浅谈多传感器信息融合技术

多传感器的集成与融合技术已经成为智能机器与系统领域的一个重要的研究方向。它不仅可以描述同一环境特征的多个冗余的信息,而且可以描述不同的环境特征。多个传感器的使用还可以使信息采集和处理过程并行化,不仅可以得到更全面、更准确的信息,而且减少时间和成本,提高整个系统的性能。本文对信息融合技术的概念及重要融合方法进行初探。     

农作物遥感识别中的多源数据融合研究进展

农作物遥感识别是地理学和生态学研究的前沿和热点,多源数据在农作遥感识别中日益发挥重要作用。笔者从多源数据融合的角度,归纳了2000年后多源数据在农作物遥感识别中应用的总体概况,系统梳理并提炼了当前多源数据融合的主要融合技术和融合模式。围绕与多源数据融合和农作物遥感识别相关的关键词,在Google学术、ISI Web of Knowledge和中国知网中对2000-2014年间国内外发表的论文进行检索,并统计不同传感器的使用频率及结合方式。研究表明,以提高空间分辨率为目标的多源数据融合和以提高时间分辨率为目标的多源数据融合技术是当前的两种主要方式,可以在一定程度上实现时空尺度的扩展。前者的融合技术包括图像融合、正态模糊分布神经网络模型、成分替换、半经验数据模型融合及多分辨率小波分解等,可以提升遥感数据的空间分解力和清晰度,较好弱化混合像元产生的影响,但农作物光谱信息有一定程度的丢失或扭曲,农作物空间分布局部细节信息与纹理特征依然会缺失;后者的融合技术形式灵活多样,可分为同源数据联合扩展时序的时空优化技术和异源数据联合扩展时序的时空优化技术,其可以有效排除短时间段内农作物生育期交叉,但易受不同遥感数据源间光谱反射率或植被指数转换模型及光谱波段设置差异的影响。在融合模式方面,根据数据类型分为光学数据的融合、光学数据与微波数据的融合以及遥感与非遥感数据的融合,以实现卫星资源优势互补为宗旨,充分挖掘不同类型农作物在遥感数据上呈现的光谱、时间和空间特征差异信息。同样,农作物遥感识别研究中的多源遥感数据融合也存在诸多挑战,在未来一段时间内,完善不同传感器之间的合作、更深层次挖掘融合信息以及多尺度长时间序列的中高分辨率农作物空间分布数据集的需求是多源数据融合的农作物遥感识别研究的重点发展方向和亟待解决的问题。研究结果有助于更好地理解多源遥感数据融合的技术和模式,为摸清多源数据融合在农作物识别中总体进展提供支撑,同时也为其他多源数据融合研究提供借鉴。     

大数据环境下竞争情报的多源融合研究

信息融合在大数据时代已涉及各行各业多种学科领域,具有较高的应用价值。多源信息融合具有较高的意义和价值。利用多源信息融合可以深入挖掘数据的价值,增强对信息的分析水平。利用多源信息交叉印证,能够避免信息疏漏和错误。文章简要分析了大数据环境下竞争情报的特征,并且对多元融合性竞争情报进行了探讨。     

基于多源信息融合的管道泄漏监测

采用OPC技术对管道运行参数进行远程高速采集,运用过程平稳熵对管道瞬变状态进行识别,将由管道泄漏引起的压力、流量、密度、温度等运行参数以及管道参数、油品参数进行融合诊断,以弥补单一传感器或同类型传感器进行泄漏诊断造成的泄漏识别准确度和定位精度较低等不足。将基于多源信息融合的管道泄漏诊断方法用于西部原油成品油管道的泄漏监测,结果表明,该方法能有效地识别泄漏,具有较高的泄漏定位精度。     

钢管磁性探伤多传感器信息融合模型的研究

针对大型钢管裂纹与孔洞的局部损伤缺陷,采用非晶态合金多传感器阵列获取钢管在空间与时间上的多源缺陷信息.通过实验提取了反映钢管缺陷的特征信号,建立缺陷状态数学模型,形成了多传感器信息融合所需的先验知识.基于多传感器信息融合原理,构建了适合于钢管损伤的多传感器信息融合模型,研究了模型在不同层次上的信息融合特点,提高了对钢管局部损伤状态定量识别与评估的准确性和可靠性.     

某型飞机航空军械仿真系统中数据融合及算法

介绍了某型飞机航空军械训练仿真系统的多传感器数据融合的特点和一种数据融合模式,结合实例说明了多传感器对众多数据信息进行融合处理,以使系统准确快速反应。     

农业机器人多传感器信息融合技术的研究进展

多传感器信息融合技术是近年来发展起来的一门新兴技术,在农业机器人领域有着广阔的应用前景。文章介绍了多传感器信息融合技术的发展历程、工作原理和研究方法,详细阐述了多传感器信息融合技术在农业机器人领域的应用与进展。指明了农业机器人领域中多传感器信息融合技术未来的发展方向。     

基于D—S证据理论的管道多传感器数据融合

为了保证管道检测的准确度与可信度,通常需要采用多种检测技术即多传感器对同一部位进行检测,但检测的数据量大繁冗,需要进行融合与处理。利用D—S（Dempster—Sharer）证据理论,建立了应用于管道多传感器数据融合的流程模型,阐明了数据的融合流程。算例中根据各个不同传感器对不同缺陷的检测置信度,利用D—S证据理论对检测数据进行有效融合,最后根据D—S规则对缺陷类型进行判定。结果表明：在检测过程中利用D—S进行数据融合,保留置信度高的数据,可以得到更明确的判决结果,舍弃干扰数据,节省存储空间,有利于数据存储,实现长距离智能检测。（图2,表2,参11）     

环境监测中多传感器数据融合研究

[目的]针对环境监测中单一传感器测量数据精度低、可靠程度低的问题,本文提出在无线传感网络监测系统中,通过改进自适应加权融合算法并利用模糊神经网络算法实现多传感器数据融合,来提高环境监测的准确性。[方法]基于多传感器同一时段采集的数据,先采用欧式距离及相关函数改进的自适应加权算法进行同质传感器数据融合,再设计模糊神经网络分类器把异质传感器的数据转化为环境质量等级信息。[结果]仿真实验显示出本文提出的同质传感器数据融合算法融合精度较高于其他几种算法、模糊神经网络算法通过对350组训练样本的学习后能够对96%的验证样本的环境等级进行正确分类且预测曲线基本可以拟合实际输出。[结论]本文的同质传感器数据融合算法提高了数据融合精度,异质传感器数据融合算法能够对整体环境质量得出较可靠的评价。     

基于DS证据理论的精馏塔故障诊断方法

研究了一种基于多传感器信息融合算法对精馏塔出现的故障进行诊断的方法。首先利用小波分析对精馏塔传感器信号进行有效的滤波预处理,预处理后的数据送入BP神经网络进行初级融合,然后将初级融合后的数据当作DS证据理论的证据对精馏塔故障进行诊断,由最终概率赋值结果可知最大可信度,则可以判断故障的发生。仿真结果显示该算法比单信息故障诊断能取得更准确、更可靠的诊断结果。     

真实和虚拟传感器多层信息融合算法

基于最优估计理论，提出了一种多层传感器的复合融合估计算法．该方法采用了由真实传感器和虚拟传感器组成的复合融合结构，以解决测量噪声干扰下参数估计问题．在该结构中，第1层物理真实传感器测量所得数据，按照加权融合算法，经过多层虚拟传感器的递推融合得到多层融合后的估计值．虚拟传感器的层数增加时，融合后总的估计误差将减少、虚拟传感器是由算法和软件实现的，不会增加测量系统物理结构的复杂性．计算机仿真结果表明：此方法在减少测量误差方面比传统的直接估计方法有明显的改善．     

核电厂海洋生物探测预警多源信息融合技术研究

为了解决核电站冷源系统海洋生物入侵问题,建立海洋生物探测预警模型,以大亚湾核电站为研究对象,从影响核电厂海洋生物入侵主要原因出发,分析了海洋生物密度、相对流速、相对风速、盐度和温度5个因素对海洋生物入侵的影响。结果表明:基于线性回归模型和模糊神经网络两种预测方法分别对多传感器的采样数据进行分析计算,得到了基于多源信息融合的海洋生物探测预警模型;通过对5种因素数据特征的融合技术,即可得到海生物入侵强度值,进而判断核电厂取水口堵塞的可能性;实测数据表明,两种算法的估计误差均可控制在[-0.2,0.2]以内,欧氏距离分别0.016 8、0.007 8。研究表明,本研究中得到的海洋生物探测预警模型预测精度高,可用于核电站海洋生物的探测预警,保证核电冷源安全。     

基于多源信息融合的飞行器高精度定位方法

导弹、卫星等飞行器的高精度定位问题,归结为多平台、多种类信息的融合处理.在多源信息融合处理中,各类信息加权的权值对融合结果的精度有重要影响.本文通过引入加权因子,研究了多源信息融合处理的加权与参数估计精度问题,得到了参数估计均方误差与权值的关系,证明了非线性模型的权值,不仅与测量误差的统计特性有关,还与模型的结构、样本量大小有关.计算结果表明,采用本文的加权方法,可显著提高导弹弹道参数估计精度.     

基于小波降噪和自适应加权法的温室数据融合

针对温室环境信息多节点数据采集中存在误差大、冲突多和冗余等问题,提出一种基于小波降噪和自适应加权的多传感器数据融合算法.通过小波降噪对采集的数据进行处理,使其具有良好的光滑度和稳定性;利用自适应加权算法对多传感器数据进行融合,得到测量数据的最优估计值.实例验证结果表明,采用所提算法可以有效降低原始数据中存在的噪声和冗余,得到方差较小的数据融合值,可以提高测量数据的准确性和降低数据的传输量;具备良好的稳健性,能够实现对温室环境信息的可靠性和一致性描述.     

基于小波融合的泉州市QuickBird影像绿地信息提取

以2006年泉州市部分QuickBird多光谱影像与全色影像为实验区数据基础，在遥感软件ERDASIMAGINE9．2平台支持下，应用小波融合算法及融合规则实现QuickBird融合处理，在此基础上进行归一化植被指数（NDVI）运算，通过人机交互式提取得到实验区5种主要的绿地类型：公园绿地、生产绿地、防护绿地、附属绿地及其他绿地．结果表明：1）QuickBird多光谱影像、全色影像的信息熵分别为3．975，4．162，而QuickBird融合影像的信息熵为7．251，明显高于前两者，融合后空间信息更丰富；2）QuickBird融合影像的平均梯度是3．328，多光谱影像、全色影像分别是1．552，2．965，融合影像纹理特征更明显；3）QuickBird融合影像与多光谱影像的偏差是0．0359，全色影像的偏差为0．0562，均接近于0，小波融合影像较好地保持了源图像的光谱特性；4）绿地信息分类提取的精度为89．6％，趋近90％．     

粗糙集多传感器融合理论在大棚喷雾机器人中的应用

针对多传感器融合过程中传感器数据过载的问题,提出了一种基于粗糙集约简理论的方法,应用于大棚喷雾机器人植物识别系统之中。首先根据植物的特性,建立植物种类识别信息表即初始决策表,然后根据粗糙集约简规则推导出最小决策规则,最后得到杂草识别区分的最快融合算法。     

AIS与雷达目标信息模糊融合算法与实现

为达到优势互补的目的,将AIS与雷达目标信息进行融合处理.采用时空粗关联融合判断及多因素模糊综合决策的方法,研究了AIS（船舶自动识别系统）与雷达目标动态信息融合算法.计算机仿真结果表明关联门限值为0.75时,融合后目标更靠近AIS目标.实测验证该方法可以有效地提高目标信息的精度与可靠性.     

基于多源数据融合技术的农业遥感监测在垦区的应用

多源数据融合技术是黑龙江垦区农业遥感监测重要的技术之一。本文分别从多源数据的来源、多源数据在作物面积监测、多源数据在作物长势监测等方面进行介绍。多源数据融合技术对于黑龙江垦区农业信息化管理、加快垦区现代化建设具有重要作用。     

基于关联数据融合的地表移动传感器节点

开发了具有多个相关联传感器的地表移动传感器节点;提出一种基于专家系统进行关联数据处理的几何方格面积数据融合方法,即主要采用软硬件结合的方式,利用专家系统预设的节点环境阈值与传感器实际感测的数据相结合进行关联数据处理,将数据关系转化为几何方格面积,从而实现分类分层次的数据融合.结果表明：该方法能够对多个不同类型传感器提供的相同特征数据、互补特征数据、并行特征数据、条件关联数据进行融合;与传统传感器节点相比,地表移动传感器节点感测信息的准确率更高,能量消耗更低.     

基于小波变换的图像融合方法研究

采用小波变换的多分辨率分析技术进行图像融合,将图像信息分解成低频和高频两部分,通过融合算法,将图像数据重构成一幅信息完整的新图像.仿真实验表明,采用本算法融合后的图像更符合客观实际,图像数据信息丰富.