期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
多传感器多模型相互作用的数据关联方法 被引量:3
1
作者 杨建宁 成立 张荣标 《江苏大学学报(自然科学版)》 EI CAS 北大核心 2005年第5期444-447,共4页
基于信息融合中的数据关联技术,在卡尔曼滤波基础上,结合相互作用多传感器多模型的概率数据互联算法,建立故障监测报警和现场传感器量测数据关联二者之间的关系,建立更具一般性的分布式传感器系统基础上的多传感器多模型,改进概率数据... 基于信息融合中的数据关联技术,在卡尔曼滤波基础上,结合相互作用多传感器多模型的概率数据互联算法,建立故障监测报警和现场传感器量测数据关联二者之间的关系,建立更具一般性的分布式传感器系统基础上的多传感器多模型,改进概率数据关联方法,以用于故障监测报警中相互作用的算法.并结合一个时变系统中空间位置传感器的故障诊断问题为例,运用多传感器多模型相互作用的数据关联方法进行仿真分析,研究此类故障判据的数据关联问题和数据关联算法的改进,研究表明相互作用多模型的概率数据互联改进方法不仅与有限维数的特定测量阈值相对应,而且直接针对故障模式,能够体现出动态模型的优点,可以与系统诊断知识相融合,为故障诊断的单步的、多步的、长期的预测预报提供依据. 展开更多
关键词 故障诊断 概率数据关联算法 多传感器多模型 卡尔曼滤波器
在线阅读 下载PDF
多传感器交互式多模型系统中数据融合的一种算法 被引量:2
2
作者 卢迪 姚郁 贺风华 《电机与控制学报》 EI CSCD 北大核心 2004年第2期137-141,共5页
交互式多模型Kalman滤波器是一种基于“软切换”的机动目标跟踪方法,该方法在多目标跟踪系统中取得了良好的效果.本文提出了一种基于方差范数最小意义下的多传感器交互式多模型信息融合方法,并通过仿真验证了该方法的有效性.
关键词 数据融合 数据处理 算法 多传感器交互式多模型系统
在线阅读 下载PDF
多模型多传感器信息融合Kalman平滑器 被引量:10
3
作者 孙书利 《控制理论与应用》 EI CAS CSCD 北大核心 2005年第2期211-217,共7页
基于标量加权的线性最小方差最优信息融合算法,对多模型多传感器离散线性随机系统,给出了一种分布式标量加权信息融合固定滞后Kalman平滑器.它只需计算加权标量系数,可减小在融合中心的计算负担.当各子系统存在稳态滤波时,又给出了标量... 基于标量加权的线性最小方差最优信息融合算法,对多模型多传感器离散线性随机系统,给出了一种分布式标量加权信息融合固定滞后Kalman平滑器.它只需计算加权标量系数,可减小在融合中心的计算负担.当各子系统存在稳态滤波时,又给出了标量加权信息融合稳态平滑器,它计算量小,便于实时应用.并给出了两个子系统之间的平滑误差互协方差阵的计算公式.仿真例子验证了其有效性. 展开更多
关键词 多模型多传感器系统 标量加权最优信息融合准则 固定滞后平滑器 Kalman滤波方法
在线阅读 下载PDF
一种基于IMM/MSPDAF的多传感器数据融合目标跟踪算法 被引量:4
4
作者 张锐 胡国平 《现代防御技术》 北大核心 2010年第6期123-127,共5页
基于交互式多模型和多传感器联合概率数据关联算法的机动目标跟踪,先用融合算法将红外和雷达的量测进行融合,然后利用融合后的数据,采用交互式多模型机动目标跟踪方法实现对机动目标的跟踪。仿真实验验证了算法具有良好的机动目标跟踪... 基于交互式多模型和多传感器联合概率数据关联算法的机动目标跟踪,先用融合算法将红外和雷达的量测进行融合,然后利用融合后的数据,采用交互式多模型机动目标跟踪方法实现对机动目标的跟踪。仿真实验验证了算法具有良好的机动目标跟踪效果。 展开更多
关键词 信息融合 目标跟踪 交互式多模型/多传感器概率数据互联滤波(IMM/MSPDAF)
在线阅读 下载PDF
信息融合技术在沿空掘巷围岩稳定性中的应用
5
作者 付华 肖键 刘银平 《传感器与微系统》 CSCD 北大核心 2008年第11期112-114,共3页
为提高煤矿沿空掘巷围岩形变监测系统的准确性,会在同一个岩体的不同位置布置多个监测点来了解和掌握其整体状况。为充分利用岩体各个监测点的监测信息进行形变预测预报,针对目前的围岩形变监测系统一次只能使用一个监测序列的不足,提... 为提高煤矿沿空掘巷围岩形变监测系统的准确性,会在同一个岩体的不同位置布置多个监测点来了解和掌握其整体状况。为充分利用岩体各个监测点的监测信息进行形变预测预报,针对目前的围岩形变监测系统一次只能使用一个监测序列的不足,提出采用多传感器多模型信息融合技术,从岩体多个监测序列中提取形变综合监测信息进行变形监测的数学方法。并通过实例仿真证明了其有效性。 展开更多
关键词 多传感器多模型 信息融合技术 沿空掘巷围岩 动态监测模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部