BTL16ZE分布式多傳感器信息融合BTL7-C100-M0650-B-S32

BTL7-C100-M0650-B-S32針對多傳感器數(shù)據(jù)加權(quán)融合問題,提出了一種基于權(quán)值的數(shù)據(jù)加權(quán)融合方法。通過分析融合權(quán)重對融合精度的影響,確定了數(shù)據(jù)加權(quán)融合的權(quán)值分配原則;通過對能夠反映傳感器實(shí)際測量精度的實(shí)測數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,構(gòu)建了傳感器實(shí)際工作狀態(tài)下的近似測量精度計(jì)算模型。基于典型算例,對所提算法進(jìn)行驗(yàn)證,結(jié)果表明:所提算法能夠較好地解決多傳感器數(shù)據(jù)加權(quán)融合問題,具有一定的理論意義和較好的應(yīng)用價值。 航拍、農(nóng)業(yè)、娛樂、軍事等領(lǐng)域的廣泛應(yīng)用,在帶來產(chǎn)業(yè)升級的同時,也帶來了安全隱患。作為對"低慢小"無人機(jī)管控與反制的前提,"低慢小"無人機(jī)探測成為一個備受關(guān)注的研究課題。從"低慢小"無人機(jī)與客機(jī)、戰(zhàn)斗機(jī)等傳統(tǒng)探測目標(biāo)特性上的不同出發(fā),分析"低慢小"無人機(jī)探測的難點(diǎn),梳理當(dāng)下針對這一問題研究的成果,總結(jié)雷達(dá)探測、激光探測、光電探測、聲探測、金屬探測、無線電探測等方法,比較各原理之間的性能差異,提出移動探測、融合探測、跟蹤探測等發(fā)展方向。 單傳感器采集的電場強(qiáng)度值易發(fā)生畸變影響電壓等級辨識準(zhǔn)確率的問題,提出基于多傳感器協(xié)同融合識別電壓等級,對傳感器進(jìn)行非正交、分層布局,建立空間矢量電場降維重構(gòu)模型,對多傳感器采集數(shù)據(jù)進(jìn)行協(xié)同融合計(jì)算電場強(qiáng)度值。對電場強(qiáng)度值進(jìn)行二階擬合,由二階擬合參數(shù)識別電壓等級。搭建實(shí)驗(yàn)平臺,通過實(shí)驗(yàn)平臺控制場源電壓等級分別為10,35,110 k V,將采集數(shù)據(jù)裝置靠近場源采集數(shù)據(jù),根據(jù)處理后的擬合參數(shù)圖形顯示,可清晰地看到不同電壓等級聚集在三維坐標(biāo)系中不同位置。 

BTL16ZE分布式多傳感器信息融合BTL7-C100-M0650-B-S32

BTL7-C100-M0650-B-S32單一傳感器對前方車輛識別準(zhǔn)確率低的問題，基于多傳感器融合模型建立了1種目標(biāo)車輛識別方法。首先開展攝像頭與毫米波雷達(dá)的聯(lián)合標(biāo)定，實(shí)現(xiàn)多傳感器在時空上的融合；然后引入全局近鄰（GNN）算法對雷達(dá)和攝像頭各自采集的目標(biāo)序列與跟蹤目標(biāo)進(jìn)行數(shù)據(jù)匹配，確定跟蹤目標(biāo)的2組局部估計(jì)；后通過D-S證據(jù)理論對2組目標(biāo)序列進(jìn)行優(yōu)化組合，獲取車輛行駛狀態(tài)的結(jié)果，從而實(shí)現(xiàn)對目標(biāo)的識別。通過Matlab/Simulink聯(lián)合搭建試驗(yàn)平臺對所研究的融合模型進(jìn)行算法驗(yàn)證。試驗(yàn)結(jié)果表明，該融合算法在不同天氣條件下對目標(biāo)的平均檢測率為88.3%，可實(shí)現(xiàn)對目標(biāo)車輛的準(zhǔn)確識別與跟蹤。

BTL7-C100-M0100-B-S32    BTL0U72
BTL7-C100-M0175-B-S32    BTL1AHW
BTL7-C100-M0230-B-KA05    BTL16ZH
BTL7-C100-M0250-B-S32    BTL0UHR
BTL7-C100-M0400-B-S32    BTL0JWA
BTL7-C100-M0550-B-S32    BTL16ZC
BTL7-C100-M0650-B-S32    BTL16ZE
BTL7-C100-M0850-B-KA05    BTL16ZJ
BTL7-C100-M2400-B-S32    BTL16ZF
BTL7-C100-M2743-Z-S32    BTL1276
BTL7-C170-M0100-B-KA05    BTL0JM9
BTL7-C170-M0100-B-S32    BTL06YC
BTL7-E100-M0025-B-S32    BTL06YF