基于最小二乘原理的多传感器加权融合算法

以存在随机扰动环境中的不同参数多传感器为研究对象 ,基于最小二乘原理 ,提出了一种加权融合算法 ,推导出各传感器的权系数与测量方差的关系。并且根据测量信息 ,提出了一种方差估计学习算法 ,实现对各传感器测量方差的估计 ,从而对各传感器的权值进行合理的分配。该算法简单 ,能快速。

基于最小二乘与D-S证据理论的WSN层次式数据融合算法

无线传感器网络中,数据融合技术是降低网络数据通信量、节省节点能耗和延长网络寿命的重要措施之一。为了在兼顾降低数据量的同时提高对事件的识别精度,提出了一种基于最小二乘法和D-S证据理论的层次式数据融合算法。算法在Sink节点上,以最小二乘算法融合从传感器节点上传的数据,降低了Sink节点与监控中心的通信量;在监控终端上采用D-S证据理论建立识别框架,通过证据的不断积累,提高了事件的识别精度。

结合多元经验模态分解和加权最小二乘滤波器的遥感图像融合

为了提高多光谱图像的空间分辨能力的同时更大程度地保持光谱信息,提出了结合多元经验模态分解和加权最小二乘滤波器的遥感图像融合方法.多元经验模态分解解决了传统的基于单变量经验模态分解的遥感图像融合方法中多光谱图像的亮度分量和全色图像分解出的子图像频率不匹配导致融合图像空间细节信息缺失问题,加权最小二乘滤波器可以精确地估计出源图像的低频信息继而得到高频信息,减小了传统的经验模态分解方法估计的高频信息中混有低频成分而导致的光谱失真问题.将两者的优点结合,采用不同的融合规则得到的融合图像在空间细节和光谱信息的保持度较好.选取多组不同卫星数据进行仿真实验,并与结合多元经验模态分解和àtrous小波变换的方法以及基于加权最小二乘滤波器的遥感图像融合方法等方法进行比较,实验结果表明本文方法在光谱质量和空间分辨率方面都取得了很好的性能.

加权最小二乘融合技术在主动侧杆中的应用

针对主动侧杆伺服跟踪系统中角位移传感器(rotary variable differential transformer,RVDT)和旋转变压器去除噪声的问题,提出一种加权最小二乘(weighted least squares,WLS)算法。以主动侧杆系统为研究对象,在最小二乘算法、递推最小二乘算法的基础上,对主动侧杆伺服跟踪系统进行分析,通过最小二乘算法、递推最小二乘算法、加权最小二乘算法融合算法进行仿真。通过对比3种融合算法的仿真结果,结果证明:该算法使伺服系统获得了更精确的位置信息,具备去除噪声的优越性以及可行性。

一种稳健最小二乘支持向量机GNSS-IR土壤湿度反演方法

全球卫星导航系统干涉测量(global navigation satellite system interferometric reflectometry,GNSS-IR)是一种新型的遥感技术,可利用多径信噪比序列的延迟相位值反演土壤湿度值,其延迟相位求解通常使用信赖域算法,该算法一定程度依赖初值设定。文章先使用遗传算法求解出延迟相位粗略值,再将该数值作为信赖域的初值用于迭代计算,提升了部分卫星延迟相位的求解精度及稳定性。此外,针对多径信噪比序列易受环境因素影响引入粗差,进而影响模型反演精度,文章采用稳健最小二乘支持向量机作为反演模型,同时又考虑到多星融合的时空尺度优势,将该模型分别做了单星反演至五星融合反演,并与最小二乘支持向量机模型做对比。分析结果表明,当三星融合时该模型提升精度最为明显,MAE最高可降低15.6%,RMSE最高可降低12.0%。

基于最小二乘估计的两种异步航迹关联算法

异步雷达航迹关联是雷达组网工作中航迹融合处理的重要环节，本文根据在相同的时间内来自同一目标的原始航迹形状相似的思想和目标的运动特性，基于最小二乘估计提出了加权航迹关联算法和序贯航迹关联算法两种异步航迹关联算法。理论分析和仿真实验表明，这两种算法可实现对航迹的有效关联。

一种湿度传感器温度补偿的融合算法

针对自动气象站上湿度传感器在实际应用过程中易受温度影响的问题,提出采用RBF神经网络与最小二乘相结合的融合算法实现湿度传感器的温度补偿。该方法将湿度传感器在温度影响下的特性曲线分为两个非线性段和一个线性段,并且自适应的确定线性段和非线性段,在线性段利用最小二乘方法拟合出直线方程,在非线性段利用RBF神经网络补偿温度产生的影响。仿真结果表明,这种方法简单易行,与一般的BP神经网络和最小二乘多项式方法相比,具有拟合训练速度快,补偿精度高的特点,可以有效用于湿度传感器的温度补偿,提高传感器的测量精度和可靠性。

一种改进的数据融合算法

目标脱靶量数据处理在目标跟踪中起着非常重要的作用,而传统的目标脱靶量数据处理通常是针对单传感器数据进行的。本文提出几种针对红外、雷达两种不同类型传感器目标脱靶量数据融合处理的方法,并通过三种方法的比较,得出一些有益的结论。

一种用于振动陀螺零偏抑制的复合融合算法

针对振动陀螺零偏误差会影响其长期精度的问题,提出了一种可以去突变或奇异信号并保留有效信号的陀螺滤波算法。首先应用小波分析法对原始信号进行分解,高频信号软阈值处理,信号重构,得到粗糙去噪信号;然后采用含遗忘因子的推广递推最小二乘算法对粗糙去噪信号进行最优估计;最后实验表明,采用小波分析和推广递推最小二乘的陀螺融合算法,陀螺零偏稳定性可提高40%左右,比传统小波分析算法可提高20%左右。

基于最小二乘法的原材料差异调整方法

为解决原材料计量磅差和管理等原因造成的物资出库量与实际消耗量间的差异问题,提出了一种基于最小二乘法的差异调整方法。该方法根据生产工况和产品工艺特征的实际要求,基于最小二乘法理论,以产品原材料的成分含量(或消耗量)最接近其标准含量(或额定消耗量)为依据构造了目标函数,抽取了横向平衡、纵向平衡和成分含量平衡等规则,建立了差异调整数学模型,并采用粒子群优化算法进行了求解,避免了按照消耗比例调整差异结果偏离生产实际工况、产品含量不符合标准的问题。通过钢铁行业的应用实例,给出了该方法的具体实现过程,并与以往方法的调整结果进行对比分析,验证了方法的可行性。

矢量水听器垂直阵列数据融合高分辨方位估计算法

为了实现矢量水听器垂直阵列对目标的高分辨方位估计,提出了基于MUSIC子频带最优加权数据融合方法。该方法采用MUSIC算法对划分的各窄带信号进行方位估计,并在各子频带对多基元方位估计结果进行最优加权最小二乘融合处理,最后通过加权直方图统计法得到最终方位估计结果。对算法进行的仿真及海上试验数据处理结果表明:本文算法在方位估计精度、方位估计正确概率、多目标分辨以及对噪声子频带的抑制能力方面都优于单个基元MUSIC以及多基元复声强器融合算法。

基于融合-迭代的辐射源定位算法

利用观测站来实现信号源的精确定位一直是电磁频谱资源环境监测中的重要课题,是战场复杂电磁环境下进行电磁防御和电磁进攻的前提。论文根据测向信息计算出的交点分布情况,提出了一种基于融合-迭代的测向定位算法,并通过仿真实验比较其与当前流行的定位算法,表明该算法能对信号源进行有效定位,并具有较高的精度。

基于LS-SVR融合算法的颜色恒常性研究

目标物的图像会因环境光源的不同而呈现不同的颜色值,为对图像中的内容进行准确研究,需将记录图像调整到标准光源下,这就是颜色恒常性研究。无监督恒常性算法具有运算量小且简单的优势,但受限于假设条件,为此提出采用图像的多特征进行融合研究来提高恒常性研究的通用性。采用基于结构风险最小化原则的LS-SVR算法来对5种基本算法提取图像的多特征进行融合,评估出环境光源的色度。以标准图像库中的图像作为研究对象,结果表明:在各种光照条件下,多特征融合的LS-SVR算法能取得比5种算法更小的误差,评估出来的场景光源更接近于实际光源,为目标场景的准确分析与识别提供了科学依据。

动态景像匹配导航差分滤波估计定位融合算法

为了改善景像匹配导航系统的可靠性及匹配精度,提出了一种基于位置差分滤波与最小二乘估计的动态景像匹配定位融合算法。分析了动态景像匹配导航定位融合的基本问题;针对匹配位置序列的误差特性,设计了位置差分滤波方法,用于剔除匹配位置序列中的误匹配点;采用最小二乘估计对匹配位置序列进行最优参数估计,进而对误匹配点进行估计并实现了匹配位置预测;给出了定位融合算法的基本原理及实现框图。仿真实验结果验证了该算法在消除误匹配点及减小随机匹配误差干扰方面的有效性、实用性。

基于GA-LSSVM的多信息融合算法

由于在多传感器测控系统中被测系数与相关参数之间存在着非线性关系,提出了一种基于遗传和最小二乘支持向量机(GA-LSSVM)的多信息融合模型及算法,借助其优越的全局最优搜索能力进行参数的优化。这种方法为小样本、非线性、高维数的多传感器信息融合问题的建模提供了一种有效途径。通过对一个简单的低压负荷电路系统进行算例分析表明,基于最小二乘支持向量机的多传感器信息融合模型及算法在测量准确度和推广性能上都具有一定的优越性。

红外／雷达双传感器融合目标跟踪算法

实现雷达和红外融合跟踪的基本思路是：首先提取红外成像的目标质心并将其转换到惯性坐标系：然后用最小二乘规则对红外传感器的冗余角度数据进行压缩，以产生在时间上和雷达测量对准的伪角度测量：再通过加权平均的方法分别与雷达的方位角和俯仰角测量进行融合处理，以得到同步数据融合估计。采用了由拉格朗日算法所求得的约束极值作为权系数，使用扩展的卡尔曼滤波方法设计跟踪滤波器，将基于雷达和红外融合得到的数据用于更新滤波器的目标状态。

LSFR算法在多传感器分布式检测中的优化研究

在多传感器分布式检测系统中,常规融合规则算法要求传感器误差概率已知,且系统中传感器和融合中心同时优化存在一定困难。提出最小二乘融合规则(LSFR)算法,算法不依赖噪声环境稳定性以及传感器的虚警概率与检测概率,融合中心根据各个传感器的硬决策,得到全局的硬决策,并在传感器和融合中心处理达到最优时,获得最佳全局性能。仿真结果表明:对比似然比融合决策算法与Neyman Pearson融合规则(NPFR)算法,LSFR算法全局检测概率显著提高,且在不同数量规模传感器和更多类型的分布式检测系统中具有较好兼容性。

融合时/频信息的磨矿过程磨机负荷软测量

磨机负荷(ML)是磨矿过程的重要参数,能否准确地确定ML状态及ML参数直接影响磨矿产品的质量、产量及设备安全.针对实际生产中只能依据专家经验判断ML状态,难以检测与ML及ML状态直接相关的ML参数的问题,本文提出了融合时频信息的ML软测量策略和相应的软测量方法.该方法首先求取磨机筒体振动及振声信号的频谱,再采用自适应遗传算法—偏最小二乘(AGA-PLS)选择频谱特征,然后融合时域电流信号,基于PLS算法建立融合时频数据特征的ML参数检测模型,最后通过规则推理模型判别ML状态.通过实验球磨机的磨矿过程验证了该软测量方法的有效性.

基于混合优化算法的压力传感器温度补偿

针对压阻式压力传感器存在温度漂移,其测量精度受温度影响很大的问题,使用最小二乘拟合方法与RBF神经网络共同建立压力传感器温度补偿模型。针对低温和高温区域使用RBF神经网络进行补偿,对中间线性区域使用最小二乘拟合方法进行补偿。同时为了提高RBF神经网络拟合效果,使用进化算法和下降梯度算法优化RBF神经网络参数。实验结果表明,本文使用方法与单纯使用RBF神经网络或最小二乘拟合方法进行温度补偿,具有更高的训练效率和温度补偿效果,能够提高压力传感器在各种环境下的测量精度和工作可靠性。

粮情智能测控系统中的数据融合技术研究

粮情智能测控系统是保证粮食储藏安全的关键措施之一。针对目前粮情智能测控系统中单一传感器存在测量不足、粮情安全状态难以判断且无法直接检测等问题,研究了一种基于粒子群优化最小二乘支持向量机的粮情安全状态数据融合方法。以粮情数据为研究对象,以粮情安全状态检测为目的,构建基于最小二乘支持向量机的数据融合模型,并采用粒子群优化算法对最小二乘支持向量机的关键参数进行寻优,获取最佳的数据融合结果。根据广西某粮库提供的数据进行实例分析,数据融合结果与实际值误差较小,均方误差为0.06,结果表明,该方法在粮情安全状态的检测上表现出优越的性能,具有科学性和可行性,提高了粮情智能测控系统的准确性和可靠性。