算法的动物源性食品检测方法。通过YOLO V3的主干特征提取网络Darknet-53,分别对动物源性食品图像中存在的可见光和红外光进行特征提取,结合二者对应模态特征的最佳权重参数,进行特征加权融合,计算融合后特征的目标框位置损失、目标置信度损失以及类别损失,确定最终的分类。测试结果表明,设计方法对动物源性食品图像的识别结果稳定,且错误识别数量始终保持在较低水平,不受测试数据集构成的影响。

基于自适应加权与LZW的WSNs层次式数据融合算法

为了兼顾提高数据采集精度与效率的同时有效降低传感器节点能耗,提出了一种基于自适应加权与LZW的层次式数据融合算法。传感器簇头节点对传感器节点发送的数据进行自适应加权处理,估计出均方误差最小时的值,簇头节点将处理后的数据采用LZW算法以一定的信息量压缩后再进行数据的传输。仿真表明,该层次式融合算法提高了数据采集的精度并有效降低了网络的能耗,延长了无线传感器网络的生命周期。

改进加权融合算法与双谱技术在风电轴承故障诊断中的应用

针对风电回转支承转速低、不稳定、受载复杂等问题,并且其故障振动信号为低频信号,往往呈现非高斯、非线性特点。提出了基于改进加权融合算法与双谱技术相结合的数据融合诊断方案。首先提出了改进的加权融合算法对多传感器数据进行融合;然后采用双谱技术处理非高斯、非线性信号,提取出隐藏在融合信号中的非高斯特征。最终通过实验表明,运用该诊断方案提取出的特征频率与理论计算的故障特征频率相吻合,充分显示了其应用在回转支承故障诊断系统中的可行性。

基于相对波动的自适应信号融合算法

针对传统随机加权算法在目标信号为变量时,总均方误差远大于信号为常量时的情况,提出了一种改进的自适应随机加权算法。该算法利用所采信号的相对波动值自适应地调整当前采集信号与历史采集信号间的比例关系,得到更加接近真值的估计值。由于相对波动值可以根据信号变化情况自主调整,因此可以和传统的随机加权算法进行良好的结合。数值模拟证明了所提融合方法的有效性。

机动目标跟踪的自适应网格交互多模算法改进

在机动目标跟踪的多传感器数据融合算法中,针对自适应网格交互多模算法(AGIMM)存在的不足,本文提出了两方面的改进:(1)在网格中心和网格距离的计算中用当前时刻的预测概率代替前一时刻的后验概率,以减小误差;(2)模式集的选择,通过实时扩增的期望模式集E优化当前模式集M,使其更接近于目标真实运动模型。

基于多通道特征融合学习的印制电路板小目标缺陷检测

提出了一种多通道特征融合学习的印制电路板小目标缺陷检测网络YOLOPCB,首先删除YOLOv7主干网络中最后一组MPConv层与E-ELAN层,去掉融合层的ECU模块与20×20的预测头,使用跨通道信息连接模块串联精简后的主干和融合网络;其次设计了浅层特征融合模块与新的anchors匹配策略,增加了两个低层次、高分辨率检测头;最后将YOLOv7主干网络中的3个E-ELAN作为输入,将融合层中最底部的E-ELAN和两个拼接模块作为输出,使用自适应加权跳层连接以增加同维度内信息量。在PCB Defect公开数据集上平均精度达到94.9%,检测速度达到45.6 fps;最后在企业现场制作的Self-PCB数据集中,YOLOPCB达到了最高精度76.7%,比YOLOv7检测精度提升了6.8%,能有效提高印制电路板小目标缺陷检测能力。

改进加权融合在消除图像拼接重影中的运用

为消除拼接图像间重叠部分出现的重影问题,本文提出了改进加权融合算法。首先,采用SURF算法对图像进行特征匹配,得到对应的不变矩阵H;然后,采用改进加权融合算法求取加权系数;最后,通过加权系数对待拼接图像进行融合,从而减少拼接融合时两幅图像的差异,以达到消除重影的目的。实验中分别采用了加权融合、动态规划寻找拼接线法、HSI算法以及本文提出的改进加权融合法进行测试。结果表明,所提算法能自适应的消除运动目标的干扰,灰度标准差、信息熵加权、清晰度加权评价指标相比其他融合拼接算法均有所提高,融合图像的质量与清晰度得到改善。