多站被动式跟踪自适应融合算法

由于单站被动式跟踪稳定性差、动态过程时间长、估计偏差大，且对初值敏感，使得直接在各单站估计基础上做融合效果仍然很差，本文提出多“双站”新概念，推导完成了基于多“双站”的自适应融合算法，提高了系统跟踪精度，保证了算法的快速收敛以及算法的初值不敏感性，仿真结果证明了其正确性。

基于扩展自适应融合算法的GILS进近系统研究

通过研究飞机在低可见视程条件下的进近问题,力图充分利用全球卫星导航系统的能力,使机场在不需要更新陆基无线电导航系统的情况下从I类盲降标准提升到II类及以上的相同或可比拟的运行标准;通过对某航空公司飞行数据的分析,为提高飞机进场水平导航精度和空域利用率,提出了组合应用全球卫星导航系统GNSS(global navigation satellite system)和仪表着陆系统ILS(instrument landing system)的进近体制模型,即为GILS(GNSS and ILS)进近系统;利用扩展自适应融合算法,将两种导航源的定位数据融合,通过数学建模,仿真模拟飞机进近航迹;仿真和实际验证试飞数据表明,该方案可有效提高飞机的水平导航精度和空域利用率,有潜力将CAT I标准提升为类CAT II水平。

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。

基于物联网的智慧教室环境多传感器节点数据自适应融合方法

传感器节点数据的自适应融合误差较大,为提高融合精度,基于物联网设计智慧教室环境多传感器节点数据自适应融合方法。依据系统状态的估计值推断变步长因子的调节机制,获得自适应更新环境传感器变步长因子表达式。基于物联网计算多传感器节点的线性控制参数,得到欧式距离的权重参数。判断数据融合修正值与节点能量密度的关系,在节点集合的基础上,计算多传感器节点密度。设计多传感器数据自适应融合算法,得到多传感器节点数据自适应融合方法。测试温度、湿度、粉尘浓度、振动幅度、CO_(2)浓度等多种传感器节点数据的融合精度。实验结果显示,同等网络迭代次数下,该方法所得到的拟合优度明显高于其他三种方法,可见该方法的融合效果优于其他方法。

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 。

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。

无源北斗多模接收机自适应速度融合算法

在阐述北斗无源多模接收机工作原理的基础上,分析了无源北斗多模接收机速度与位置信息失调现象的产生原因,提出改善北斗无源接收机导航性能的自适应速度融合算法。该算法能根据载体的动态特性,自动生成合适的限制值修正多模接收机的导航信息,不仅提高了接收机的定位性能,而且提高了算法的动态适应性。无源北斗多模接收机挂飞试验的验证结果表明,自适应速度融合算法简便易行,能够在不影响多模接收机正常工作状态的情况下对异常信息进行修正,故大大提高了接收机的导航性能。

自适应信息融合算法研究与应用(英文)

以组合导航系统为应用背景 ,对基于自适应联合卡尔曼滤波的信息融合算法进行了研究 ,将ARMA模型和自适应调节的信息分配因子应用于联合滤波中 ,完成信息融合 ,并以GPS/INS系统为例 ,进行了半实物仿真 ,结果表明 ,该方法可有效抑制滤波发散 ,并提高整个系统的精度和收敛速度 .

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM-AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage-Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM-AFF算法兼具Sage-Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM-AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM-AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位精度。

基于自适应多特征融合算法的变压器绕组故障诊断方法

提出了一种自适应多特征融合算法,通过多轮迭代自适应地获得对应不同特征支持向量机(SVM)的权值矩阵,并使用该权值矩阵将不同特征SVM的故障类型预测值进行融合,从而提高变压器绕组故障类型识别准确率。

基于自适应航迹融合算法的GPS/SINS紧组合导航系统研究(英文)

针对开环校正GPS/INS组合导航系统卡尔曼滤波器在长时间工作条件下滤波精度下降的问题,提出了基于自适应航迹融合算法的紧组合GPS/INS导航系统方案。设计了一个与GPS/INS滤波器并行的独立GPS滤波器,利用自适应航迹融合算法对两个滤波器输出的局部航迹进行融合,从而得到系统航迹。数学仿真结果表明,该方案能够有效提高导航系统的导航精度和容错能力。

基于数据融合算法的灌区蒸散发空间降尺度研究

采用Landsat和MODIS数据,通过增强自适应融合算法(Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM)对蒸散发进行空间降尺度,构建田块尺度蒸散发数据集;利用2015年田间水量平衡方法计算的蒸散发数据对融合结果进行评价。在融合蒸散发基础上,结合解放闸灌域2000—2015年间种植结构信息,提取不同作物各自生育期和非生育期内年际蒸散发量,并分析了大型灌区节水改造以来,作物蒸散发占比的年际变化。研究结果表明:融合蒸散发与水量平衡蒸散发变化过程较吻合,小麦耗水峰值出现在6月中下旬—7月初,玉米和向日葵峰值出现在7月份。在相关性分析中,玉米、小麦和向日葵的决定系数R2分别达到了0.85、0.79和0.82;生育期内玉米(5—10月份)、小麦(4—7月份)和向日葵(6—10月份)的均方根误差均不高于0.70 mm/d;平均绝对误差均不高于0.75 mm/d;相对误差均不高于16%。在农田蒸散发总量验证中,融合蒸散发与水量平衡蒸散发相关性较好,两者决定系数达到了0.64。基于ESTARFM融合算法生成的高分辨率蒸散发(ET)结果可靠,具有较好的融合精度。融合结果与Landsat蒸散发的空间分布和差异性一致,7月23日、8月24日和9月1日相关系数分别达到0.85、0.81和0.77;差值均值分别为0.24 mm、0.19 mm和0.22 mm;标准偏差分别为0.81 mm、0.72 mm和0.61 mm。ESTARFM融合算法在农田蒸散发空间降尺度得到较好的应用,可有效区分不同作物蒸散发之间的差异。不同作物在生育期和非生育期内耗水量差别较大;生育期内套种(4—10月份)耗水量最大,达到637 mm,玉米(5—10月份)和向日葵(6—10月份)次之,分别为598 mm和502 mm,小麦(4—7月份)最低为412 mm;非生育期内,小麦(8—10月份)耗水量最大,年均达到214 mm,玉米(4月份)和向日葵(4—5月份)分别为42 mm和128 mm。不同作物多年平均耗水量(4—10月份)差异较小,其年际耗水总量主要随作物种植面积的变化而变化。

基于自适应多分类器融合的手势识别

为了提高基于可穿戴设备手势识别的性能,针对单分类器在手势识别时会出现偏向性的问题,提出了基于自适应多分类器融合的手势识别方法(Self-adaptive Multi-classifiers Fusion,SAMCF)。首先,针对统计特征无法表征复杂手势之间类内变异性和相似性的问题,SAMCF使用卷积神经网络(Convolutional Neural Network,CNN)自动提取具有强表征能力的深度特征;然后,采用多个基本分类器对提取的特征向量进行识别,并通过自适应融合算法决策出最优识别结果,解决了单分类器的偏向性问题;最后,基于数据手套采集的数据集,验证了模型的鲁棒性和泛化能力。实验结果表明,SAMCF能够有效地提取手势的深度特征,解决单分类器的偏向性问题,提高了手势识别的效率,增强了手势识别的性能,对字符级手势(美国手语和阿拉伯数字)识别的准确率达到98.23%,较其他算法平均提高了5%;对单词级手势(中国手语)识别的准确率达到97.81%,较其他算法平均提高了4%。

基于三级信息融合结构的多平台多雷达目标识别算法

为了解决多平台多雷达目标识别时空信息融合过程中存在的时效性不高,识别特征信息模糊和雷达识别结果高冲突等问题,提出了一种基于三级信息融合结构的多平台多雷达目标识别算法。一级特征融合中,基于模糊评判法解决了多特征识别信息模糊问题。二级空域融合中,基于DS融合规则和折扣融合规则,提出了以平均证据距离为阈值的自适应证据融合算法。三级时域融合基于多雷达序列信息,给出了时域自适应融合算法。仿真计算结果表明文中提出的融合结构能够在保证结果正确的同时,每个周期都能输出结果,时效性较之以往的融合结构有了明显改善。文中的自适应证据融合算法能够克服证据间可能存在的高冲突性,并且与采用折扣证据融合算法相比计算量显著减少。

时空谱点源目标自适应滤波检测算法

针对复杂背景下的点源弱目标检测问题,根据Wiener—Hopf方程在自适应滤波算法中的应用原理,提出了一种新的利用时间/空间/谱段的多维信息融合自适应滤波算法(ASTSfilter).该方法的研究主要有3个步骤:首先研究时域、空域突出和多谱段融合的性质,然后构造出针对运动弱点目标的滤波模板,最后将自适应RLS滤波器应用于有缓动背景下的多谱红外图像检测中.由于普通的RLS滤波器应用于图像处理采用的是像素点信息作为输入参数,其造成矩阵运算计算量过大、处理时间长等缺点,而将点目标进行空间、时间、谱段特征提取后的信息作为输入参数,不仅避免了大型矩阵的运算,还可获得更高的信杂比增益.通过大量实验数据,证明本算法具有优良的滤波性能,同时突破了点目标运动的轨迹限制.与其它算法的效果和计算量进行比较,证明文中算法更为快捷、有效和灵活.

面向畜禽养殖温度监测的数据融合技术研究

针对畜禽养殖过程中环境参数监测不准确导致的畜禽类流行性疾病爆发和传播的问题,文中以多传感器网络为基础,提出一种改进卡尔曼滤波算法来解决温度传感器在采集数据过程中产生噪声干扰的问题;通过改进自适应加权融合算法将去噪后的数据进行融合。结果表明:改进卡尔曼滤波算法具有良好的准确性和抗干扰性,可为后续的数据融合提供可靠的基础;通过改进自适应加权融合算法对去噪后的数据进行融合,可以实时、快速地得到更加接近实际养殖的环境温度。

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。

基于人工智能算法的室内办公环境在线评价系统

将自适应融合算法和模糊控制方法应用于室内办公环境在线评价系统中,系统采集温度、湿度、光照度、甲醛质量浓度、CO质量浓度和PM2.5质量浓度6种室内环境参数,首先剔除传感器的异常数据,然后用自适应融合算法计算得到每一类环境因子的融合估计值,再结合模糊控制算法,得到室内环境的实时状态和决策结果,将融合决策结果回送到主控单元进行显示和实时控制.

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。