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。

多源数据加权融合的城市建成区改进指数评估

针对多源数据提取建成区的研究大多集中在等权融合方向,缺乏考虑不同数据源包含的信息量差异的问题,通过多源数据加权融合方法对前人的城市建成区提取指数进行改进,以改善不同质量级数据直接融合导致建成区提取不准确的问题。首先,构建融合夜间灯光数据、NDVI数据、路网数据和POI数据的改进PREANI指数;其次,融入不透水面数据和温度数据构建无权指数UCI和有权指数WCI;最后,选择迭代法和动态阈值法提取建成区,并对3种指数分别进行评估。结果表明:改进PREANI的Kappa系数为0.80,UCI融入温度和不透水面数据将Kappa系数提高至0.83;WCI提取的建成区轮廓更准确,在增强城乡建成区细部对比、提升边缘地物区分能力方面表现良好,其Kappa系数、查全率、查准率和F1分数均在0.85以上。

基于数据加权融合的wMPS系统定向方法

为了提高室内空间测量定位系统(wMPS)的定向精度,提出了一种数据加权融合实现wMPS各发射站间定向的新方法。方法引入激光跟踪仪控制场三维坐标约束和wMPS发射站光平面约束,将测量不确定度转化为权重进行优化分配,推导了误差传递函数,将摄影测量中的坐标系转换方法用于单个wMPS发射站与全局坐标系间的坐标转换初值的计算,最终建立数据加权融合的定向数学模型并实现解算。仿真表明,利用本文方法,定向平移量误差在0.09 mm以内,用四元数表示的旋转角误差在2.4"以内。按照本文方法定向后的系统,在8m×5m×4m的范围内进行实验,点位测量精度优于0.21mm,基准尺长比对精度优于0.1mm。实验表明,本文方法与传统的利用已知控制点进行定向的方法相比,定向精度得到了明显提高。

基于RSSI加权数据融合的TDOA定位算法

为解决基于到达时间差(TDOA)定位算法中的定位模糊、测量时差的精确度对定位精度影响较大等问题,通过对TDOA、基于接收信号强度(RSSI)定位算法进行研究分析,提出利用RSSI加权数据融合修正由TDOA算法获得的多个初始位置估计值,从而获得更优位置估计的TDOA/RSSI定位算法。该算法具有计算量小,能有效降低定位误差的优点。仿真结果表明,此算法较普通的TDOA定位算法消除定位模糊,并进一步提高了定位精度。

基于加权数据融合的传感器定位测距算法

利用传感器对目标物体进行准确定位测距具有重要的应有价值。由于单个传感器只能定位,不能测距。利用传统算法进行目标物体定位测距的过程中,如果参与定位测距的传感器的数目较多,将会降低定位测距的效率。为解决上述问题,提出一种基于加权数据融合的传感器定位测距方法。建立传感器的定位测距模型,将传感器的几何定位方法与数据融合的方法进行融合,利用加权法对两个传感器的定位测距进行融合,能够获得定位测距的最优融合估计值,最后获得准确的定位测距数值。仿真结果表明,利用改进算法进行目标物体的定位测距,能够获得准确的定位测距值。

WSN中利用双重接收器结合自适应加权数据融合的簇首优化聚类算法

针对无线传感器网络(WSN)中很多传统聚类算法在选择簇首时较少考虑簇首间平均距离而导致能耗较大、网络寿命较短的问题,提出一种利用双重接收器结合自适应加权数据融合的WSN簇首优化聚类算法。使用双重接收器(静态接收器和移动接收器),通过移动接收器弥补静态接收器附近聚类快速消亡的问题;利用自适应加权数据融合技术对节点收集的数据进行有效信息提取;根据能量的计时器、冗余能量、节点ID和信任值来选择临时簇首,并结合竞争范围、节点度和簇首数量选择最终的簇首。仿真结果表明,相比较新的EEUC和MRRCE技术,该方法显著降低了连续监测无线传感器网络的能耗,从而提高了网络寿命。

基于加权数据融合算法的移动液化气监控系统

为了提升液化气监控系统的灵活性和数据处理的精度并减少数据量的上传,提出了一种基于加权数据融合算法的移动液化气监控系统.根据MATLAB/Simulink图形仿真环境对加权数据融合算法和算术平均法进行的模拟效果对比实验,证明了加权数据融合算法的优越性;利用实地布置的同类型的多传感器进行数据采集,并将采集的数据以JSON格式存入服务器数据库内;最后,移动端通过HTTP请求的方式获取数据.结果表明:该系统在提高数据处理的精度并减少数据量的同时,还保证了数据的上传速率,使系统可以很好地应对液化气爆炸的突发性.

输电线路加权数据融合故障测距算法研究

高压输电线路故障测距具有多种不同的方法,如基于稳态量的单、双端测距和基于行波信号的单、双端测距等。由于电力系统存在许多不确定性因素及干扰,单一测距方法都有其固有的局限性。将多传感器数据融合技术引入电力系统故障测距,充分利用多测距源提供的冗余信息,提出自适应加权数据融合测距算法。该算法利用先验知识或仿真数据获取各单一测距算法在不同工况下的加权系数,然后对单一算法的测距结果进行加权融合,最终获得可靠精确的测距结果。应用PSCAD/EMTDC建立500 kV输电系统模型,通过模拟不同故障情况对算法进行了仿真验证。仿真结果表明,融合测距算法基本不受过渡电阻、故障位置、故障类型、分布电容等因素的影响,具有良好的可靠性、精确性和鲁棒性。

加权数据融合算法在液化气监测中的应用

针对液化气监测系统具有实时性和突发性等特点,提出了一种应用在液化气监测中的动态预警方法,解决了在监控系统中需要手动调节阈值的问题。首先通过多传感器网络对被测环境中的数据进行采集,并利用贝塞尔公式对数据进行清理。采用加权数据融合算法对同类型传感器数据进行处理,根据二氧化碳浓度与爆炸上下限关系动态调整报警阈值。通过实地采集的数据计算,证明了该方法在不需要先验知识的情况下,可以有效减小系统误差,准确预警。

多传感器数据融合技术在煤矿井下的应用

为克服以往单一传感器对煤矿井下气体环境和通风量等与煤矿安全密切相关元素诊断不精确和不完整的缺点,提出利用自适应加权数据融合算法和改进的D-S证据理论;同时借助多个传感器采集的源信息,对煤矿井下包括瓦斯含量、氧气含量、风速在内的气体环境进行检测。实际应用结果表明,该方法增强了煤矿井下气体环境检测的精确度和可靠性。

基于单摄像机视觉测量系统的网络化数据融合

针对单摄像机视觉测量系统无法对被测物体的部件间相互遮挡部位进行测量的问题,提出一种基于单摄像机视觉坐标测量网络化技术。通过单摄像机视觉测量系统分别在每个网络控制点位置对光学特征点进行测量,再将测量的坐标归一化到同一世界坐标系下,进而得到全局数据,实现整体测量。最后应用加权数据融合算法,依据特征向量的稳定理论分配融合权重,将全局归一化的空间坐标进行融合,得到融合估计的最终表达式。应用三坐标测量机进行仿真对比实验,实验结果表明,应用四元数法及欧拉角法归一化的空间坐标,经过本文算法融合后,最大绝对误差为0.035mm,比点集矩中心融合算法精度高、稳定性好。同时,在测量系统的网络归一化应用中四元数法优于欧拉角法。

机器人多传感器测距系统的数据融合

针对机器人工作环境的特点,提出了采用超声波与红外线传感器共同测距的方法,弥补了单一使用超声波传感器带来的缺陷。应用自适应加权数据融合技术,实现两种传感器在功能上的互补。实验结果表明,系统提高了整体测距精度,得到了被测距离更加准确的估计。

光电探测多传感器数据融合方法研究

首先分析了光电探测传感器的观测特点.简要介绍了各传感器在进行数据融合时必做的重要工作——数据对准及几种数据对准方法.重点研究了具有不同传感器测量精度的光电探测系统信息加权融合概念及融合准则.给出了每种准则下的目标跟踪算法,并进行了算法仿真.仿真结果表明,对于具有不同测量精度的传感器,选择不同的融合准则,可更为准确地预测目标飞行轨迹,大大提高目标的跟踪效果和精度.

基于数据融合的K均值聚类彩色图像分割方法

为了实现彩色图像的准确分割,在K均值聚类分割算法的基础上引入数据融合技术,将彩色信息和灰度信息的融合结果作为分割依据。首先完成图像从RGB(red,green,blue)空间到HSV(hue,saturation,value)空间的转换,在HSV空间实现颜色量化并生成彩色直方图,利用直方图阈值技术寻找峰值,进而确定K值的大小,再利用灰度直方图来确定初始聚类中心。在聚类过程中,采用加权融合法对HSV空间的色彩信息和灰度空间的图像信息进行数据融合,得到一个新的融合矢量矩阵,最后利用像素与各质心融合矢量之间的欧氏距离做相似测度完成彩色图像的分割。实验结果表明,该方法与分裂式K均值聚类(fissive K-means,FKM)方法相比,不仅能够实现分割区域数的自适应调整,而且各分割区域间的类间方差较大,分割速度快。该方法能够实现对彩色图像比较准确的分割,具有一定的实用价值。

机器人超声波与红外线传感器测距系统的数据融合研究

本文针对机器人工作环境的特点,提出了采用超声波与红外线传感器共同测距,弥补单一使用超声波传感器带来的缺陷,应用自适应加权数据融合技术,实现两种传感器在功能上的互补。实验结果表明,系统提高了整体测距精度,得到了被测距离更加准确的估计。

BDS复杂场景自适应导航数据融合算法

针对在实际复杂场景下,北斗卫星导航系统(BDS)导航定位精度不足的问题,提出1种基于多传感器导航数据融合算法:设计基于层次分析法(AHP)的多传感器多场景的权重最优决策方法,各传感器的权重能够随着场景的变化而自适应变化,并利用各传感器在不同场景下的定位优势,获得实时的高精度导航数据。实验结果表明,通过多传感器导航数据融合,能够弥补单传感器部分场景下定位精度不足的问题,并在现有的传感器定位效果下,最大限度地提升整体导航的定位性能。统计得出在基于层次分析法的自适应数据融合(ADF)下,定位误差小于2 m的高精度数据占比为85.53%。

多传感器信息融合技术在粮情测控中的应用

提出一种基于多参数、2级信息融合的粮情测控方法.该方法综合了多因素对粮食品质的影响.首先采用加权数据融合算法对剔除疏忽误差的同质数据进行1级融合,然后用灰色理论进行灰色关联度的2级融合,根据融合后的关联度判断粮情的安全等级.该方法充分利用多种有效监测数据,实现同质数据的优化,整体上考虑了异质数据源的互补性,提高了测控系统的可靠性、全面性.

传感器融合技术在火灾预警探测中的应用研究

针对传统火灾报警系统存在的局限性,本文把传感器融合技术应用到火灾预警探测系统中.该系统采用传感器组探测早期火灾特征,在进行数据处理时,首先对同质传感器进行自适应加权数据融合,再对同质传感器采用D-S证据理论进行全局融合,最后得出对火灾的最优判断,很好地解决了报警灵敏度和误报率之间的矛盾.系统采取模块化设计,结构简单,容易实现等.

多传感器信息融合技术在智能火灾报警系统中的应用

为了能快速准确检测到周围生产、生活环境的状况,及时预报火灾的可能性,本文介绍了多传感器信息融合的基本思想,在此基础上以模块化的形式,探索了自适应加权数据融合算法和D-S证据理论在智能火灾预警报警系统的应用。结果表明多传感器信息融合算法可有效提高系统的识别能力,并提出了有待解决的问题。

多传感器信息融合技术在粮情测控中的应用

提出一种基于多参数、两级信息融合的粮情测控方法。该方法综合了多因素对粮食品质的影响。首先采用加权数据融合算法对剔除疏忽误差的同质数据进行一级融合,然后用已训练好的BP神经网络进行二级融合,最后给出粮情的安全等级。研究表明,该方法充分利用多种有效监测数据,实现同质数据的优化,整体上考虑了异质数据源的互补性,提高了测控系统的可靠性、全面性。