留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于小波神经网络的多传感器自适应融合算法

原 泉 董朝阳 王 青

原 泉, 董朝阳, 王 青等 . 基于小波神经网络的多传感器自适应融合算法[J]. 北京航空航天大学学报, 2008, 34(11): 1331-1334.
引用本文: 原 泉, 董朝阳, 王 青等 . 基于小波神经网络的多传感器自适应融合算法[J]. 北京航空航天大学学报, 2008, 34(11): 1331-1334.
Yuan Quan, Dong Chaoyang, Wang Qinget al. Adaptive fusion algorithm based on wavelet neural networks for multisensor measurement[J]. Journal of Beijing University of Aeronautics and Astronautics, 2008, 34(11): 1331-1334. (in Chinese)
Citation: Yuan Quan, Dong Chaoyang, Wang Qinget al. Adaptive fusion algorithm based on wavelet neural networks for multisensor measurement[J]. Journal of Beijing University of Aeronautics and Astronautics, 2008, 34(11): 1331-1334. (in Chinese)

基于小波神经网络的多传感器自适应融合算法

基金项目: 北京航空航天大学博士研究生创新基金资助项目(400370)
详细信息
    作者简介:

    原 泉(1978-),男,黑龙江哈尔滨人,博士生,yuanquan@asee.buaa.edu.cn.

  • 中图分类号: TP 183

Adaptive fusion algorithm based on wavelet neural networks for multisensor measurement

  • 摘要: 针对多传感器融合系统的非线性和不确定性,将小波分析与神经网络相结合,提出一种基于小波神经网络的多传感器自适应融合算法.融合系统包括扩展卡尔曼滤波器、小波神经网络、融合知识库以及航迹融合算法.该算法以分布式融合结构为基础,利用环境信息理论和测量方差归一化方法构建小波神经网络,并且通过数值样本训练小波神经网络,使其在融合过程中实时估计各传感器的信任度,再由融合知识库根据各传感器信任度来选择适合的航迹融合算法,最终得到全局状态估计.实验结果表明,提出的融合算法可以根据环境变化在线自适应融合来自多传感器的测量值,对不确定信息具有很好的融合能力.

     

  • [1] Zhang Jun, Walter G, Miao Y. Wavelet neural networks for function learning[J]. IEEE Transactions on Signal Processing, 1995, 43(6): 1485-1497 [2] 李冬辉,周巍巍.基于多分辨率小波网络-BP神经网络-D-S证据理论信息融合模型的直流系统故障诊断方法[J].电网技术,2004,28(24): 16-20 Li Donghui, Zhou Weiwei. DC system grounding fault diagnosis method based on data fusion model of MRNN-BPN-DS[J]. Power System Technology, 2004, 28(24): 16-20(in Chinese) [3] 罗跃纲,陈长征,曾海泉,等.基于信息融合的集成小波神经网络故障诊断[J].东北大学学报(自然科学版),2002,23(8): 802-805 Luo Yuegang, Chen Changzheng, Zeng Haiquan, et al. Integrated wavelet neural networks in fault diagnosis based on information fusion[J]. Journal of Northeastern University(Natural Science), 2002, 23(8): 802-805(in Chinese) [4] Francois Caron, Emmanuel Duflos, Denis Pomorski,et al. GPS/IMU data fusion using multisensor Kalman filtering: introduction of contextual aspects[J]. Information Fusion, 2006, 7(2): 221-230 [5] Bar-Shalom Y, Campo L. The effect of the common process noise on the two-sensor fused-track covariance[J]. IEEE Transactions on Aerospace Electronic Systems, 1986, 22(11): 803-805 [6] 魏东,马瑞平,张明廉,等.基于神经网络的自适应非线性控制及仿真研究[J].北京航空航天大学学报,2004,30(3): 217-221 Wei Dong, Ma Ruiping, Zhang Minglian, et al. Artificial-neural-network-based nonlinear adaptive control and simulation[J].Journal of Beijing University of Aeronautics and Astronautics, 2004,30(3): 217-221(in Chinese)
  • 加载中
计量
  • 文章访问数:  2972
  • HTML全文浏览量:  135
  • PDF下载量:  1388
  • 被引次数: 0
出版历程
  • 收稿日期:  2007-11-22
  • 网络出版日期:  2008-11-30

目录

    /

    返回文章
    返回
    常见问答