這是信息融合的前沿進展，感興趣的不妨瀏覽一下。
標簽： 信息融合
上傳時間： 2014-09-11
上傳用戶：朗朗乾坤
求多源最短路徑的一個算法,編碼風格清晰明了
標簽： 多源 最短路徑 算法 編碼
上傳時間： 2017-09-27
上傳用戶：啊颯颯大師的
本教材在“對潛在目標的跟蹤和識別中多傳感器多目標數據融合技術”這門短期課程，做了一些新的數據融合算法進行解釋和舉例說明。許多讀者對其中三個領域特別感興趣，即貝葉斯推理、人工神經網絡和模糊邏輯。本書正是包含了這些新發展起來的內容，滿足了對這些知識有需求的讀者。
標簽： 多傳感器 數據融合
上傳時間： 2017-05-20
上傳用戶：dahui83
基于LM393麥克風聲音傳感器 ATtiny的多源控制USB燈原理圖+源碼
標簽： lm393 麥克風 聲音傳感器 usb 原理圖
上傳時間： 2022-07-25
上傳用戶：slq1234567890
摘要：使用AT89C51單片機，選用集成溫度傳感器AD590和氣體傳感器TGS202作為敏感元件，利用多傳感器信息融合技術，開發了可用于小型單位火災報警的語音數字聯網報警器。關鍵詞：單片機；傳感器；信號處理；火災報警器
標簽： 單片機 語音 數字 聯網
上傳時間： 2013-10-11
上傳用戶：youke111
家居智能機器人的核心控制部分采用雙CPU體系，主從CPU分布計算，保證了實時性要求。主機以SPCE061A單片機為核心，外擴了嵌入式語音識別應答模塊、智能報警及滅火模塊、電機驅動控制模塊等功能模塊。從機作為專門的定位處理芯片，實現系統定位的功能，同時將處理得到的信息通過串口通信傳遞給上位機。超聲波傳感器、紅外傳感器、霍爾傳感器、接觸傳感器等多傳感器信息融合技術的采用，保證了智能機器人系統信息處理的快速性和正確性。
標簽： SPCE 061A 061 單片機
上傳時間： 2014-12-01
上傳用戶：康郎
摘要: 智能機器人仿真系統，由于智能機器人受到自身多傳感器信息融合和控制多樣性等因素的影響，仿真系統設計主要都 是以數學建模的形式化仿真為主，無法實現數學建模與場景實現協調仿真。為此，首先分析兩輪移動機器人數學運動模型， 然后設計與機器人控制系統相關的傳感器數據采集分析、機器人智能自動控制和人工控制等模塊，以實現機器人控制的真 實場景。仿真系統利用 LabVIEW 設計控制界面，并結合 Robotics 工具包的建模、計算和控制功能。仿真結果表明設計的平 臺更適合教學和實驗室研究，并可為實際的物理過程提供數據參考和決策建議。 關鍵詞: 機器人; 虛擬; 系統仿真 中圖分類號: TP242 文獻標識碼: B1 引言 隨著測控技術的發展，虛擬儀器技術已成為工業控制和 自動化測試等領域的新生力量［1］。而機器人作為一種新型 的生產工具，應用范圍已經越來越廣泛，幾乎滲透到各個領 域，是一項多學科理論與技術集成的機電一體化技術。目前 機器人仿真系統主要集中在復雜的機器人數學模型構建與 形式化仿真，無法實現分析機器人運動控制的靜態和動態特 性，更加無法實現控制的真實場景［2］。為了改善專業控制軟 件在硬件開發周期較長的缺點，本文擬建立一個基于通用軟 件的實時仿真和控制平臺，以更適合教學和實驗室研究。本 文以通用仿真軟件 LabVIEW 和 Robotics ［3］為實時仿真與控 制平臺，采用 LabVIEW 搭建控制界面，利用 Robotics 在后臺 進行系統模型和優化控制算法計算，使其完成機器人控制系 統應有的靜態和動態性能分析，不同環境下傳感器變化模擬 顯示以及目標路徑形成等功能。 2 系統構成 仿真系統的構成主要包括了仿真界面、主控制界面、障 礙檢測、智能控制和人工控制模塊。其中主要對人工控制和 智能控制進行程序設計。仿真運行時，障礙檢測一直存在， 主要是為了在智能控制模式下的智能決策提供原始數據。 在人工控制模式下，障礙檢測依然存在，只不過對機器人行 動不產生影響，目的是把環境信息直觀
標簽： 智能機器人
上傳時間： 2022-03-11
上傳用戶：
信息處理機(圖1)用于完成導彈上多路遙測信息的采集、處理、組包發送。主要功能包括高速1553B總線的數據收發、422接口設備的數據加載與檢測、多路數據融合和數據接收、處理、組包發送的功能。其中，總線數據和其他422接口送來的數據同時進行并行處理;各路輸入信息按預定格式進行融合與輸出;數據輸出速率以高速同步422口的幀同步脈沖為源，如果高速同步422口異常不影響總線數據和其它422口的數據融合與輸出功能。在CPU發生異常或總線數據異常時不影響其它422口數據的融合與輸出功能;能夠對從總線上接收的數據進行二次篩選、組包，并發送往總線，供其它設備接收。
標簽： FPGA 信息處理 中的應用
上傳時間： 2013-11-22
上傳用戶：suicone
上傳時間： 2013-10-22
上傳用戶：xjz632
在工業應用中常用一組傳感器對問一個被測量目標在一個過程的不同位置進行測量，然而由于每個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量值中獲得更準確的測量結果，霱要進“步研究多傳感器的融合理論多傳感器數據融合系統的關鍵在于如何充分利用各個傳感器的信息，得到對被測參數的最優估計，本文主要研究了以加權的方式進行多傳感器數據融合的方法，即研究如何對每個傳感器進行加權，從而得到對被測參數最優佑計的方法為此本文在介紹了多傳感器數據融合技術的基礎上，首先研究了基于奇異值分解的數據融合算法，通過對傳感器測量值構成的矩陣進行奇異值分解，利用每個傳感器測量值所對應的奇異值，可以估計出對每個傳感器權值的最優估計，從而在不要任何先驗知識的條件下，可僅由多傳感器的測量值，利用提出的算法得到在最小均方誤差意義下的被測參數的最優估計，此外，在許多工業過程中，人們利用多傳感器測量同一過程參數以控制該參數在過程中的不同位置能根據需要進行合理分布，此時人們希望利用多傳感器融合的測量結果，對每一個傳感器的測量數據進行重建，以獲得對每一個傳感器的測量結果進行更為準確的估計。為此，本文進一步研究了基于小波降噪和數據融合的傳感器數據重建算法，仿真和實驗結果都說明提出算法是有效的，最后，研究了非線性動態系統的狀態融合問題，研究了加權無氣味卡爾曼濾波（UKF）方法，研究表明無氣味卡爾曼波波能克服了擴展卡爾曼濾波（EKF）在狀態融合估計中的不足，可以得到了更準確的狀態融合估計結關鍵詞多傳感器系統，數據融合，奇異值分解，UKF
標簽： 傳感器 數據融合
上傳時間： 2022-03-16
上傳用戶：aben
蟲蟲下載站版權所有 京ICP備2021023401號-1
