多传感器信息融合，介绍中图片为INS+ DVL组合程序，此外还有imu+ gps组合等其他程序

BP神经网络在信息融合技术中的应用，宋志英，，主要介绍了组合导航系统中GPS/INS(卫星导航定位/惯性系统制导)中的传感器信息融合方法,并提出了多源图像融合制导的思想与方法.本文指

对于带未知互协方差的两传感器系统, 提出一种协方差交叉(CI) 融合鲁棒稳态Kalman 滤波器, 它关于未知
互协方差具有鲁棒性. 严格证明了该滤波器的实际精度高于每个局部滤波器的精度, 但低于带已知互协方差的最优
融合Kalman 滤波器的精度. 基于协方差椭圆给出了精度关系的几何解释. 进一步将上述结果推广到一般多传感器情
形. 一个跟踪系统的Monte-Carlo 仿真例子表明, 其实际精度接近于带已知互协方差的最优融合器的精度.

雷达数据处理精典书籍，讨论雷达网系统，计算机模拟及应用，介绍了空中交通管制系统，海上监视系统，防御系统等应用案例。

传统的电气火灾预警通过检测温度、空气压力等参数来判断电气火灾,报警响应时间较长,存在很大的局限性。基于传统火灾预警存在的问题,通过紫外光传感器、电流互感器、超声探测器等火灾探测器对短路、接触不良、漏电等电气故障进行研究。通过设计检测电路采集各传感器的信号,着重对故障信号波形信息进行分析。采用MATLAB软件编制D-S证据信息融合程序,将3种传感信息进行仿真融合,在低压电气火灾信息融合过程中论证D-S融合理论的有效性。结果表明:D-S证据融合理论具有良好的可行性、可信性与可靠性。研究结果对提高电气火灾预警的准确性具有重要意义。

基于D-S的决策级信息融合的故障诊断，王璇，周丰，为保证石油钻井过程安全可靠运行，对其故障诊断方法的研究具有重大意义。本文在国内外故障诊断技术的基础上，提出了基于传感器间

决策级融合 在信息表示的最高层次上进行的融合处理。不同类型的传感器观测同一个目标，每个传感器在本地完成预处理、特征抽取、识别或判断，以建立对所观察目标的初步结论，然后通过相关处理、决策级融合判决，最终获得联合推断结果，从而直接为决策提供依据。 因此，决策级融合是直接针对具体决策目标，充分利用特征级融合所得出的目标各类特征信息，并给出简明而直观的结果。 决策级融合优点： 实时性最好 在一个或几个传感器失效时仍能给出最终决策，因此具有良好的容错性。

基于对结构安全性的高要求，以各种不同监测技术为基础的结构健康监测系统得到广泛研究与应用，而结构损伤识别系统是结构健康监测系统的核心组成部分之一。本文以某悬臂梁为工程背景，研究结合信息融合的基于BP神经网络的结构损伤识别技术，通过MATLAB软件构建BP神经网络，训练完成的神经网络损伤识别准确率高于90%。本文对基于神经网络的结构损伤识别技术的可靠性进行讨论，总结了结合信息融合与神经网络的损伤识别技术的优缺点。网络识别结果证明了该技术的可行性，为工程结构损伤识别应用的进一步研究提供了参考。

针对配电网故障信息出现异常尤其是不可识别异常而导致误判的问题，提出了一种基于网络树状图和改进D-S证据理论的配电网故障定位新方法。该方法的突出优点在于使用多源信息进行故障定位，可避免因单源信息发生异常导致的误判。首先提出了一种新的基于网络树状图的搜索算法，该算法利用配电网故障时产生的故障指示器信息、配变报警信息和电话投诉信息建立相应的网络树状图，并通过搜索网络树状图进行故障初步定位。然后利用改进D-S证据理论将每种故障信息的定位结果进行信息融合，得到最终的定位结果。实例结果表明所提方法有效、可行，可以解决故障信息出现不可识别异常时的定位问题。

提出一种基于肌电传感器 和加速度计的识别人体手势的智能信息系统