基于传递闭包聚类的多传感器航迹关联算法

在分布式多传感器数据融合系统中.航迹关联是关键技术之一,也是实现航迹融合的前提,航迹关联判定的准确性将直接影响到整个融合系统的性能.文中针对多传感器多目标航迹关联同题,提出了基于传递包模糊聚类的多传感器航迹关联算法.该算法利用基于模糊统计量的传递团包聚类法,选择航迹的位置、速度等信息为聚类指标,对来自多传感器的航迹数据进行聚类.计算航迹相似矩阵,利用平方法求出航迹相似矩阵的传递闭包,并根据该传递闭包确定航迹关联对.仿真试验结果表明,该方法能有效地实现多传感器、多目标航迹关联.     

基于遗传粒子群算法的船舶航迹融合研究

研究利用遗传算子对粒子群算法进行优化设计,建立了基于遗传算子的粒子群算法多源数据融合模型。该模型克服了粒子群算法在训练过程中容易陷入局部极值的缺陷,得到了更高的学习精度和更快的收敛速度。利用多传感器检测到的目标船舶航迹点数据进行了融合验证,MATLAB仿真结果表明,基于遗传算子的粒子群算法融合模型融合后的目标船舶航迹点比各传感器单独检测到的目标船舶航迹点数据更加精确,更适用于船舶航迹的跟踪及预测。     

分布式自适应网格交互多模型JPDA算法

将自适应网格交互多模型(AGIMM)算法和联合概率数据互联(JPDA)算法相结合,提出了用于多传感器多目标跟踪的分布式自适应网格交互多模型联合概率数据互联(DAGIMM-MSJP-DA)算法.该算法在航迹关联检验阶段结束后,融合中心采用模糊加权方法对不同传感器关于同一目标的各模型概率、各模型状态估计及其对应的估计协方差阵进行融合,从而得到关于目标的总体状态估计和相应的估计协方差阵,并将融合后的各模型概率反馈至各传感器以便进行统一的、更为精确的网格自适应调整.最后通过计算机仿真验证了该算法的有效性和正确性.     

D-S证据推理在机械故障诊断中的应用

提出了利用成熟的BP网络技术和D—s证据推理相结合进行多传感器数据融合,解决靠单一传感器获得的单一指标进行诊断所带来的不确定性．试验证明了该方法的有效性．     

神经网络在交通流信息融合中的应用

在城市交通控制系统中可利用数据融合技术获得准确的车辆状态和身份估计,并将相关信息用于交通管理的决策.应用人工神经网络的方法在多传感器信息融合的基础上,提出了一种基于信息融合思想的神经网络模型,并通过实际验证了其有效性及可靠性.     

基于小波和逻辑法的多目标跟踪数据处理

智能交通系统(ITS),常常要采用传感器对交通目标进行实时定位监控,但被跟踪目标的不确定性以及原始数据通常存在大量噪声的干扰,这对数据融合的精度产生很大的影响.针对这一问题,采用小波变换多尺度分解与重构结合阈值消噪的方法对原始数据进行降噪处理,它能很好的保持原始信号的瞬变特征,并对处理后的数据采用逻辑法进行目标航迹起始...     

基于多尺度Kalman滤波的多传感器数据融合

通过分析多尺度动态系统模型,提出了一种基于小波变换的Kalman多传感器数据融合算法。该算法结合了Kalman滤波的实时性、递归性和小波变换的多尺度特性,能对多传感器的观测数据有效地融合。算法首先将最细尺度上观测数据滤波后得到的估计序列小波分解到各尺度上;然后在各尺度上,利用该尺度上的传感器观测数据对小波分解系数进行更新;最后利用小波重构,达到更新原始估计序列的目的。仿真实验表明,该算法具有很好的数据融合效果。     

基于多源异构信息融合的智能汽车目标检测算法

针对智能汽车单一传感器环境感知的局限性,提出一种基于GPS、双目深度相机、16线激光雷达等多源信息融合的环境感知算法,解决单一传感器环境感知的局限性问题.算法在GPS时间同步基础上,将单一传感器标定后的数据作为改进联合标定算法输入,求解多源传感器最优空间变换矩阵.使用SVM分割点云及欧式聚类提取点云信息的几何特征,获取障碍物的位置信息;利用空间变换矩阵将障碍物点云信息变换到图像坐标系,并将3D点云映射为2D点云信息;融合基于深度学习算法求解的图像中障碍物位置信息与类别信息,实现目标检测.经KITT1数据集及实车测试验证,该算法准确率在78.13％～85.56％之间,每帧数据检测平均耗时0.16～0.19 s,在光照变化、目标遮挡环境下均能有效的进行目标检测,具有较好的工程应用前景.     

Application of Information Fusion Technology in Automatic Incident Detection

多传感器信息融合技术这一新兴信息处理技术的出现,为交通事件自动检测(Automatic Incident Detection,AID)算法的设计提供了新的解决方案.将多传感器信息融合技术引入交通事件检测领域,设计了一种基于信息融合技术的交通事件自动检测算法.该方法结合了信息融合理论和小波神经网络算法,充分发挥了多传感器信息融合与小波神经网络理论的优势,使得事件检测的结果更加准确.通过仿真试验,该检测算法的优越性得到验证.     

基于方位时差的多站协同目标跟踪

为提高多站无源协同跟踪的精度.提出了一种基于方位时差的目标跟踪方法.从一种拟线性的方位增量卡尔曼预处理方法人手,降低方位观测的误差,利用距离和时差跟踪建立观测方程.使用扩展卡尔曼滤波的方法对目标的运动状态进行估计,并采用分布式估计集中处理的方式融合多站并行估计数据.通过计算机仿真分析了该方位时差方法的跟踪性能.仿真结果表明.该方法对于目标状态的估计与真值偏差较小,能够满足跟踪精度要求.     

基于智能车辆的多传感器数据融合算法研究与分析综述

多传感器数据融合是20世纪80年代发展起来的一门新技术,将智能车辆中多个传感器采集的数据进行合成,并充分利用多感器数据间的冗余和互补特性,从而得出准确的环境信息用于地面车辆定位、车辆跟踪、车辆导航等。文章通过对现有的数据融合方法进行分类和归纳总结,对多传感器数据融合算法的研究和数据融合技术的应用情况进行阐述,为智能车辆多传感数据融合方面的研究提供参考。     

基于D-S证据理论的机车润滑油信息融合处理技术研究

介绍了Aempster-shafer（D-S）证据理论及其主要特点,分析了多传感器信息融合处理技术的主要方法,提出应用光谱仪、铁量仪、颗粒计数器和分析式铁谱仪,监测机车润滑油油样多组数据,多组数据的信息融合结果可以作为判断机车的实际磨损情况依据．     

基于小波和RBF神经网络的多传感器时间对准算法研究

提出利用小波降噪和RBF神经网络进行时间对准算法,该方法先对采集到的数据进行降噪处理,为下一步操作提供准确数据;然后利用RBF神经网络将不同传感器采集不同采样周期的数据对应到同一个时间点上,进行多传感器时间对准,为后面数据特征提取和数据融合提供高精度数据支持。通过仿真结果与其它方法的对比可得该方法运算速度快,具有数据修正能力和精确度高的特点,适用于多传感器的时间对准。     

A Model of Federated Evidence Fusion for Real-time Urban Traffic State Estimation

In order to make full use of heterogeneous multi-sensor data to serve urban intelligent transportation systems, a real-time urban traffic state fusion model was proposed, named federated evidence fusion model. The model improves conventional D-S evidence theory in temporal domain, such that it can satisfy the requirement of real-time processing and utilize traffic detection information more efficaciously. The model frame and computational procedures are given. In addition, a generalized reliability weight matrix of evidence is also presented to increase the accuracy of estimation. After that, a simulation test is presented to explain the advantage of the proposed method in comparison with conventional D-S evidence theory. Besides, the validity of the model is proven by the use of the data of loop detectors and GPS probe vehicles collected from an urban link in Shanghai. Results of the experiment show that the proposed approach can well embody and track traffic state at character level in real-time conditions.     

An SNN Ontology Based Environment Monitoring Method for Intelligent Irrigation System

In order to realize high precision of environment parameters detection in irrigation applications, a sensor and sensor network (SSN) ontology based data fusion method is proposed. An SSN sub-ontology for soilstate monitoring is revised, which includes the sensing devices hierarchies and measurement properties selection according to the detection feature interests. As for sensor data processing, a tuning data method by data pool filtering and clustering is adopted, as well as a useful data fusion method for multi-sensor system. The testing results show that both the accuracy and efficiency of the proposed method are higher after related filtering and clustering process, which enables a thorough monitoring for intelligent irrigation systems and can be extended into environment monitoring and control applications.     

A New Multi-sensor Data Fusion Algorithm Based on EMD-MMSE

A new multi-sensor data fusion algorithm based on EMD-MMSE was proposed.Empirical mode decomposition(EMD)is used to extract the noise of every time series for estimating the variance of the noise.Then minimum mean square error(MMSE)estimator is used to calculate the weights of the corresponding series.Finally,the fused signal is the weighted addition of all these series.The experiments in lab testified the efficiency of this method.In addition,the comparison in fusion time and fusion results with existing fusion method based on wavelet and average technique shows the advantage of this method greatly.     

Data Fusion Algorithm for Multi-Sensor Dynamic System Based on Interacting Multiple Model

This paper presents a data fusion algorithm for dynamic system with multi-sensor and uncertain system models. The algorithm is mainly based on Kalman filter and interacting multiple model(IMM). It processes crosscorrelated sensor noises by using augmented fusion before model interacting. And eigenvalue decomposition is utilized to reduce calculation complexity and implement parallel computing. In simulation part, the feasibility of the algorithm was tested and verified, and the relationship between sensor number and the estimation precision was studied. Results show that simply increasing the number of sensor cannot always improve the performance of the estimation. Type and number of sensors should be optimized in practical applications.     

基于多传感器信息融合技术的轨道交通车站设备故障诊断

本文在分析了轨道交通车站设备故障诊断的特点和多传感器信息融合技术的基础上,总结了适合于故障诊断的信息融合典型结构以及基于信息融合的故障诊断系统结构。该结构在轨道交通车站设备故障诊断系统中具有普遍意义,实用性强。     

测量噪声相关情况下的航迹融合和测量融合

研究了测量噪声相关情况下的航迹融合和测量融合问题,根据线性无偏最小方差估计理论,推导了噪声相关情况下的多传感器跟踪系统的航迹融合和测量融合算法.经Monte Carlo仿真表明,文中给出的考虑噪声相关的航迹融合和测量融合算法的跟踪精度均高于相应的不考虑噪声相关的传统算法,且附加的计算量很小.