基于模糊推理原理的多传感器数据融合方法

利用模糊推理方法融合具有不确定性的多传感器数据 ,将传感器的测量值作为模糊系统的输入 ,要计算的结果是模糊系统的输出 ,利用三角形隶属函数表示测量的不确定性 ,在输入变量所确定的区间内 ,不断改变输出变量的位置 ,计算输出与输入的兼容度 ,则兼容度最大的位置 ,就是最后要得到的结果。给出了一个多个传感器数据融合的计算实例 。

基于模糊推理的多传感器数据融合方法

针对多传感器目标跟踪系统可能出现的传感器漏检现象,提出了一种基于模糊推理的消除漏检现象影响的方法。该算法根据各传感器的量测变化,及时调整参与融合的各传感器量测的数目及其加权系数,保证量测融合值的有效性。通过对两个传感器进行数据融合和目标跟踪的仿真表明,该算法是一种简单有效,有工程应用前景的数据处理算法。该方法同样适用于多于两个传感器的多传感器融合系统。

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 。

基于模糊贝叶斯网络的空中目标多传感器融合识别研究

为了对充满不确定性与模糊性的空中目标识别数据进行处理,提高空中目标多传感器融合的准确性和可靠性,提出以模糊贝叶斯网络为基本结构的多传感器数据融合模型。该模型能够对清晰连续变量通过模糊化和去模糊化操作变换成离散变量,而且基于模糊贝叶斯网络的建模方法能够组合多种证据进行不确定性表达和推理。通过详细分析空中目标识别的推理规则,建立了空中目标识别的贝叶斯网络拓扑结构,提出了贝叶斯推理算法对多种证据进行融合计算的模型。识别实例表明该模型能够融合不同信息源的数据,有效地提高空中目标识别的效率。

基于数据融合技术的火灾报警系统的研究与设计

提出了一种基于现场总线的神经网络和模糊推理的多传感器数据融合技术,对所采用的数据融合技术进行了详细介绍.通过模拟实际输入信号的仿真结果证明,采用神经网络BP算法和模糊推理的多传感器数据融合技术能够准确预报火灾,有效降低误报率,达到了预期良好的效果.

基于模糊神经网络的钻机安全监控系统研究

由于地层的多样性,钻机系统状态、功能和结构的复杂性、非线性及不确定性,借助单一信息源提供的信息,采用常规或传统的故障诊断理论和方法,根据几个主要的故障特征量做出判断,难以实现钻机故障诊断。为此,提出基于信息融合的模糊推理和神经网络相结合的故障综合诊断方法,采用多个异类传感器与现场总线构成安全监控系统,建立故障诊断结构模型,进行模糊神经网络算法的信息融合和学习算法与网络参数确定。试验表明,该系统应用于钻机故障的实时检测和神经网络智能诊断具有良好的效果,对提高钻井过程安全和自动化水平具有重要意义。

数据融合技术在火灾报警系统中的应用研究

提出了一种基于现场总线的神经网络和模糊推理的多传感器数据融合技术,对所采用的数据融合技术进行了详细介绍。模拟实际输入信号的仿真结果证明,采用神经网络BP算法和模糊推理的多传感器数据融合技术能够准确预报火灾,有效降低误报率,达到了预期效果。

机载雷达和红外数据融合的智能目标识别

为了提高机载传感器目标识别系统的性能,提出了利用机载雷达和红外成像传感器数据融合的智能目标识别算法。对红外成像传感器,采用了基于小波矩特征和BP神经网络的目标识别算法,首先提取目标图像的小波矩特征并进行特征选择,然后通过BP神经网络对目标图像进行识别;对雷达传感器,提出了利用模糊推理的目标识别方法,首先选取适当的雷达特征,然后通过模糊推理进行识别;从雷达和红外传感器识别算法分别得到待识别目标所属类别的基本概率分配函数,用D-S证据组合规则将两个基本概率分配函数组合,最终实现了机载雷达和红外传感器的数据融合。仿真结果表明:融合后的识别效果优于单个雷达或红外传感器的识别效果。

多传感器动态数据融合自适应控制系统

针对面向工业现场的自适应控制系统存在的异构多传感信号统一处理困难的问题,提出了一种基于动态数据融合算法的现场自适应控制应用系统。采用四层数据处理算法,实现了异构控制变量间的数据提炼、自模糊推理、多维群估计和动态包机制策略,提高了多维系统的控制精度和效率。在I2C总线架构下,采用单MCU驱动多传感器模式,增强了硬件系统的可重构性和鲁棒性,并降低了系统维护升级的成本。

基于雷达和光电传感器的融合跟踪

基于防空武器系统的跟踪制导问题提出了一种利用雷达和光电传感器的融合跟踪方法。雷达能探测目标的斜距、方位角和高低角 ,光电传感器能较精确地探测目标的方位角和高低角 ,数据融合技术充分利用了雷达和光电传感器的观测信息及目标运动的特征信息 ,能显著改善系统机动目标的跟踪性能 ,提高武器系统的命中率。

基于模糊推理的多模导引头数据融合模型研究

本文应用模糊集理论，提出了一种基于模糊推理的多模导引头准判决级数据融合模型，给出了模型中参数的选取方法。该模型的特点是融合规则灵活，能兼顾系统的检测性能和抗干扰性能，能较好地处理系统各探测器获取信息的冲突性。

大数据融合模型的智能化网络安全检测方法

针对传统智能化网络安全检测平台处理数据效率低、误差大等问题,文章提出一种新型的解决方案;该方案基于大数据融合模型构建新型的智能化网络安全检测平台,采用卡尔曼滤波算法、采用数据融合分类算法和模糊推理算法3种方法结合构建出数据融合模型来对网络安全检测数据进行运算与处理;其中,采用卡尔曼滤波算法进行改进,对原始网络安全检测数据进行滤波降低噪声干扰,提高数据的精准度;通过SAE稀疏自动编码器自主提取网络安全检测数据的特征信息,之后K-means聚类算法对SAE稀疏自动编码器输出的数据进行处理,通过模糊推理算法调整权值;试验表明,文章所提方案克服了现有技术存在的不足,显著提高了处理数据效率和精准度,在数据量为2 TB的环境下,本研究方法的误差低至6.9%。

一种基础模糊理论的自适应数据平滑方法

针对情报雷达组网数据融合系统中目标融合航迹质量的优化方法进行研究,从人在融合系统中的作用出发,通过数据挖掘,寻找融合航迹质量优化途径,提出了基于模糊理论的自适应平滑方法,对移动平均法进行改进,得到二次平滑方法,并将模糊推理融入到其参数自适应调节。试验证明:该方法可很好地提高系统的融合航迹质量,为用户提供了高质量、高可靠性的融合态势数据。

数据融合技术在航海避碰决策支持系统中的应用

在航海避碰决策支持系统中引入数据融合技术 ,给出了系统的数据融合处理模型 ,并将数据融合技术与人工智能技术相结合 ,分别建立了基于DS证据理论、神经网络技术和模糊理论的目标识别模型。

动力定位冗余测量系统的模糊自适应融合算法

针对船舶动力定位的冗余测量系统,基于模糊自适应滤波和滤波器可信度的模糊评判,建立了多传感器数据融合算法。该方法与线性或非线性系统状态估计相结合,构成模糊自适应融合算法。通过监测滤波新息的均值和分歧度,应用模糊推理系统在线调节测量噪声协方差矩阵,从而抑制滤波发散;构建新的数据质量函数和子系统故障检测函数,根据检测结果自适应地选择子系统构建全局融合体系;利用子系统滤波的新息分歧度比值和状态估计误差的协方差,模糊评判各子系统滤波的可信度,由此计算相应的信息分配系数,实现全局融合。通过转台半实物仿真,验证了该算法的有效性。

基于道路精简滤波原理的车辆导航系统地图匹配算法

针对交叉路口附近道路几何分布较为复杂的实际特点,提出基于道路精简滤波(RRF)原理的地图匹配算法。研究了基于D-S证据理论的多规则数据融合技术在二路段地图匹配中的应用。建立了最短欧氏距离和最小航向差两条判决规则。引入相关性模糊决策理论,将多路段匹配问题简化为二路段匹配问题,使D-S证据判决规则的概率分配函数能根据实际路网分布作适应性调整,提高了算法的鲁棒性。对实际跑车数据的仿真处理结果表明,应用该算法可以较好地解决城市交叉路口地图匹配问题。

基于雷达和红外传感器的目标检测方法

航迹关联是多传感器数据融合的一项重要内容,其目的在于评判不同的航迹是否来自同一个目标。取不同目标的位置和速度之间的距离作为模糊因子,提出了一种基于模糊推理的雷达和红外传感器航迹关联算法;该算法采用正态型隶属函数,在加权处理的基础上利用最大隶属函数原则进行航迹相似性评判。仿真结果表明了该算法的有效性。

基于ARM9多传感器数据融合火灾报警系统的实现

介绍了基于ARM9多传感器数据融合火灾报警系统的设计方案,该系统主要由传感器模块、A/D转换模块、S3C2440控制模块、报警模块、执行模块组成。对火灾的判断主要采用模糊推理的数据融合算法,火灾数据的处理和算法的实现都由控制器来完成。运行结果显示,该方法可以提高系统的准确度和可靠性。

基于模糊神经网络及证据推理的数据融合系统

在研究战术弹道导弹电子对抗条件下作战仿真运用问题时，我们成功地将模糊神经网络与证据推理相结合，弥补了传统多传感器数据融合系统未考虑外界环境因素影响的缺陷，提高了数据融合系统的抗干扰能力，最后简单介绍了仿真系统软件的实现流程。这是作战仿真方法研究及实现的新途径。

基于WSN的目标探测与分类算法

针对WSN监测系统的目标检测与分类问题,提出一种基于直觉模糊推理(IFR)的多源数据融合方法。由模糊推理的思想,设计各状态变量的属性函数。根据目标声强变化和引起的地磁场变化的模型,设计模糊推理规则,并检验了所建规则的合理性。理论分析与仿真结果的对比表明算法能准确地对目标进行分类,且运算量小,适用于计算能力较弱的WSN节点。