面向污水监控系统的自适应加权数据融合算法

水是人类身体组织构成的重要成分,水质的好坏与人们日常生活更是息息相关。实时掌握水质状况能帮助人们最大限度地降低水质污染给人们身体及其日常生活带来的危害,保证人们正常生活。针对传统的污水监测系统监测周期长、时间覆盖率低等缺点,引入无线传感器网络实现实时监测,并对其网内传输数据运用自适应加权数据融合算法进行处理。仿真结果表明,该算法基本上能满足污水监测系统对数据的要求,并达到节省能量、提高效率的效果。同时,经融合后数据量减少进而缓解了网络拥塞,延长了网络寿命。

基于分批估计的自适应加权数据融合算法

针对多传感器数据融合问题,文中提出了一种基于分批估计的自适应加权数据融合算法。该算法采用时间序列和空间序列对采集的数据分批求其方差,利用数据一致性检测对噪点进行剔除,进而得到自适应因子。随后采用自适应加权法对数据进行融合,得到预测值。文中模拟物联网数据进行仿真实验。结果表明,在处理数据时运用分批估计的自适应加权多传感器数据融合技术,能够提高传感器测量的精确度和系统的可靠性,基于分批估计的自适应加权平均法比传统自适应方法的均方根误差减少了10%,精度提高了2.3%。

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。

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。

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。

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Q学习加权融合的无模型自适应参数寻优

无模型自适应控制算法作为一种数据驱动算法,具有计算量小,无需系统精确模型,易于实现等特点。为使传统无模型自适应控制算法具有更好的控制性能,提出了一种使用Q学习对控制参数进行优化的改进无模型自适应控制方法。在此基础上,采用加权融合的方式对伪偏导数的取值优化,使其具有更好的鲁棒性。然后采用跟踪-微分器对输出数据进行滤波处理,并通过仿真进行上述方法的可行性验证。仿真结果表明,对比传统无模型自适应控制,上述方法更具有良好的控制性能和响应速度。

飞机蒙皮接缝特征的数据融合算法

利用计算机视觉技术对蒙皮接缝进行测量是该领域的主流发展方向,但单一的视觉测量方法具有自身的局限性。为进一步优化蒙皮接缝特征测量技术,提出了将线结构光视觉测量与面结构光视觉测量相结合的方法检测接缝特征,探索一种基于数据融合的蒙皮接缝特征测量算法,修正接缝的阶差值与间隙值以提高测量精度。依据两种结构光视觉测量技术的特点,利用分布式二级数据融合算法,通过数据对准、剔除异常值以及自适应加权融合相结合的方式,对两种结构光视觉测量数据进行融合处理,并应用于实际蒙皮接缝测量。试验结果表明,经过分布式二级数据融合处理后,阶差测量值最大均值误差为0.0319 mm,间隙测量值最大均值误差为0.0344 mm,阶差和间隙的平均误差分别降低了4%和30%。此融合算法均衡了两种结构光视觉测量技术的优势,降低了系统整体误差,为高效、准确测量蒙皮接缝提供了新思路。

同类多传感器自适应加权估计的数据级融合算法研究

针对同类多传感器测量中含有的噪声,提出了多传感器数据自适应加权融合估计算法,该算法不要求知道传感器测量数据的任何先验知识,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,并在理论上证明了该估计算法的线性无偏最小方差性.仿真结果表明了本算法的有效性,其融合结果在精度、容错性方面均优于传统的平均值估计算法.

一种改进的多无线传感器数据分批估计自适应加权融合算法

为解决温室大棚中多无线传感器监测数据融合精度低的问题,提出了一种改进型的分批估计自适应加权融合算法。算法首先对单个无线温度传感节点一段时间内所采集的数据根据容许函数阈值剔除误差较大的数据,然后对该温度传感器的数据进行分批估计得出该节点某一段时间内的最优估计值,以此得到该区域所有无线温度传感节点最优估计值后,依据权值最优分配原则对每组传感器数据进行组内自适应加权融合,从而计算得到该段时间内温室大棚的温度精确值。通过实验验证得出:相对于平均值法与传统的分批估计算法,本算法数据融合易于实现,融合值相对误差值更低,稳健性更好。

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.

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。

一种考虑传感器精度的数据自适应加权融合算法

为增强多传感器测量数据融合效果,在综合考虑传感器初始精度与实际测量精度的基础上,提出了一种改进的自适应加权融合算法。将证据理论中的修正证据距离引入传感器实际测量数据间距离计算,基于计算得出的测量数据间距离生成各数据融合时的测量权重值。当传感器精度已知或者能够计算得出时,将基于传感器精度生成的固定权重与测量权重相综合,生成最终权重;当传感器精度未知且无法计算得出时,将测量权重作为最终权重。基于多种典型算例对所提融合算法进行验证,结果表明所提算法融合效果较好,具有一定的理论意义和较好的工程实用价值。

时域与频域自适应SVD融合去噪算法

时域方法在地震同相轴倾斜或弯曲时,难以保证去噪的有效性;频域方法在信号频带较宽时,会衰减过多信号。基于此,提出一种时域与频域自适应奇异值分解(singular value decomposition,SVD)融合去噪算法。该算法包含分解与融合技术:在分解技术中,根据奇异值二阶差分谱,在时域与频域中分别进行自适应去噪,得到两个分解矩阵;在融合技术中,提出了用于评估分解矩阵的一致度,利用融合策略得到融合矩阵,最后根据局部相似性调整得到去噪矩阵。在合成与野外数据集上与一些算法进行了对比实验,结果表明,所提算法能够更有效地压制噪声。

基于自适应加权算法的多传感器数据融合方法

检测车辆水箱裂缝时,为了降低信号噪声,提出了基于自适应加权算法的多传感器数据融合方法。首先,利用自适应加权算法对多个传感器采集的信号进行融合;然后,利用卡尔曼滤波算法降低结果中的噪声;最后,通过搭建试验平台对单传感器和多传感器的处理结果进行了分析比较。试验结果表明,与单传感器方法相比,该方法对信号进行降噪处理的效果更佳。

基于多传感器的雷达对抗侦察数据融合算法

为提升复杂电磁环境下雷达对抗侦察系统的可靠性及抗干扰能力,提出了一种基于多传感器融合的综合权值估计算法。首先由各传感器对原始数据进行分批估计得到局部期望及方差,然后利用四分位离散度剔除异常数据,接着针对局部估计结果通过测度算子以及自适应融合估计算法分别确定各传感器权重,最后利用综合权重进行加权得到融合结果。仿真结果表明,所提算法在不同情况下均能得到较高的融合精度,较现有算法具有更好的适应能力及准确性。

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 。