检索结果-内蒙古大学图书馆

作者：武晓嘉太原理工大学

学位级别：硕士

多传感器数据融合是一项前沿技术,主要应用于军事领域,如:自动目标识别,战场监控,自主车辆导航和控制,以及非军事领域,如:精密机械的监控,医疗诊断,智能楼宇和遥感系统。其涉及的技术包括人工智能、模式识别、统计估算等广泛的领域。本... 详细信息

多传感器数据融合是一项前沿技术,主要应用于军事领域,如:自动目标识别,战场监控,自主车辆导航和控制,以及非军事领域,如:精密机械的监控,医疗诊断,智能楼宇和遥感系统。其涉及的技术包括人工智能、模式识别、统计估算等广泛的领域。本文主要研究了多传感器数据融合的结构和算法,提出多传感器系统的二级融合模型,分析了各种算法的优缺点,重点介绍了D-S理论和专家系统的基本内涵。针对这两种算法的不足,提出一种基于D-S理论和专家系统的混合算法,并将这种算法应用于智能温室的控制当中。温室环境中计算机控制系统的应用为温室增产和节能提供了可能。其中选择适当的控制算法和策略进行环境的调节控制是关键。温室环境控制的目的是要依照作物自身的生理特点部分或全部克服外界气候环境以及非自身因素的约束,从而为作物生长创造最佳条件。影响作物生长的主要环境参数有温度、湿度、光照度等。它们之间相互作用,相互联系,作物生长依

关键词：多传感器数据融合 D-S理论专家系统温室控制识别框架

来源：评论

学校读者我要写书评

暂无评论

多传感器数据融合算法研究

多传感器数据融合算法研究

引用

作者：高青西安电子科技大学

学位级别：硕士

多传感器数据融合是一种多层次的、多方面的处理过程,是对多源数据进行检测、结合、相关、估计和组合以达到精确的状态估计和身份估计,以及完整、及时的态势评估和威胁估计。本文对多传感器数据融合估计算法和威胁估计算法进行了深入的... 详细信息

多传感器数据融合是一种多层次的、多方面的处理过程,是对多源数据进行检测、结合、相关、估计和组合以达到精确的状态估计和身份估计,以及完整、及时的态势评估和威胁估计。本文对多传感器数据融合估计算法和威胁估计算法进行了深入的研究。本文首先阐述了数据融合估计理论,归纳总结了多传感器系统中的各种数据融合结构,建立了基于Kalman滤波的数据融合估计模型,并分别给出了集中式、顺序式、平行式、联合式等结构的Kalman滤波算法,对算法进行了仿真实验,实验结果表明通过多传感器数据融合能够提高系统的估计精度。接着详细研究了有色噪声和信息相关情况下的Kalman滤波,并提出了相应的处理方法。建立了统一线性数据模型,给出了不同情况下的最优的线性融合规则,并研究了非线性也包含线性数据情况下的最优的线性融合规则。最后对威胁估计算法进行了研究,提出了将层次分析法和模糊理论结合起来用于威胁估计,有效地发挥了层次分析法和模糊运算各自的优越性,结合某舰艇防空作战系统给出了该方法的评估过程,对算法进行了示例分析,为作战指挥决策提供了一个更为科学合理的理论方法。

关键词：多传感器数据融合融合估计威胁估计 Kalman滤波

来源：评论

学校读者我要写书评

暂无评论

多传感器数据融合技术在煤矿瓦斯预警中的应用研究

多传感器数据融合技术在煤矿瓦斯预警中的应用研究

引用

作者：冀少军河北工程大学

学位级别：硕士

近年来,我国煤矿安全生产形势趋于好转,但安全事故时有发生,其中瓦斯事故是当前煤矿生产的主要灾害之一,已成为制约煤矿安全生产的重要因素,如何有效的监控煤矿井下瓦斯环境是解决煤矿安全问题的关键。随着物联网和传感网技术的发展,多... 详细信息

近年来,我国煤矿安全生产形势趋于好转,但安全事故时有发生,其中瓦斯事故是当前煤矿生产的主要灾害之一,已成为制约煤矿安全生产的重要因素,如何有效的监控煤矿井下瓦斯环境是解决煤矿安全问题的关键。随着物联网和传感网技术的发展,多传感器数据融合技术近年来成为各国的研究热点,特别是它能够利用各种传感器在性能上的差异性和互补性弥补单一传感器融合结果的片面性缺陷,这对于煤矿复杂多变的环境监测预警具有很好的适应性。论文立足于多传感器数据融合,从融合算法基本实现原理出发,首先对煤矿具体的瓦斯环境特点、瓦斯事故成因进行分析总结,然后对多传感器数据融合理论及算法进行深入的研究,分析当前主要数据融合算法的优缺点及相应的应用环境,并重点研究D-S(Dempster-Shafer)证据理论算法,对证据理论算法在解决冲突问题时存在的不足进行改进,最后提出一种基于多传感器数据融合的煤矿瓦斯预警模型,从而提高煤矿瓦斯安全预警的可靠性。本文主要工作分为以下几个部分:(1)对当前煤矿瓦斯环境监测预警中存在的问题进行分析研究,总结煤矿瓦斯灾害的类型、瓦斯事故成因以及影响瓦斯事故成因的指标选取等,掌握煤矿井下瓦斯等环境参数的特点,为后续多传感器数据融合技术在煤矿环境中具体应用提供基础。(2)对当前多传感器数据融合中主要数据融合理论进行研究分析,对当前煤矿环境监测预警中常用数据融合算法进行分析总结,重点对D-S证据理论进行分析研究。提出一种从证据源和合成规则两方面同时考虑的一种D-S证据理论改进算法。并进行了仿真验证。(3)在对现有数据融合理论和方法研究的基础上,依据煤矿预警模型的设计原则,结合煤矿监控系统的数据流动特点,确定瓦斯数据的融合层次,构建一种基于多种传感器数据融合的瓦斯预警模型,通过在不同层次选择不同的算法来实现煤矿瓦斯安全环境的评估,从而提高煤矿瓦斯监测预警系统的准确性和可靠性。最后,通过对所提模型进行了实例验证。

关键词：多传感器数据融合煤矿安全 D-S证据理论瓦斯预警

来源：评论

学校读者我要写书评

暂无评论

CPU环境下多传感器数据融合的机器人3D目标检测方法

引用

计算机工程与应用 2024年第19期60卷 120-129页

作者：楼进刘恩博唐炜张仁远西北工业大学自动化学院西安710129

实时、准确的3D目标检测算法能提供目标的位置和形态信息,为移动机器人实现高效导航、有效避障等各项任务提供保障。现有的3D目标检测算法对硬件设备运算能力的依赖较为严重,为了在确保检测精度的同时降低方法对硬件设备的要求,提出一... 详细信息

实时、准确的3D目标检测算法能提供目标的位置和形态信息,为移动机器人实现高效导航、有效避障等各项任务提供保障。现有的3D目标检测算法对硬件设备运算能力的依赖较为严重,为了在确保检测精度的同时降低方法对硬件设备的要求,提出一种能部署在移动机器人CPU环境下的多传感器融合3D目标检测方法。方法结合了2D目标检测和点云聚类技术,利用2D目标检测技术从图像中获取目标的检测信息,根据相机与雷达的空间映射关系对检测框内的点云进行分割,并对分割后的点云进行聚类和信息提取,从而实现3D目标的检测和定位功能。通过与经典的多传感器3D目标检测算法MVX-Net的对比,该算法有更优的检测精度,同时具有更小的计算复杂度。此外,该方法在实际移动机器人CPU设备的边缘终端上进行部署分析,算法的处理速度达到0.069s/帧,满足10Hz激光雷达频率的需求。

关键词： 3D目标检测多传感器数据融合 CPU 移动机器人

来源：评论

学校读者我要写书评

暂无评论

多传感器数据融合中基于模糊逻辑和神经网络的传感器管理

引用

传感技术学报 2000年第4期13卷 267-271页

作者：张兆礼孙圣和王祁哈尔滨工业大学自动化测试与控制系，哈尔滨 150001

在多传感器数据融合系统中 ,传感器的管理包括两个方面的问题 ,一是如何优化分配现有的传感器去更好地实现融合任务 ;二是如何消除外界环境变化或者某些传感器出现故障时带来的影响 .针对这些问题 ,本文在给出多传感器数据融合系统矩阵... 详细信息

在多传感器数据融合系统中 ,传感器的管理包括两个方面的问题 ,一是如何优化分配现有的传感器去更好地实现融合任务 ;二是如何消除外界环境变化或者某些传感器出现故障时带来的影响 .针对这些问题 ,本文在给出多传感器数据融合系统矩阵表示的前提下 ,提出了一种基于模糊逻辑和神经网络的传感器管理方法 .分析表明该方法较好地解决了多传感器数据融合系统中传感器管理问题 .

关键词：多传感器数据融合传感器管理神经网络

来源：评论

学校读者我要写书评

暂无评论

多传感器数据融合技术及其在烟尘颗粒浓度测量系统中的应用研究

多传感器数据融合技术及其在烟尘颗粒浓度测量系统中的应用研究

引用

作者：孙东阳青岛科技大学

学位级别：硕士

烟尘颗粒是形成大气污染的一个重要因素。因而对烟尘的浓度进行测量是非常必要的。本论文设计了一种基于多传感器数据融合技术的烟尘颗粒浓度测量系统，主机内集成微处理器、压力传感器、温度传感器、含湿量传感器等多种传感器。由于烟... 详细信息

烟尘颗粒是形成大气污染的一个重要因素。因而对烟尘的浓度进行测量是非常必要的。本论文设计了一种基于多传感器数据融合技术的烟尘颗粒浓度测量系统，主机内集成微处理器、压力传感器、温度传感器、含湿量传感器等多种传感器。由于烟尘浓度测量过程中需要采集多种参数，而且容易受到现场环境的干扰。论文针对烟尘浓度测量这一不确定性和非线性问题，提出了改进的D-S合成规则，应用于多传感器烟尘浓度测量系统中，以有效地提高对烟尘浓度测量的准确度。论文对决策层D-S证据理论进行了深入研究，总结了证据理论存在的主要问题。在此基础上，特别针对D-S证据理论中证据冲突的问题，提出了一种新的合成规则。该规则把冲突信息按证据源的可信度进行分配，对一致性证据采用反映聚焦程度的与运算。理论分析和数值实验表明本文提出的合成规则对高冲突性证据和一致性证据都非常有效。最后论文选取20组典型烟尘浓度测量样本，根据改进的D-S证据理论融合规则，验证了本文构建的多传感器数据融合系统的可行性和有效性，能够为现场工程技术人员提供准确、可靠的数据。

关键词：烟尘颗粒浓度测量多传感器数据融合 D-S证据理论

来源：评论

学校读者我要写书评

暂无评论

多传感器数据融合及其在机动目标状态估计中的应用研究

多传感器数据融合及其在机动目标状态估计中的应用研究

引用

作者：胡振涛河南大学

学位级别：硕士

多传感器数据融合可以充分利用多传感器的量测资源,将多个传感器在时间和空间上的互补和冗余信息按照某种算法或准则进行综合,进而增强了对于机动目标状态估计的精确性、可靠性及对抗环境下的生存性。基于此,本文针对多传感器数据融合... 详细信息

多传感器数据融合可以充分利用多传感器的量测资源,将多个传感器在时间和空间上的互补和冗余信息按照某种算法或准则进行综合,进而增强了对于机动目标状态估计的精确性、可靠性及对抗环境下的生存性。基于此,本文针对多传感器数据融合技术在机动目标状态估计中的应用进行了系统的研究,其主要工作如下: 1、基于“当前”统计模型中加速度极限值的预先设定对于滤波效果影响的分析,利用目标机动状况与相邻采样时刻间位置估计量变化之间的函数关系实现噪声方差自适应,进而提出了一种修正的模型,并结合卡尔曼滤波递推算法,提出了一种改进的自适应滤波算法。 2、针对Kalman滤波及其一些改进算法中量测方差预先设定对状态估计精度的影响,基于时空分析和最小二乘估计思想给出了一种在线估算量测方差的方法,以充分利用多个传感器单次采样数据和单个传感器多次采样数据中蕴含的冗余和互补信息。另外,依据Kalman递推滤波算法中滤波误差协方差阵具有表示目标当前状态不确定性的性质,并结合信息守恒原理,给出了一种分布式航迹权系数的动态分配方法。 3、将Jerk模型与强跟踪滤波算法有机地结合,并利用时空综合分析和极大似然估计的思想推导出了一种系统量测方差自学习修正方法,以优化强跟踪滤波算法中次优渐消因子和滤波增益的在线选择,同时根据多传感器数据融合具有改善滤波精度的性质,进而给出一种基于Jerk模型的多传感器数据融合算法。 4、根据模糊集合理论中隶属函数的特性,定义了一种量测数据间的支持度函数以有效地度量数据间相互支持度,该定义不仅继承了一致性数据融合算法充分提取量测信息中隐含的互补和冗余信息的优点,同时有效避免了门限预先设定的问题。另外,将该方法移植于基于时间序列分析的机动目标状态估计问题上,从而得到系统中各局部航迹估计权系数的合理分配。

关键词：多传感器数据融合状态估计 Kalman滤波时空分析隶属度函数

来源：评论

学校读者我要写书评

暂无评论

多传感器数据融合方法在隧道监控系统中的应用

多传感器数据融合方法在隧道监控系统中的应用

引用

作者：张晓珂西安理工大学

学位级别：硕士

我国隧道监控系统中所使用的方法主要有人工巡察和实时监控两种方式,其中,人工巡察方式进行监控效率低下且得到的结果误差相对较大,因此,目前隧道监控系统多使用实时监控,而实时监控需要依托传感器技术实现。由于传感器的专一性和隧道... 详细信息

我国隧道监控系统中所使用的方法主要有人工巡察和实时监控两种方式,其中,人工巡察方式进行监控效率低下且得到的结果误差相对较大,因此,目前隧道监控系统多使用实时监控,而实时监控需要依托传感器技术实现。由于传感器的专一性和隧道环境的复杂性,使得传感器输出的信息表现出复杂、多维、不确定、非精确等特性,为了保障监控的准确,需要对传感器采集的数据进行处理,本文主要采用数据融合的方法处理传感器数据以实现对隧道环境及隧道火灾情况进行估计评价。本文针对传感器对隧道中数据进行采集的特点,使用二次数据融合的技术,实现多传感器数据融合方法在隧道监控系统中的应用,能够得出一个对隧道环境情况总体评价的结果,并设计基于神经网络的隧道火灾预警方法,提高监控系统对火灾事件的预警能力。本文研究的多传感器数据融合方法在隧道监控系统的应用中,采用二次数据融合技术,分别对相同种类传感器数据和不同种类传感器数据进行融合处理。首先,设计一次数据融合方法,使用自适应加权算法,分别对温度、一氧化碳和二氧化碳这三种单一种类的传感器采集数据进行融合处理,解决原始采样数据存在信息冗余、不确定性、异常性等问题。然后,设计了 BP神经网络与D-S证据理论相结合的数据融合方法,对经过一次融合处理后的不同种类传感器数据进行二次融合处理,根据融合结果对隧道环境状况进行准确评估。为完善隧道监控系统对火灾事件的监控能力,本文采用神经网络模拟隧道火灾不同进程时的温度、一氧化碳和二氧化碳之间的数据变化关系,建立火灾进程神经网络数据关系模型,采用数据关系模型对一次融合处理后的传感器采样数据进行火灾进程概率计算、统计,依据火灾进程概率统计结果实现隧道火灾预警决策。本文最后设计了隧道环境监测硬件电路,完成了隧道环境参数的采集及二次融合处理,实现了对隧道环境状况的评估测试;利用阳东等对隧道火灾各气体浓度分布规律和张甲雷著作中对长通道火灾各气体浓度分布规律,模拟出的火灾进程数据,完成了基于神经网络的火灾预警仿真测试。仿真及实验结果表明,本文设计的隧道环境监控数据融合方法实现了对隧道环境状况的准确评估,提出的隧道火灾预警决策方法实现了对火灾进程的准确判断。

关键词：多传感器数据融合自适应加权神经网络算法 D-S证据理论火灾预警

来源：评论

学校读者我要写书评

暂无评论

多传感器数据融合的研究及应用

多传感器数据融合的研究及应用

引用

作者：郭娜兰州大学

学位级别：硕士

随着现代科技和计算机技术的快速发展,多传感器数据融合技术已经广泛的应用于现代军事和民用中,表现出巨大的研究潜力。在军事中的应用越来越多,成为国防建设中的热点,现代战争是科技的战争,数据融合在目标航迹的确定及身份识别中发挥... 详细信息

随着现代科技和计算机技术的快速发展,多传感器数据融合技术已经广泛的应用于现代军事和民用中,表现出巨大的研究潜力。在军事中的应用越来越多,成为国防建设中的热点,现代战争是科技的战争,数据融合在目标航迹的确定及身份识别中发挥着巨大的作用。传感器给出的信息主要包括位置的信息和身份的信息等。已知位置信息,通过航迹关联方法可以预测出待测目标的位置,航迹关联方法主要包括最邻近数据关联法和概率数据关联法以及联合概率数据关联法。联合概率数据关联法是一种基于概率数据关联法的改进方法。已知身份信息,通过目标身份识别和融合技术可以得到待测目标的具体身份。目标身份识别技术主要包括相似性系数法、统计模型识别技术、神经网络等方法。神经网络是近几年兴起的新方法,理论较为完整,具有很大的研究潜力,应用十分广泛,对角递归神经网络(DRNN)是一种具有反馈的神经网络,可以用来预测和分类。身份融合技术主要包括目标识别身份融合的最佳方法和D-S证据理论等方法。国内外关于数据融合的研究也日益增多,尤其在身份融合方面。在D-S证据理论中,由于Dempster组合规则自身存在着不能正确融合冲突证据的缺点,改进方法层出不穷。本文在这些方法的基础上引入pignistic概率函数,提出一种基于pignistic概率函数的改进方法,通过具体的例子证明该方法计算量小,收敛快,能够更快速、准确的得到合成结果,并将其应用到齿轮故障检测系统,通过具体例子比较分析各种改进方法的性能,实验证明基于pignistic概率函数的改进方法能够更加精确地给出待测目标的身份信息。

关键词：多传感器数据融合神经网络 D-S证据理论 pignistic概率函数齿轮故障检测系统

来源：评论

学校读者我要写书评

暂无评论

基于多传感器数据融合的准静态校准数据处理方法

引用

传感技术学报 2017年第7期30卷 1040-1043页

作者：沈静华裴东兴张瑜中北大学计算机与控制工程学院太原030051 中北大学电子测试技术重点实验室太原030051

静态标定后的电子测压器靶场实测时存在测不准和测试精度不高的问题,为了提高系统的可靠性和测试精度,提出了基于模拟膛压发生器的模拟应用环境的准静态校准方法。为了提高校准工作效率,提出了基于多传感器数据融合的准静态校准数据处... 详细信息

静态标定后的电子测压器靶场实测时存在测不准和测试精度不高的问题,为了提高系统的可靠性和测试精度,提出了基于模拟膛压发生器的模拟应用环境的准静态校准方法。为了提高校准工作效率,提出了基于多传感器数据融合的准静态校准数据处理方法。文中详细论述了多传感器数据融合理论以及标准压力曲线上升沿校准法的合理性。用上述方法校准后的电子测压器进行靶场实测,测试数据精度高,可靠性强。

关键词：仪器仪表技术多传感器数据融合准静态校准相关性灵敏度

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：