传感器融合在多机器人合作定位中的应用

机器人的定位技术是进行机器人环境探索、协调运动研究的前提,从信息融合的思想出发,提出了一种融合多传感器信息的合作定位技术.首先,对两轮机器人的基本运动形式进行建模,并针对超声波传感器建立了机器人之间的相对观测方程.然后,分别对机器人的内、外部传感器进行滤波和第一级融合,得到自身位姿和相对观测信息.最后,利用扩展卡尔曼滤...     

基于智能机器人的多传感器信息融合技术

多传感器、信息融合技术与传统机器人的结合构成了智能机器人。分析了智能机器人、信息融合的基本原理和内容,最后探讨了信息融合应用到智能机器人领域的研究内容和关键问题。     

多传感器融合定位技术研究进展分析

随着GNSS及计算机技术的不断发展,人们对室内外位置服务的需求不断增加。学校、医院、展厅、写字楼等都需要使用准确的室内外定位信息,特别是在应对紧急情况时,室内定位信息显得尤为重要。本文分析了多传感器融合的室内外定位技术研究进展,提出了基于数据融合的多传感器融合定位平台,以GPS技术为主导,结合WIFI、航位推算等定位技术的方法,通过一定的数据融合算法,增强室内外定位的完备性,为进一步实现室内外无缝定位、智慧地球等提供了参考。     

浅析多传感器信息融合

随着自动化技术在各个领域的渗透,有效地运用传感器提供的信息进行信号的综合处理,提高系统的功能,满足系统完成各种复杂任务的需要,显得越采越重要.现代工业生产以综合、复杂、大型、连续为特点,采用大量各式各样的传感器来监测和控制生产过程,多传感器系统是现代复杂生产过程控制的一个重要的特征.多传感器系统的出现及其导致的信息量剧增,使信息融合技术引入工业控制成为必要,尤其在智能系统中,要求系统能快速的获取周围环境的信息,对这些信息进行解释和处理,并能在未知环境中工作.     

基于多传感器信息融合的柴油机故障诊断系统

传统的单一传感器的柴油机故障诊断方法存在识别率低、稳定性差等问题,而柴油机作为大型机械的关键装置,其故障发生的复杂度越来越高,处理不当,则会发生严重后果。而近些年兴起的基于多传感器信息融合的柴油机故障诊断系统区别于以往柴油机故障诊断方法的单一性与不确定性,能够有效地解决柴油机在运作过程中出现的故障。本文通过介绍多传感器信息融合的含义、种类及基于多传感器信息融合的故障诊断系统在柴油机故障诊断中的应用,为柴油机故障诊断提供一个新的方向。     

基于多传感器信息融合的单交叉口信号控制

本文介绍了基于多传感器信息融合技术的单交叉口信号控制方法。首先利用多传感器系统对交通流量进行采集，然后用加权平均的数据融合算法将交通流量数据进行处理，得到更可靠的数据，最后将这些数据作为确定交通信号控制参数的依据，运用公式算出控制参数。进而实现了对单交叉口信号的控制。相对于传统的基于单一传感器信号控制而言，谈方法具有信息的完整性、统一性、多样性和容错性等优点。     

多传感器信息融合技术的研究与进展

本文通过对多传感器信息融合技术近年来国内外研究成果的总结，阐\\r 述了信息融合技 术研究的发展历程。首先对信息融合的概念和通用处理模型进行了介绍，然后按照信息融合 技术研究的三个主要方面，即信息融合的系统结构、信息融合的应用领域和信息融合的算法 ，分别探讨了信息融合技术的发展现状和面临的问题，最后对信息融合的未来研究趋势进行 了展望。     

多传感器信息融合技术的发展与未来

多传感器信息融合广泛应用于自动目标识别、战场监视、自动飞行器导航与控制、机器人、工业过程控制、遥感、医疗诊断、图像处理、模式识别等领域。介绍了多传感器信息融合的定义的发展,融合的功能模型、结构模型及其融合层次,并简要介绍了融合的实现方法和现阶段研究存在的问题,最后对多传感器融合技术进行了展望。     

基于多层无线传感器信息融合系统中的状态估计

随着在未来战争描述中,电磁环境将异常复杂,无论是空战、海战还是陆战以至于陆、海、空相结合的立体战争,都将日益依赖于各种多层无线传感器设备.在实战中,多层无线传感器将受到各种欺骗和干扰,检测目标的多层无线传感器数量及运算速度加快,而且多数目标采用隐身技术和低空/超低空突防技术,使层无线传感器难以捕获和视频目标跟踪.     

基于时间序列与信息融合的突发事件信息瀑布溯源方法

为探究突发事件信息瀑布溯源机理,本文设计了基于时间序列与信息融合的信息瀑布溯源模型。论文以"美联航拖拽亚裔"突发事件为案例,运用TF-IDF与TextRank算法进行关键信息抓取,借助OWL本体技术、时间序列及信息融合模型,实现了突发事件信息瀑布的溯源,并提醒相关职能机构等控制事态发展。本研究是对信息溯源方法的探索与补充,能帮助相关管理机构对信息瀑布实行预测与调控。     

多信息融合迭代恢复匹配的访问路径偏移修正

在CStor云数据库访问中,细粒度云存储数据的信息特征存在个体较大差异,访问路径产生多频偏移,数据访问调度性能受限。传统方法中采用PSO局部搜索方法进行访问路径修正,搜索效率低,个体更新较慢。提出一种基于细粒度云存储数据迭代恢复匹配的云数据库访问路径偏移修正算法,以PSO多信息融合Pareto支配集为指导,构建多信息融合细粒度数据的主特征模型,采用迭代恢复匹配方法增加了局部搜索提高搜索到全局最优解的几率,实现路径偏移修正。仿真实验采用3组测试集对CStor云数据库进行访问调度和路径偏移修正,结果表明采用该算法,实现对访问路径的动态实时修正,收敛距离较小,提高了CStor云数据库访问和数据挖掘性能。     

三维图像重建中差异信息融合算法研究

针对三维图像重建中的差异信息融合算法识别率较低,稳定性差,无法有效处理不确定因素等弊端,提出一种新的三维图像重建差异信息融合算法,分析了二维图像和三维图像的一阶与二阶统计,对自相关函数进行归一化处理,将二维图像的自相关函数变成三维自相关函数,利用傅里叶变换求出三维图像的功率谱,通过调整合理的辐角塑造该三维图像的傅里叶转换。对三维图像重建过程中的特征向量进行划分,保证三维图像重建过程中全部信息的完整性。依据特征向量与信息之间的经验知识对学习样本进行建立,给出某一时间段内三维图像重建中某个神经网络对应的差异信息融合公式,对多个神经网络的差异信息融合结果进行融合,实现三维图像重建中差异信息的融合。仿真实验结果表明,所提算法具有很高的有效性。     

蚁群链多层博弈网络监护信息融合特征优选

在网络安全预测监护模型设计中,需要对网络安全监护信息进行数据融合和特征优选,以提高对变异特征的识别能力。传统方法中,采用蚁群算法进行监护信息特征优化融合进化和链路模型设计,算法无法实现相邻簇头之间的信息素融合,特征优化效果不好。针对这一问题,提出蚁群链运动多层博弈的网络监护信息融合特征优选算法,构建多层博弈网络监护数据样本驱动空间权矩阵模型,引入粗糙集理论,对蚁群引导的粗糙集前馈补偿网络进行动态博弈,实现网络安全监护数据的预测控制目标函数最佳寻优。构建多层博弈网络监护系统模型,得到蚁群链运动的监护信息数据状态跟踪模型,实现网络安全监护信息的融合特征优选改进。仿真实验表明,该算法能有效提高对异常信息的监护和检测能力,有较高的特征优选品质,展示了本文算法在对网络安全监护中的优越性能。     

基于信息融合的阅读过程识别

本文在分析阅读过程与信息融合的基础上,提出了基于信息融合的读者阅读过程识别的新思路。重点构建了阅读过程信息融合功能模型,介绍了融合算法、阅读过程融合分类、阅读信息获取的一些方法。     

基于信息融合视角的新兴技术成熟度研究

科技文献作为研究所必需的计量分析数据,决定了将不同类型和来源的科技文献进行信息融合,能够最大程度地发挥信息的价值。本文基于论文和专利数据以及行业信息等不同维度信息的关联关系,构建基础理论研究水平、科技成果产出情况和市场前景等信息的融合分析框架,运用"四象限分析法"创新性地构建了"理论—技术—市场"的三维评价模型,提出了更加深入判断新兴技术成熟度的分析方法。并以智能建筑领域核心技术为例,对方法的可行性和有效性进行验证。该方法立足技术领域全景,集成论文、专利数据以及行业信息,将技术成熟度的局部特征融合为整体特征,可通过多维分析结果的相互印证、相互补充获得更具参考价值的技术成熟度分析结果。     

基于文献内容和链接融合的知识结构划分方法研究进展

知识结构划分是确定研究主题、发现新兴研究领域和识别重点研究内容的一个重要方法。本文把从文献内容特征和文献链接信息融合的新知识结构划分方法的研究进行了梳理,从数据库扩展的原始级信息融合、文本挖掘和文献计量方法结合、词汇引用图和词参考文献共现4个层面对当前的知识结构融合方法进行了综述,分析了它们的主要研究内容和方法,并对目前知识结构划分的聚类方法进行了综合研究,以期从更加新的视角对知识结构划分研究提供新的研究思路。     

大数据下基于多源信息融合的企业竞争对手评价模型研究

[目的/意义]针对传统企业竞争对手评价研究中数据源单一和评价指标片面性的不足,文章率先提出了基于多源信息融合的竞争对手评价方法。[方法/过程]基于顾客价值领先战略,从企业和消费者的视角出发,选取企业财务报表和电商平台上的消费者评论作为信息源。通过构建财务特征和情感特征,依托BP神经网络,分别建立基于财务特征和综合特征的竞争对手评价模型。[结果/结论]采用仿真实验对提出的方法进行验证,证明基于综合特征建立的模型相比基于单一财务特征的模型更有效。该方法为大数据背景下的企业竞争对手评价提供了一种新的研究思路。     

社会化标注系统中个性化信息推荐多维度融合与优化模型研究

[目的/意义]在社会化标注系统自组织运行的基础上，构建个性化信息推荐的多维度融合与优化模型，进而在大数据环境下，为用户提供精准的个性化信息推荐服务，从而进一步丰富个性化信息推荐的理论体系以及拓展个性化信息推荐的研究方法。[方法/过程]首先，对每一种个性化信息推荐方法的优点和不足进行深入分析；然后，将基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）3种个性化信息推荐方法进行多维度深度融合，构建个性化信息推荐多维度融合模型；最后，对社会化标注系统中个性化信息推荐多维度融合模型进行优化，从而解决个性化推荐过程中用户"冷启动"、数据稀疏性和用户偏好漂移等问题。[结果/结论]通过综合考虑现有的基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）的个性化信息推荐方法各自的贡献和不足，实现3种方法之间的多维度深度融合，并结合心理认知、用户情境以及时间、空间等优化因素，最终构建出社会化标注系统中个性化信息推荐多维度融合与优化模型。