人口老齡化是世界各國(guó)正在面對(duì)的一個(gè)普遍問題。隨著我國(guó)老齡化程度的持續(xù)加劇，對(duì)于老年人群體的醫(yī)療資源投入會(huì)不斷提高。而與此同時(shí)，跌倒已經(jīng)成為老年人日常生活中最為常見的危險(xiǎn)行為活動(dòng)。所以，跌倒檢測(cè)系統(tǒng)的研究和應(yīng)用對(duì)降低老年人受到的身心傷害和醫(yī)療成本具有顯著的意義。目前解決老年人跌倒檢測(cè)的方案仍存在許多不足。其中，基于計(jì)算機(jī)視覺的跌倒檢測(cè)技術(shù)在無干擾的場(chǎng)景下檢測(cè)較為有效，但其易受環(huán)境變化（如背景光線影響、人遮擋問題等）影響。此外，基于可穿戴計(jì)算的跌倒檢測(cè)技術(shù)受限于算法穩(wěn)定性和識(shí)別準(zhǔn)確率，系統(tǒng)的靈敏度和特異性難以同時(shí)得到保證。針對(duì)上述問題本文提出一種融合計(jì)算機(jī)視覺和可穿戴計(jì)算數(shù)據(jù)的跌倒檢測(cè)新的方法。首先，設(shè)計(jì)并開發(fā)了集成三軸加速度計(jì)、三軸陀螺儀和藍(lán)牙的活動(dòng)感知模塊，實(shí)現(xiàn)實(shí)時(shí)采集、傳輸人體活動(dòng)數(shù)據(jù)：其次，使用深度學(xué)習(xí)算法從攝像頭采集的圖像數(shù)據(jù)提取人體姿態(tài)特征數(shù)據(jù)：最后，對(duì)采集的人體活動(dòng)數(shù)據(jù)和姿態(tài)數(shù)據(jù)進(jìn)行規(guī)范化和時(shí)序化處理，設(shè)計(jì)了兩個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)分別對(duì)數(shù)據(jù)進(jìn)行特征提取，并將兩特征進(jìn)行特征層數(shù)據(jù)融合，在此基礎(chǔ)上構(gòu)建神經(jīng)網(wǎng)絡(luò)對(duì)融合數(shù)據(jù)進(jìn)行活動(dòng)本文搭建了實(shí)驗(yàn)平臺(tái)并進(jìn)行了算法測(cè)試，其中，本文跌倒檢測(cè)算法針對(duì)離線測(cè)試數(shù)據(jù)的準(zhǔn)確率為992%，平均敏感度為995%、平均特異性為99.8%：針對(duì)在線數(shù)據(jù)系統(tǒng)測(cè)試準(zhǔn)確率為98.9%、平均敏感度為99.2%、平均特異性為99.5%實(shí)驗(yàn)結(jié)果證明了利用計(jì)算機(jī)視覺和可穿戴計(jì)算數(shù)據(jù)融合的跌倒檢測(cè)具有較高的準(zhǔn)確率和魯棒性。
標(biāo)簽： 視覺圖像 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-14
上傳用戶：bluedrops
準(zhǔn)確量化和預(yù)測(cè)陸地生態(tài)系統(tǒng)碳水通量對(duì)于理解陸氣間相互作用，預(yù)測(cè)未來氣候變化和控制溫室效應(yīng)具有重要意義。通量觀測(cè)和模型模擬是目前研究碳水通量的兩種主要方法。通量觀測(cè)精度較高，但觀測(cè)范圍局限、站點(diǎn)分布不均勻，易受環(huán)境影響，難以區(qū)域擴(kuò)展；模型模擬可實(shí)現(xiàn)不同尺度參量估算，但由于理想化假設(shè)、模型參數(shù)和驅(qū)動(dòng)數(shù)據(jù)等限制，導(dǎo)致其模擬結(jié)果往往與真實(shí)值存在較大偏差。模型-數(shù)據(jù)融合方法主要是通過參數(shù)估計(jì)和數(shù)據(jù)同化兩種技術(shù)集成觀測(cè)和模型信息，建立兩者相互制約調(diào)節(jié)的優(yōu)化關(guān)系，以提高模型結(jié)果與真實(shí)值之間的匹配程度。基于該思路，本研究在地面觀測(cè)數(shù)據(jù)、遙感衛(wèi)星資料以及相關(guān)氣候環(huán)境數(shù)據(jù)基礎(chǔ)上，重點(diǎn)突破全球動(dòng)態(tài)植被模型（Lund-Potsdam-Jena Dynamic Globa Vegetation Model.LPJ-DGVM）敏感參數(shù)優(yōu)化方法，獲取適宜中國(guó)的參數(shù)化方案：在此基礎(chǔ)上，引入數(shù)據(jù)同化算法，將遙感衛(wèi)星產(chǎn)品信息與模型相融合，在模擬過程中不斷校正原有模型模擬軌跡，提高模型適用性。將以上改進(jìn)的模型推廣至中國(guó)區(qū)域，實(shí)現(xiàn)對(duì)20002015年中國(guó)地區(qū)總初級(jí)生產(chǎn)力（Gross Primary Productivity GPP）和敬發(fā)（Evapotranspiration，ET的空間格局模擬及分析。主要結(jié)論如下1）將LP」DGwM中所選出的22個(gè)可調(diào)參數(shù)（涉及光合、呼吸、水平衡異速生長(zhǎng)、死亡、建立以及土壤和掉落物分解共七個(gè)作用領(lǐng)域）在各自取值范圍內(nèi)隨機(jī)獲得不同的參數(shù)組合，結(jié)果表明22個(gè)參數(shù)可引起GPP和ET模擬結(jié)果產(chǎn)生較大的不確定性，尤其集中在生長(zhǎng)季。所有站點(diǎn)GPP相對(duì)不確定性（Relative Uncertainty，RU）基本保持在09-1.25之間，不具有明顯的年際變異性：ET相對(duì)不確定性RU月變化趨勢(shì)明顯，且基本處于0.5以下，明顯低于GPP，說明所篩選的22個(gè)參數(shù)對(duì)GP模擬產(chǎn)生的影響更為顯著。
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-16
上傳用戶：shjgzh
在工業(yè)應(yīng)用中常用一組傳感器對(duì)問一個(gè)被測(cè)量目標(biāo)在一個(gè)過程的不同位置進(jìn)行測(cè)量，然而由于每個(gè)傳感器位于過程的不同位置，它們將不問程度的受到嗓聲的干擾，為了從被嗓聲干擾的多傳感器測(cè)量值中獲得更準(zhǔn)確的測(cè)量結(jié)果，霱要進(jìn)“步研究多傳感器的融合理論多傳感器數(shù)據(jù)融合系統(tǒng)的關(guān)鍵在于如何充分利用各個(gè)傳感器的信息，得到對(duì)被測(cè)參數(shù)的最優(yōu)估計(jì)，本文主要研究了以加權(quán)的方式進(jìn)行多傳感器數(shù)據(jù)融合的方法，即研究如何對(duì)每個(gè)傳感器進(jìn)行加權(quán)，從而得到對(duì)被測(cè)參數(shù)最優(yōu)佑計(jì)的方法為此本文在介紹了多傳感器數(shù)據(jù)融合技術(shù)的基礎(chǔ)上，首先研究了基于奇異值分解的數(shù)據(jù)融合算法，通過對(duì)傳感器測(cè)量值構(gòu)成的矩陣進(jìn)行奇異值分解，利用每個(gè)傳感器測(cè)量值所對(duì)應(yīng)的奇異值，可以估計(jì)出對(duì)每個(gè)傳感器權(quán)值的最優(yōu)估計(jì)，從而在不要任何先驗(yàn)知識(shí)的條件下，可僅由多傳感器的測(cè)量值，利用提出的算法得到在最小均方誤差意義下的被測(cè)參數(shù)的最優(yōu)估計(jì)，此外，在許多工業(yè)過程中，人們利用多傳感器測(cè)量同一過程參數(shù)以控制該參數(shù)在過程中的不同位置能根據(jù)需要進(jìn)行合理分布，此時(shí)人們希望利用多傳感器融合的測(cè)量結(jié)果，對(duì)每一個(gè)傳感器的測(cè)量數(shù)據(jù)進(jìn)行重建，以獲得對(duì)每一個(gè)傳感器的測(cè)量結(jié)果進(jìn)行更為準(zhǔn)確的估計(jì)。為此，本文進(jìn)一步研究了基于小波降噪和數(shù)據(jù)融合的傳感器數(shù)據(jù)重建算法，仿真和實(shí)驗(yàn)結(jié)果都說明提出算法是有效的，最后，研究了非線性動(dòng)態(tài)系統(tǒng)的狀態(tài)融合問題，研究了加權(quán)無氣味卡爾曼濾波（UKF）方法，研究表明無氣味卡爾曼波波能克服了擴(kuò)展卡爾曼濾波（EKF）在狀態(tài)融合估計(jì)中的不足，可以得到了更準(zhǔn)確的狀態(tài)融合估計(jì)結(jié)關(guān)鍵詞多傳感器系統(tǒng)，數(shù)據(jù)融合，奇異值分解，UKF
標(biāo)簽： 傳感器 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-16
上傳用戶：aben
本文以某油田數(shù)字化改造項(xiàng)目為背景，研究?jī)?nèi)容主要分為如下四個(gè)部分（1）三維激光掃描儀在掃描作業(yè)中會(huì)產(chǎn)生精度不符合項(xiàng)目要求的問題，導(dǎo)致后續(xù)的維模型精度無法達(dá)到要求。本文系統(tǒng)分析了掃描儀的誤差來源，采用單邊法和交叉雙邊法的標(biāo)定實(shí)驗(yàn)方案，可以較快、較準(zhǔn)確的檢驗(yàn)三維激光掃描儀的精度，為后續(xù)數(shù)據(jù)獲取奠定了良好的基礎(chǔ)（2）傳統(tǒng)的紋理圖片采集方法沒有規(guī)則，拍攝的圖片較多，數(shù)據(jù)量較大，且有時(shí)會(huì)遺漏部分場(chǎng)景信息。通過對(duì)比分析研究前后幾次采集的大量紋理圖片數(shù)據(jù)，提出了一種快速、全面的紋理采集方法，提高了采集效率，降低了數(shù)據(jù)量。通過研究降噪、增強(qiáng)特征等算法，對(duì)紋理圖片進(jìn)行處理，獲取了較好的模型顯示細(xì)膩感。最后，通過對(duì)比實(shí)驗(yàn)分析了上種不同理貼圖方法在模型真實(shí)度、內(nèi)存占用量和操作易程度等力面的影響，得出各個(gè)貼圖方法的優(yōu)缺點(diǎn)及適用范圍，為后續(xù)的高質(zhì)量、快速度的紋理貼圖提供了理論依據(jù)（3）針對(duì)地面激光掃描儀在點(diǎn)云拼接時(shí)出現(xiàn)無法識(shí)別標(biāo)靶球的問題，分析研究了大量其它站掃描的點(diǎn)云數(shù)據(jù)和標(biāo)靶擺放位置，提出了相應(yīng)的擺放規(guī)則，提高了識(shí)別標(biāo)靶的成功率和點(diǎn)云拼接效率。復(fù)雜的曲面類模型在正向建模軟件中的操作難度較大，且操作復(fù)雜，作者通過轉(zhuǎn)換格式將點(diǎn)云放置在逆向軟件中使用曲面擬合建模方法進(jìn)行三維建模，提高了建模效率。非規(guī)則類模型在通過交集、并集和差集操作時(shí)會(huì)出現(xiàn)模型消失的問題，經(jīng)過實(shí)驗(yàn)和研究，詳細(xì)提出了其建模步驟，減少了該類問題的出現(xiàn)。團(tuán)隊(duì)協(xié)同作業(yè)的模型整合階段容易出現(xiàn)材質(zhì)和模型重復(fù)問題，結(jié)合項(xiàng)目的建模技術(shù)要求提出了相關(guān)的模型建模規(guī)范，提高了模型整合效率
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-17
上傳用戶：XuVshu
本文以數(shù)據(jù)融合理論為基礎(chǔ)，進(jìn)行情報(bào)雷達(dá)的數(shù)據(jù)融合系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。系統(tǒng)主要包括數(shù)據(jù)配準(zhǔn)、數(shù)據(jù)關(guān)聯(lián)、目標(biāo)狀態(tài)估計(jì)幾個(gè)方面。在系統(tǒng)的數(shù)據(jù)配準(zhǔn)中，首先進(jìn)行坐標(biāo)變換，然后采用主站雷達(dá)測(cè)量坐標(biāo)系下的誤差線性化方法進(jìn)行系統(tǒng)誤差估計(jì)。通過仿真表明，利用誤差修正可以抑制隨機(jī)噪聲，較為準(zhǔn)確地估計(jì)各雷達(dá)站的系統(tǒng)誤差。在系統(tǒng)的數(shù)據(jù)關(guān)聯(lián)部分，本文將動(dòng)態(tài)分區(qū)與整體相關(guān)思想相結(jié)合進(jìn)行航跡相關(guān)，減小了關(guān)聯(lián)數(shù)據(jù)量，并大大降低了誤相關(guān)率，提高了系統(tǒng)的實(shí)際應(yīng)用能力。同時(shí)采用灰色關(guān)聯(lián)的思想，有效地利用雷達(dá)提供的數(shù)據(jù)而盡量避免對(duì)融合系統(tǒng)的影響，很好地解決兩坐標(biāo)雷達(dá)觀測(cè)數(shù)據(jù)的融合問題。在跟蹤維持部分，文中利用“模糊相似”很好地進(jìn)行航跡起始，并采用序貫濾波和灰色理論解決融合中出現(xiàn)的異步和異質(zhì)數(shù)據(jù)的問題，使主副站航跡更好地進(jìn)行融合。除了原理的敘述外，在C+ Builder環(huán)境下，采用本文方法進(jìn)行了多情報(bào)雷達(dá)的航跡綜合仿真。本文提供了很好的數(shù)據(jù)融合實(shí)現(xiàn)的思路和流程，并可以在實(shí)際系統(tǒng)中很好地應(yīng)用。關(guān)鍵詞：數(shù)據(jù)融合航跡綜合誤差修正數(shù)據(jù)關(guān)聯(lián)動(dòng)態(tài)分區(qū)整體相關(guān)模糊相似灰色系統(tǒng)理論優(yōu)勢(shì)分析序貫濾波
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-17
上傳用戶：ttalli
（1）介紹了模擬電路故障診斷技術(shù)發(fā)展和現(xiàn)狀，對(duì)現(xiàn)有的主要診斷方法以及近年來先進(jìn)的神經(jīng)網(wǎng)絡(luò)理論和技術(shù)以及數(shù)據(jù)融合技術(shù)在模擬電路故障診斷領(lǐng)域中的應(yīng)用進(jìn)行了簡(jiǎn)單的論述（2）對(duì)神經(jīng)網(wǎng)絡(luò)方法的基本原理及其在模擬電路故障診斷中的優(yōu)勢(shì)進(jìn)行了詳細(xì)的介紹，包括神經(jīng)網(wǎng)絡(luò)的分類和神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則。詳細(xì)說明在電路故障診斷中應(yīng)用最廣泛的BP神經(jīng)網(wǎng)的設(shè)計(jì)、訓(xùn)練和測(cè)試方法，并對(duì)一個(gè)兩級(jí)RC耦合放大器電路例進(jìn)行了測(cè)試、神經(jīng)網(wǎng)絡(luò)訓(xùn)練和診斷。（3）介紹了數(shù)據(jù)融合技術(shù)的概念、優(yōu)缺點(diǎn)、基本方法及其在各個(gè)領(lǐng)域的應(yīng)用情況。然后對(duì)于數(shù)據(jù)融合具體方法，著重研究了 Bayes統(tǒng)計(jì)融合方法Dempster-Shafer證據(jù)理論融合方法以及模糊集理論融合方法。最后采用基于待定系數(shù)法的隸屬度構(gòu)造法以及模糊融合的方法對(duì)實(shí)例電路進(jìn)行了故障診斷。（4）提出了一種新的利用包含元件直流特性信息的靜態(tài)工作點(diǎn)電壓和包含元件交流特性信息的不同頻率激勵(lì)下輸出電壓峰值與輸出電壓峰值的比值兩類信息進(jìn)行數(shù)據(jù)融合診斷的方法，保證故障信息量的同時(shí)降低了獲取難度，應(yīng)用模糊數(shù)學(xué)的理論，通過模糊變換將兩類故障信息通過兩個(gè)神經(jīng)網(wǎng)絡(luò)診斷得出的故障求屬度進(jìn)行決策層的數(shù)據(jù)融合，較好的解決了了單神經(jīng)網(wǎng)絡(luò)診斷信息量不足，由于電路元件互相影響而產(chǎn)生的故障診斷不確定性的問題以及待融合故障信息隸屬度獲取困難的問題，使得診斷準(zhǔn)確率得到較為明顯的提高本文提出的基于數(shù)據(jù)融合和神經(jīng)網(wǎng)絡(luò)的方法可以實(shí)現(xiàn)對(duì)模擬電路的故障進(jìn)行準(zhǔn)確實(shí)時(shí)快速診斷，具有一定的實(shí)用價(jià)值。關(guān)健詞：模擬電路；數(shù)據(jù)融合；神經(jīng)網(wǎng)絡(luò)；模糊集理論
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-17
上傳用戶：
戰(zhàn)場(chǎng)環(huán)境是影響戰(zhàn)爭(zhēng)勝負(fù)走向的關(guān)鍵因素，其中地形是戰(zhàn)場(chǎng)環(huán)境的主要構(gòu)成。隨著軍事技術(shù)的變革、精確打擊和精確斬首武器的運(yùn)用，傳統(tǒng)二維地圖的局限性已經(jīng)無法滿足軍事訓(xùn)練和軍事指揮方面的需求。而對(duì)于當(dāng)前的三維戰(zhàn)場(chǎng)地形，快速進(jìn)行地形模型構(gòu)建、地形模型精細(xì)化以及海量數(shù)據(jù)可視化呈現(xiàn)的要求顯得越來越高。因此，本文為構(gòu)建真實(shí)的三維戰(zhàn)場(chǎng)地理環(huán)境及可視化進(jìn)行了深入研究。本文選用傾斜攝影技術(shù)與 Cesium可視化庫(kù)進(jìn)行真實(shí)三維地形的建立及可視化平臺(tái)的搭建，以西安工業(yè)大學(xué)未央校區(qū)做為典型應(yīng)用實(shí)例進(jìn)行城市作戰(zhàn)可視化開發(fā)。首先，本文介紹了三維實(shí)景建模與可視化相關(guān)理論；論述了在Web端進(jìn)行可視化開發(fā)的優(yōu)勢(shì)；提出了傾斜攝影測(cè)量技術(shù)對(duì)三維戰(zhàn)場(chǎng)地形構(gòu)建時(shí)存在的問題及解決辦法。其次，本文制定了戰(zhàn)場(chǎng)環(huán)境多源數(shù)據(jù)采集方案以及基于 Smart3D多源數(shù)據(jù)融合建模流程。制作了三維戰(zhàn)場(chǎng)地形數(shù)據(jù)并進(jìn)行了模型質(zhì)量分析，包括模型的紋理精度、幾何精度和地理坐標(biāo)精度。確保生成的地形數(shù)據(jù)滿足逼真的可視化視覺效果及地形對(duì)地面人員裝備的各種干涉作用的真實(shí)性最后，本文在前三章的基礎(chǔ)上采用BS三層架構(gòu)的方式，通過 Cesium、HTLM，JavaScript等語(yǔ)言進(jìn)行戰(zhàn)場(chǎng)環(huán)境可視化平臺(tái)的搭建，實(shí)現(xiàn)了城市化作戰(zhàn)的三維戰(zhàn)場(chǎng)環(huán)境構(gòu)建。同時(shí)本文基于 Cesium完成了模型單體化和模型驅(qū)動(dòng)等功能本課題對(duì)三維戰(zhàn)場(chǎng)地形環(huán)境構(gòu)建與可視化研究具有重要意義。本文提出的戰(zhàn)場(chǎng)環(huán)境構(gòu)建方法可以運(yùn)用到各種戰(zhàn)場(chǎng)環(huán)境的構(gòu)建，包括山地丘陵的作戰(zhàn)地形環(huán)境構(gòu)建、城市反恐作戰(zhàn)等。通過可視化平臺(tái)的加載可以直觀、真實(shí)了解戰(zhàn)場(chǎng)環(huán)境。通過模型驅(qū)動(dòng)完成戰(zhàn)場(chǎng)中各種演示效果。關(guān)鍵詞：多源數(shù)據(jù)融合；傾斜攝影測(cè)量：三維建模；Cesium：三維戰(zhàn)場(chǎng)環(huán)境可視化：CZML
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-17
上傳用戶：
摘要：無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，wSN是由許多具有低功率無線收發(fā)裝置的傳感器節(jié)點(diǎn)組成，它們監(jiān)測(cè)采集周邊環(huán)境信息并傳送到基站進(jìn)行處理在某一時(shí)刻通過wSN采集的數(shù)據(jù)量非常大，如何正確、高效地處理這些數(shù)據(jù)成為當(dāng)前WSN研究中的一個(gè)熱點(diǎn)。傳感器節(jié)點(diǎn)一般部署在惡劣環(huán)境中，一些偶然因素會(huì)使采集的數(shù)據(jù)中出現(xiàn)不準(zhǔn)確的數(shù)據(jù)，用戶依據(jù)這樣的數(shù)據(jù)很難準(zhǔn)確判斷出被測(cè)對(duì)象的真實(shí)狀態(tài)。基于模糊理論的決策級(jí)數(shù)據(jù)融合算法能夠很好的解決這個(gè)問題本文以國(guó)家863研究項(xiàng)目《基于無線傳感器網(wǎng)絡(luò)的鐵路危險(xiǎn)貨物在途安全狀態(tài)監(jiān)測(cè)技術(shù)研究》為背景，結(jié)合鐵路運(yùn)輸中棉花在途狀態(tài)監(jiān)測(cè)系統(tǒng)的開發(fā)，在分析了當(dāng)前有效的決策級(jí)數(shù)據(jù)融合技術(shù)基礎(chǔ)上，提出了基于模糊理論的決策級(jí)數(shù)據(jù)融合算法，該算法通過對(duì)采集數(shù)據(jù)進(jìn)行處理和分析，以獲得準(zhǔn)確的被測(cè)對(duì)象狀態(tài)的描述。本文的主要工作包括：（1）分析了WSN中傳統(tǒng)的決策級(jí)數(shù)據(jù)融合算法，如自適應(yīng)加權(quán)數(shù)據(jù)融合算法和算術(shù)平均數(shù)數(shù)據(jù)融合算法，總結(jié)這兩種算法的優(yōu)缺點(diǎn)和檢測(cè)系統(tǒng)的需求，進(jìn)步明確理想算法應(yīng)達(dá)到的目標(biāo)。（2）提出了基于模糊理論的兩階段數(shù)據(jù)融合算法：該算法第一階段利用基于貼近度的數(shù)據(jù)融合算法進(jìn)行同類數(shù)據(jù)的融合校準(zhǔn)，這一階段的目的是剔除錯(cuò)誤的和可信度較差的數(shù)據(jù)，得到相對(duì)更加準(zhǔn)確的數(shù)據(jù)，第二階段利用模糊推理對(duì)第個(gè)階段得到的異類數(shù)據(jù)進(jìn)行融合推理，得到被測(cè)對(duì)象當(dāng)前狀態(tài)的描述，為決策提供支持（3）結(jié)合實(shí)測(cè)數(shù)據(jù)仿真本文所提出的算法，結(jié)果證明與傳統(tǒng)的融合算法相比，可以更加準(zhǔn)確的描述被測(cè)對(duì)象狀態(tài)
標(biāo)簽： 無線傳感器
上傳時(shí)間： 2022-03-17
上傳用戶：
隨著科學(xué)技術(shù)的發(fā)展和現(xiàn)代戰(zhàn)爭(zhēng)的需要，數(shù)據(jù)融合作為一門新興交叉學(xué)科，在近年來得到了廣泛關(guān)注和快速發(fā)展，而關(guān)于雷達(dá)情報(bào)處理的研究和應(yīng)用也日益受到重視。現(xiàn)代戰(zhàn)爭(zhēng)中，指揮、控制通信和情報(bào)系統(tǒng)面臨著嚴(yán)峻的挑戰(zhàn)。在多雷達(dá)情報(bào)處理系統(tǒng)中，采用數(shù)據(jù)融合技術(shù)，提供更加實(shí)時(shí)、準(zhǔn)確的情報(bào)是現(xiàn)代戰(zhàn)爭(zhēng)的迫切需求。論文正是圍繞這一需求展開的，研究了雷達(dá)情報(bào)數(shù)據(jù)融合系統(tǒng)的誤差校正和航跡關(guān)聯(lián)問論文較為系統(tǒng)地介紹了數(shù)據(jù)融合的概念、研究意義、國(guó)內(nèi)外發(fā)展?fàn)顩r及其應(yīng)用，并討論了數(shù)據(jù)融合的模型、結(jié)構(gòu)及關(guān)鍵技術(shù)論文針對(duì)多雷達(dá)情報(bào)處理系統(tǒng)中的系統(tǒng)誤差問題，研究了四種誤差校正方法。文研究了密集目標(biāo)環(huán)境中的航跡關(guān)聯(lián)問題，對(duì)多傳感器數(shù)據(jù)關(guān)聯(lián)的方法進(jìn)行了分類，并針對(duì)多雷達(dá)情報(bào)處理系統(tǒng)這個(gè)分布式系統(tǒng)，研究了分布式數(shù)據(jù)關(guān)聯(lián)方法。運(yùn)用0-1整數(shù)規(guī)劃法建立了密集目標(biāo)環(huán)境的規(guī)劃模型函數(shù)并求解應(yīng)用在多雷達(dá)數(shù)據(jù)融合軟件中，使航跡關(guān)聯(lián)達(dá)到了極好的效果，為開發(fā)多雷達(dá)數(shù)據(jù)融合軟件提供了技術(shù)支持。關(guān)鍵詞：雷達(dá)情報(bào)，數(shù)據(jù)融合，數(shù)據(jù)關(guān)聯(lián)，誤差校正，航跡關(guān)聯(lián)，0-1整數(shù)規(guī)劃現(xiàn)代戰(zhàn)爭(zhēng)中，新型作戰(zhàn)飛機(jī)機(jī)動(dòng)性能強(qiáng)，具有隱身特性，加上電子對(duì)抗的戰(zhàn)場(chǎng)環(huán)境，傳統(tǒng)雷達(dá)情報(bào)處理系統(tǒng)已應(yīng)付不了多目標(biāo)，高密度的空情要求。為了適應(yīng)新軍事變革要求，在未來信息化戰(zhàn)爭(zhēng)中雷達(dá)能夠給出準(zhǔn)確的信息情報(bào)，雷達(dá)情報(bào)處理系統(tǒng)在改善硬件條件的同時(shí)，開發(fā)運(yùn)用數(shù)據(jù)融合新技術(shù)，從根本上改善雷達(dá)情報(bào)質(zhì)量已然成為當(dāng)務(wù)之急數(shù)據(jù)融合一詞最早出現(xiàn)在七十年代末期，是從軍事CI系統(tǒng)中提出的，它與信號(hào)處理、計(jì)算機(jī)技術(shù)、概率統(tǒng)計(jì)、圖像處理和人工智能學(xué)科密切相關(guān)，是一門新興發(fā)展起來的交叉學(xué)科。
標(biāo)簽： 雷達(dá) 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-18
上傳用戶：wangshoupeng199
隨著杜會(huì)和經(jīng)濟(jì)的發(fā)展，環(huán)境水污染現(xiàn)象也日趨嚴(yán)重，迫切需要環(huán)境水質(zhì)多參數(shù)監(jiān)測(cè)與智能分析系統(tǒng)，以為環(huán)境監(jiān)測(cè)、管理和控制提供科學(xué)的手段。水質(zhì)多組分檢測(cè)涉及到多傳感器數(shù)據(jù)融合、計(jì)算機(jī)技術(shù)、電化學(xué)分析和人工智能等多學(xué)科的交叉，在眾多領(lǐng)域有著廣泛的應(yīng)用。本論文研究環(huán)境水質(zhì)檢測(cè)與智能分析系統(tǒng)，論文的主要工作包括1）基于最小二乘支持向量機(jī)的在線自適應(yīng)加權(quán)數(shù)據(jù)融合算法多傳感器數(shù)據(jù)融合由于能夠利用互補(bǔ)和冗余的信息，顯著提高系統(tǒng)的可靠性而得到了廣泛應(yīng)用，而數(shù)據(jù)融合的關(guān)鍵問題是融合算法。本文深入研究了多傳感器數(shù)據(jù)融合理論的基礎(chǔ)上，針對(duì)傳統(tǒng)融合算法研究存在的問題，提出了一種基于最小二乘支持向量機(jī)的在線自適應(yīng)加權(quán)數(shù)據(jù)融合算法，并應(yīng)用到水質(zhì)在線檢測(cè)過程中，不僅縮短了訓(xùn)練的時(shí)間，而且提高了融合的可靠性和靈活性2）提出了一種離子傳感器的基于最小二乘支持向量機(jī)的自校正方法：由于離子傳感器的非線性、漂移和交叉敏感性等影響了其檢測(cè)精度和可靠性，難以進(jìn)行連續(xù)在線檢測(cè)。以硝酸根離子傳感器為例，研究其自校正方法，以適應(yīng)動(dòng)態(tài)環(huán)境的連續(xù)監(jiān)測(cè)根據(jù)實(shí)驗(yàn)數(shù)據(jù)，詳細(xì)分析了硝酸根離子傳感器的響應(yīng)特性，并考慮了零點(diǎn)和時(shí)間漂移，提出了一種基于最小二乘支持向量機(jī)硝酸根離子傳感器的自校正方法，給出了詳細(xì)描述和分析。3）離子傳感器故障檢測(cè)的小波支持向量機(jī)特征提取和支持向量機(jī)分類方法在線連續(xù)檢測(cè)的應(yīng)用要求離子傳感器必須具有很高的可靠性，即能夠及時(shí)準(zhǔn)確地判斷出離子傳感器的故障。本文采用小波支持向量機(jī)提取各傳感器故障特征，再用支持向量機(jī)對(duì)故障進(jìn)行分類，實(shí)現(xiàn)對(duì)各離子傳感器的故障診斷。
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-18
上傳用戶：
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
