两种异步多传感器数据融合算法的比较.doc

机器人IMU与激光扫描测距传感器数据融合pdf,机器人IMU与激光扫描测距传感器数据融合

：智能车辆是近年来发展起来的一门新兴综合技术，在军事、科研和工业中有广阔的应用前景。以电动小车为 研究对象，分析了智能小车传感系统的各种特征值，包括智能小车的状态特征值和道路环境特征值，并建立了相应的坐标 系。根据小车行驶的实际情况，设计了智能小车的多传感器系统，包括：传感器的种类、数量以及在智能小车上的安装位 置。重点讨论了多传感器数据融合结构和融合算法。智能小车多传感器的数据融合结构采用混合式，融合算法采用贝叶新 推理法。

针对共口径红外/毫米波复合制导应用需求,提出一种基于自回归(AR)谱估计和扩展卡尔曼滤波的信息融合处理新方法,基于此方法构建了实现红外/毫米波复合制导信息处理的多处理器片上系统(multiprocessor SoC,MPSoC),该系统采用主/从流水线结构,解决了基于此系统框架的多核通信、系统同步等问题.所提多处理器片上系统在单片FPGA上实现,FPGA实测结果表明,目标融合预测轨迹和真实轨迹基本重合,误差不超过10-2 rad,航向角融合精度远高于毫米波雷达和红外的精度,取得了比较好的融合效果;在100MHz的时钟下,整个红外/毫米波复合制导的信号处理的处理时间不超过2ms,满足复合制导对系统的实时性要求.

多传感器数据融合技术.pdf

在无线传感器数据融合技术中,为了实现端到端数据传输完整性验证,在同态认证技术不适用于多源多消息的背景下,利用同态哈希函数和聚合签名思想,提出一个基于身份的数据完整性验证技术。技术基于公钥密码体制,进一步提高了系统的安全性;基站可以验证来自不同传感器节点拥有不同私钥的消息,也可以根据收到的融合消息计算出每个传感器节点的权重。安全性分析表明,该安全数据融合协议能在融合数据的同时保障数据完整性与可认证性。数值结果说明该算法在传感器节点的计算效率优于已有的方案。

火灾的早期探测难题主要集中在探测对象难以选择、探测方法单一及准确预警概率低。本系统针对这些问题，在对火灾发生的过程和产物作了详细了解以后，选择适当的传感器对具有明显火灾特征的几个参数进行监测，再利用D-S证据理论对所有监测数据进行融合处理得到更为准确的判定结果。 　　1 火灾探测对象的选定 　　在火灾探测过程中，可以利用的火灾信息很多： 　　(1)固态高温产物：于可燃物中的杂质，以及高温状态下可燃物热裂解所形成的物质。 　　(2)燃烧音：燃烧过程中产生的高温，加热周围空气，使之膨胀，产生一种频率仅在数赫兹左右的压力声波，即是燃烧音。 　　(3)火焰光谱：主要由炽热微粒的光谱辐射和燃烧气体的特征

具有火灾探测功能的传感器种类很多：烟雾传感器、温度传传感器、火焰感光传感器、气体传感器和复合型火灾探测器等。在选择火灾传感器时，应根据探测区域可能发生火灾的原因，火灾产生的特征来确定传感器的类型。比如：在加油站（或油库）可选择红外线传感器，它对烟头（或能引起油库起火的火星）较敏感。由于物体在燃烧时一般都伴有烟、光、温升、扩散辐射和异常气味等综合现象发生，利用多种传感器各自特点、使用范围、精度以提供局部现象和信息，再加以综合做出准确的判断，可以为决策者提供较准确的信息。 　　多传感器融合的火灾探测是充分利用不同时间与空间的多模态信息，采用人工智能技术，对按时序获得的多模态观测信息在一定准则下加以

环境感知系统在智能汽车中的应用有望提高道路交通的安全性。众所周知的环境感知传感器有雷达，激光或视觉传感器等，它们能够使汽车检测路上的威胁，预计出现危险的驾驶情况并采取主动行为避免碰撞。除了汽车传感器系统中的多传感器融合，复杂的信号处理和传感器数据融合策略对整个系统的可用性和稳定性具有非常重要的意义。在本文中，我们考虑原始传感器的数据融合（低层次）和预处理测量点（高层次）的数据融合方法。我们对传感器配置、道路交通情景、数据融合样式和信号处理算法进行建模研究并且通过离散事件模拟将传感器数据对结合到不同抽象层次上的多传感器系统进行性能研究。

这是数据融合方面的书，对学习雷达数据处理很有好处。