机动目标多传感器组网空间配准方法

矿用无线传感器自组网研究

矿用无线传感器自组网研究 文章介绍了一种矿用无线传感器组网技术，利用分散布置在煤矿综采工作面、运输巷道、回风巷道内的无线传感器互相协作，构成分布式网络。整个网络由1台交流供电的采集分站作为数据集中设备，负责对所有传感器的数据进行采集管理，并通过以太网或者其他方式传输到地面。 标签：煤矿；无线传输；mesh；分布式；对等网络 Abstract：This paper introduces a kind of mine-used wireless sensor netting technology. The distributed network is formed by the cooperation of the wireless sensors distributed in the fully-mechanized coal mining face，the transportation tunnel and the return air tunnel. The whole network is composed of an alternating current（AC）power supply data collection sub-station，which is responsible for collecting and managing the data of all sensors，and transmitting the data to the ground by Ethernet or other means. Keywords：coal mine；wireless transmission；mesh；distributed；peer-to-peer network 引言 万物互联是当前时代发展的趋势，从家用产品到工业产品无不朝着这个方向在進步。工业控制系统向着自动化、智能化、网络化方向发展，信息传输的通道也更加的多样化，无线传输的通讯方式应用更加广泛。矿用设备大到重型钻机、大型皮带，小到传感器、标识卡都可加入到井下无线网络中，通过集中转换设备接入互联网还能进行大数据管理。本文主要介绍的是专为煤矿环境设计的一种超低功耗无线传感器组网技术，整个网络除了1台采集分站需要电源供电外，其他所有设备均采用电池供电，在满足煤矿安全标准的条件下所有节点能够持续工作半年以上时间。 1 使用环境 矿山环境是一种比较特殊的情况，所有传感器沿着巷道呈一字排开，传感器间隔从10m到100m不等，矿上压力监测、瓦斯安全监控、气体监测、火灾监控等各种传感器数量较为客观，完全能够满足无线组网的硬件条件。相对于普通工业应用或者民用环境，这种测点布局更加接近理想化，可以采用更加简单的路由算法进行网络管理；不同的是煤矿应用环境下，设备取电是一大难题，受制于煤矿安全标准，传感器的低功耗要求非常严苛。为了解决上述问题，本文介绍了一种特殊的无线传感器组网方案。 2 硬件设计

无线传感器研究背景目的意义及现状与发展趋势教程文件

无线传感器研究背景目的意义及现状与发展趋势 1 研究背景 随着无线技术的快速发展和日趋成熟，无线通信也发展到一定的阶段，其发展的技术越来越成熟，方向也越来越多，越来越重要，大量的应用方案开始采用无线技术进行数据采集和通信。 微机电系统和低功耗高集成数字设备的发展，使得低成本、低功耗、小体积的传感器节点得以实现。这样的节点配合各类型的传感器，可组成无线传感器网络（WSN）。无线传感网络是一种开创了新的应用领域的新兴概念和技术。广泛应用于战场监视、大规模环境监测和大区域内的目标追踪等领域。传感技术、传感网络已经被认定为最重要的研究之一。因为无线传感器网络节点一般采用电池供电，工作环境通常比较恶劣，而且数量大、更换非常困难，所以低功耗是无线传感器网络最重要的设计准则之一，因此，它迫切需要对传统的嵌入式应用开发进行更新和改进，需要精心设计的软硬件系统，以使其可靠而耐用。 2003年,美国《技术评论》杂志论述未来新兴十大技术时,WSN被列为第一;美国《今日防务》杂志更认为WSN的应用和发展将引起一场划时代的军事技术革命和未来战争的变革。可以预测,WSN是信息感知和采集的一场革命,是21世纪最重要的技术之一[2]。低功耗无线传感模块，便是组成无线传感网络的节点。此方面的研究由来已久，是计算机应用的扩展，采用了大规模集成电路和嵌入式技术，使用智能微处理器对采集到的信息进行处理和加工。现已广泛应用于社会建设的各个层面和人们的日常生活当中。但过去的研究有的只考虑低功耗而性能不高，有的性能高但是功耗太大。 因此，在无线传感技术应用如此广泛的今天，在保证无线传感模块性能的同时又能实现其低功耗具有一定的理论和现实意义。 2 研究目的及意义 2.1 研究目的 当前对于无线传感技术的研究仍然处在一个高速发展的阶段，低功耗就是其发展方向之一，而低功耗与高性能的结合实现还不完全。因此，为了更好的实现无线传感模块的功能，增加模块的可靠性和使用寿命，通过对无线传感节点的硬件功耗的分析，确定无线传感模块各单元的基本功率消耗，并进行相应比较，确定需重点降耗的单元，在此基础上结合当前对低功耗无线传感模块的研究，通过对比分析选择合适的芯片完成对低功耗无线传输模块的自主设计和制作。并辅助软件开发人员完成各子模块的驱动编写，实现低功耗无线传感模块的整体通信功能。

多传感器信息融合方法综述

万方数据

万方数据

万方数据

万方数据

万方数据

多传感器信息融合方法综述 作者：吴秋轩， 曹广益 作者单位：上海交通大学电子信息与电气工程学院,上海,200030 刊名： 机器人 英文刊名：ROBOT 年，卷(期)：2003,25(z1) 被引用次数：2次 参考文献(5条) 1.周锐;申功勋;房建成基于信息融合的目标图像跟踪 1998(12) 2.张尧庭;桂劲松人工智能中的概率统计方法 1998 3.何友;王国宏;彭应宁多传感器信息融合 2000 4.罗志增;叶明Bayes方法的多感觉信息融合算法及其应用[期刊论文]-传感技术学报 2001(03) 5.张文修;吴伟业;梁吉业粗糙集理论与方法 2001 本文读者也读过(8条) 1.臧大进.严宏凤.王跃才.ZANG Da-jin.YAN Hong-feng.WANG Yue-cai多传感器信息融合技术综述[期刊论文]-工矿自动化2005(6) 2.多传感器信息融合及应用[期刊论文]-电子与信息学报2001,23(2) 3.赵小川.罗庆生.韩宝玲.ZHAO Xiao-chuan.LUO Qing-sheng.HAN Bao-ling机器人多传感器信息融合研究综述[期刊论文]-传感器与微系统2008,27(8) 4.范新南.苏丽媛.郭建甲.FAN Xin-nan.SU Li-yuan.GUO Jian-jia多传感器信息融合综述[期刊论文]-河海大学常州分校学报2005,19(1) 5.咸宝金.陈松涛智能移动机器人多传感器信息融合及应用研究[期刊论文]-宇航计测技术2010,30(2) 6.韩增奇.于俊杰.李宁霞.王朝阳信息融合技术综述[期刊论文]-情报杂志2010,29(z1) 7.肖斌多传感器信息融合及其在工业中的应用[学位论文]2008 8.丁伟.孙华.曾建辉.DING Wei.SUN Hua.ZENG Jian-hui基于多传感器信息融合的移动机器人导航综述[期刊论文]-传感器与微系统2006,25(7) 引证文献(2条) 1.武伟.郭三学基于多传感信息融合的轮胎气压监测系统[期刊论文]-轮胎工业 2006(5) 2.魏东.杨洋.李大寨.宗光华基于多传感器融合的机器人微深度环切[期刊论文]-传感器技术 2005(11) 本文链接：https://www.360docs.net/doc/1916656356.html,/Periodical_jqr2003z1037.aspx

物联网的产品应用

物联网的产品应用 物联网是指通过各种信息传感设备，如传感器、射频识不(RFID)技术、全球定位系统、红外感应器、激光扫描器、气体感应器等各种装置与技术，实时采集任何需要监控、连接、互动的物体或过程，采集其声、光、电、生物、位置等各种需要的信息，与互联网结合形成的一个巨大网络。其目的是实现物与物、物与人，所有的物品与网络的连接，方便识不、治理和操纵。 物联网的产业链可细分为标识、感知、信息传送和数据处理这4个环节，其中的核心技术要紧包括射频识不技术，传感技术，网络与通信技术，数据的挖掘与融合技术，中间件技术，云计算技术，信息安全技术，节点治理，智能交互及协同感知和支撑与应用等。下面要紧介绍物联网的核心相关技术。 1.射频识不技术 RFID技术是一种无接触的自动识不技术，利用射频信号及 其空间耦合传输特性，实现对静态或移动待识不物体的自动识不，用于对采集点的信息进行“标准化”标识。鉴于RFID技术可实 现无接触的自动识不，全天候、识不穿透能力强、无接触磨损，可同时实现对多个物品的自动识不等诸多特点，将这一技术应用到物联网领域，使其与互联网、通信技术相结合，可实现全球范围内物品的跟踪与信息的共享，在物联网“识不”信息和近程通讯的层面中，起着至关重要的作用。另一方面，产品电子代码(EPC)采纳RFID电子标签技术作为载体，大大推动了物联网进展和应用。 2. 传感技术

信息采集是物联网的基础，而目前的信息采集要紧是通过传感器、传感节点和电子标签等方式完成的。传感器作为一种检测装置，作为摄取信息的关键器件，由于其所在的环境通常比较恶劣，因此物联网对传感器技术提出了较高的要求。一是其感受信息的能力，二是传感器自身的智能化和网络化，传感器技术在这两方面应当实现进展与突破。将传感器应用于物联网中能够构成无线自治网络，这种传感器网络技术综合了传感器技术、纳米嵌入技术、分布式信息处理技术、无线通讯技术等，使各类能够嵌入到任何物体的集成化微型传感器协作进行待测数据的实时监测、采集，并将这些信息以无线的方式发送给观测者，从而实现“泛在”传感。在传感器网络中，传感节点具有端节点和路由的功能：首先是实现数据的采集和处理，其次是实现数据的融合和路由，综合本身采集的数据和收到的其他节点发送的数据，转发到其他网关节点。传感节点的好坏会直接阻碍到整个传感器网络的正常运转和功能健全。 3. 网络和通信技术 物联网的实现涉及到近程通讯技术和远程运输技术。近程通讯技术涉及RFID，蓝牙等，远程运输技术涉及互联网的组网、 网关等技术。作为为物联网提供信息传递和服务支撑的基础通道，通过增强现有网络通信技术的专业性与互联功能，以适应物联网低移动性、低数据率的业务需求，实现信息安全且可靠的传送，是当前物联网研究的一个重点。传感器网络通讯技术要紧包括广域网络通信和近距离通信等两个方面，广域方面要紧包括IP互 联网、2G／3G移动通信、卫星通信等技术，而以iPv6为核心的

多传感器目标跟踪

Multi-sensor Track-to-Track Fusion Using Simplified Maximum Likelihood Estimator for Maneuvering Target Tracking Li-Wei Fong Department of Information Management Yu-Da College of Business Miaoli, Taiwan ROC Email: fongliwei@https://www.360docs.net/doc/1916656356.html,.tw Abstract—The focus of this paper is to present the distributed architecture of track-to-track fusion for computing the fused estimate from multiple filters tracking a maneuvering target with the simplified maximum likelihood estimator. The architecture consists of sensor-based Kalman filters, local processors and global fuser. Each sensor tracker utilized in the reference Cartesian coordinate system is described for target tracking when the radar measures range, bearing and elevation angle in the spherical coordinate system. The Bar-Shalom track-to-track fusion algorithm is used in each local processor to merge two tracks representing the same target. The decoupled process is adopted to simplify the batch form of the maximum likelihood estimator due to the block-diagonal covariance matrix. The resulting global fuser can be implemented in a parallel structure to facilitate estimation fusion calculation. Simulation results show that the proposed fusion estimator has computational advantages over the maximum likelihood estimator with similar performance. I.I NTRODUCTION Modern engineering applications utilize a great variety of sensors to monitor and control dynamic systems in order to obtain a satisfactory control performance of the certain processes, and thus some appropriate methods are required. Multi-sensor data fusion is defined as the process of integrating information from multiple sources to produce the most specific and comprehensive unified data about an entity, activity or event [1]. In tracking multiple objects environment, multi-sensor fusion algorithms have been applications in air traffic control, tactical defense, robotics, computer vision, industry and other systems where measurements from multiple sensors are used to estimate the states (position, velocity, etc.) of multiple objects [2]. Currently there exist two commonly used architectures for Kalman-filter-based multi-sensor data fusion, including measurement fusion (called centralized architecture) and state-vector fusion (called distributed architecture) [3]. Measurement fusion methods directly fuse the sensor measurements to obtain a weighted or combined measurement and then use a single Kalman filter to obtain the final state estimate based upon the fused observation. State-vector fusion methods use a group of Kalman filters to obtain individual sensor-based state estimates which are then fused to obtain an improved joint state estimate. Points cited in favor of state-vector fusion methods have a lower computation and communication loading and have parallel implementation and fault-tolerance. In distributed fusion architecture, each local sensor sends linearly or nonlinearly processed data to the fusion center. Although, measurement errors due to one sensor are independent from those due to other sensors, the track estimates corresponding to the same target that are computed by the different local processors are correlated due to the common process noises affecting the target dynamics. Track-to-track fusion is an important issue in multi-sensor data fusion which has been widely studied for more than two decades [4-8]. In a distributed multi-sensor environment, there are still several issues of interest in the data fusion tracking algorithm study: 1)How to optimally combine the state estimates from multiple local trackers, namely, the track-to-track fusion with an arbitrary number of sensors. 2)How to fast search the fusion weights to yield near optimal or optimal estimate performance for the real time applications. The goal of this work is to construct a specific processing architecture, shown in Fig. 1, for track formation against a single maneuvering target. In distributed fusion architecture, each sensor-based tracker processes its observation locally to produce sensor tracks, and then communicates to the assigned local processors, the local processors correlate and compute track-to-track estimates and transmit results to the global fuser, and the global fuser merges the local estimates to provide a single global estimate of the targets to be tracked. Each sensor tracker utilized in the Reference Cartesian Coordinate System (RCCS) is described for target tracking when the radar measures range, bearing and elevation angle in the Spherical Coordinate System (SCS). The Bar-Shalom track-to-track fusion algorithm [4] is used in each local processor to merge two tracks representing the same target. The number of the local processors is chosen by 2-combinations of a set with N distinct sensor trackers, called decoupled process, which simplifies the computational structure of the original batch form of the Maximum Likelihood (ML) estimator [6, 7] due to

多传感器数据融合技术的理论及应用

多传感器数据融合技术的理论及应用 张宁110101256 摘要：多传感器数据融合技术是一门新兴前沿技术。近年来，多传感器数据融合技术已经受到广泛关注，它的理论和方法已经被应用到许多研究领域。本文主要论述了多传感器数据融合的基本概念、工作原理、数据融合特点与结构、数据融合方法及其应用领域，并总结了当前数据融合研究中存在的主要问题及其发展趋势。 关键词：多传感器；数据融合；融合方法 1引言 多传感器数据融合是一个新兴的研究领域，是针对一个系统使用多种传感器这一特定问题而展开的一种关于数据处理的研究。多传感器数据融合技术是近几年来发展起来的一门实践性较强的应用技术，是多学科交叉的新技术，涉及到信号处理、概率统计、信息论、模式识别、人工智能、模糊数学等理论。近年来，多传感器数据融合技术无论在军事还是民事领域的应用都极为广泛。多传感器数据融合技术已成为军事、工业和高技术开发等多方面关心的问题。这一技术广泛应用于复杂工业过程控制、机器人、自动目标识别、交通管制、惯性导航、海洋监视和管理、农业、医疗诊断、模式识别等领域。实践证明：与单传感器系统相比，运用多传感器数据融合技术在解决探测、跟踪和目标识别等问题方面，能够增强系统生存能力，提高整个系统的可靠性和鲁棒性，增强数据的可信度，并提高精度，扩展整个系统的时间、空间覆盖率，增加系统的实时性和信息利用率等。 2基本概念及融合原理 2.1多传感器数据融合概念 数据融合又称作信息融合或多传感器数据融合，对数据融合还很难给出一个统一、全面的定义。随着数据融合和计算机应用技术的发展，根据国内外研究成果，多传感器数据融合比较确切的定义可概括为：充分利用不同时间与空间的多传感器数据资源，采用计算机技术对时间序列获得的多传感器观测数据，在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它的各组成部分更充分的信息。

无线传感器网络组网关键技术分析

龙源期刊网 https://www.360docs.net/doc/1916656356.html, 无线传感器网络组网关键技术分析 作者：王娜 来源：《电子技术与软件工程》2015年第24期 摘要无线传感网络集合了微机电技术、数字信息处理、无线通信技术等学科技术，发展 前景广阔，应用价值较高。本文简要分析了无线传感网络的特点，对其组网模式、拓扑控制、媒体访问控制和链路控制、移动控制模型以及路由、数据转发及跨层设计等五项关键技术做了简要研究。 【关键词】无线传感器网络组网关键技术 微机电技术、数字信息处理技术、无线通信技术近年来发展迅速，集合了这三种学科技术的无线传感器网络也随之兴起。无线传感网络能够实现协同工作，能够长期、实时的监测各种待检测对象数据，其广泛的应用到了不同的领域中，对人们的生活有着重要的改变，基于以上，本文简要分析了无线传感器网络组网关键技术。 1 无线传感网器络的特点 数据获取网络、数据分布网络和控制管理中心是无线传感网络三个重要的组成部分，无线传感器网络包括处理器模块、通信模块和传感器模块，三个模块的各个节点能够通过协议自行组成分布式的网络，之后将采集的数据进行优化，再通过无线电波传回到信息处理中心。无线传感器网络有着如下特点： 1.1 硬件资源有限 无线传感器网络节点采用的处理器和储存器为嵌入式的，这就使得计算机的存储能力受到限制，从而限制了其计算能力，影响了信息处理； 1.2 电池容量有限 为了能够更加真实、全面地对真实世界具体值进行测量，无线传感器网络各个节点在待测区域内分布十分密集，因此，每一个无线传感器网络节点都需要储备长期使用的能量，或者自行吸收外界的太阳能； 1.3 没有中心 无线传感器网络中的节点会构成对等式网络，这个网络没有指定的重心，节点能够随时随地的加入网络或离开网络，这依赖于动态拓扑结构，任一节点的故障不会影响对等式网络的运行，抗毁能力较强。此外，无线传感网络各个节点之间能够通过分布式算法进行均衡协调，即使在没有人值守的情况下也能够组织测量网络；

多传感器数据融合

多传感器数据融合 多传感器数据融合1引言数据融合一词最早出现在20世纪70年代末期。几十年来，随着传感器技术的迅速发展，尤其在军事指挥系统中对提高综合作战能力的迫切要求，使其得到了长足的发展。其早期主要是应用在军事上，而随着工业系统的复杂化和智能化，近年来该技术推广到了民用领域，如医疗诊断、空中交通管制、工业自动控制及机械故障诊断等。数据融合是针对一个系统中使用多个传感器这一问题而展开的一种信息处理的新的研究方向，所以数据融合也称为传感器融合。数据融合一直没有一个统一的定义，一般认为：利用计算机技术，对按时间顺序获得的若干传感器的观测信息，在一定的准则下加以自动分析、综合，从而完成所需要的决策和估计任务而进行的信息处理过程称为数据融合。2

数据融合技术的分类多传感器数据融合涉及到多方面的理论和技术如信号处理、估计理论、不确定性理论、模式识别最优化技术、神经网络和人工智能等。很多学者从不同角度出发提出了多种数据融合技术方案。从技术原理角度，可分为假设检验型数据融合、滤波跟踪型数据融合、聚类分析型数据融合、模式识别型数据融合、人工智能型数据融合等；按判决方式分有硬判决型和软判决型数据融合；按传感器的类型分有同类传感器数据融合和异类传感器数据融合按对数据的处理方式，可分为象素级融合、特征级融合和决策级融合；从方法来分有Bayes推理法、表决法、D-S 推理法、神经网络融合法等。从解决信息融合问题的指导思想或哲学观点加以划分，可分为嵌入约束观点、证据组合观点和人工神经网络观点三大类。3常用的数据融合方法数据融合方法种类繁多，图1归纳了常用的一些信息融合方法。估计方法

无线传感器研究背景目的意义及现状与发展趋势

无线传感器研究背景目的意义及现状与发展趋势1研究背景 随着无线技术的快速发展和日趋成熟，无线通信也发展到一定的阶段，其发展的技术越来越成熟，方向也越来越多，越来越重要，大量的应用方案开始采用无线技术进行数据采集和通信。 微机电系统和低功耗高集成数字设备的发展，使得低成本、低功耗、小体积的传感器节点得以实现。这样的节点配合各类型的传感器，可组成无线传感器网络（WSN）。无线传感网络是一种开创了新的应用领域的新兴概念和技术。广泛应用于战场监视、大规模环境监测和大区域内的目标追踪等领域。传感技术、传感网络已经被认定为最重要的研究之一。因为无线传感器网络节点一般采用电池供电，工作环境通常比较恶劣，而且数量大、更换非常困难，所以低功耗是无线传感器网络最重要的设计准则之一，因此，它迫切需要对传统的嵌入式应用开发进行更新和改进，需要精心设计的软硬件系统，以使其可靠而耐用。 2003年,美国《技术评论》杂志论述未来新兴十大技术时,WSN被列为第一;美国《今日防务》杂志更认为WSN的应用和发展将引起一场划时代的军事技术革命和未来战争的变革。可以预测,WSN是信息感知和采集的一场革命,是21世纪最重要的技术之一[2] 。低功耗无线传感模块，便是组成无线传感网络的节点。 此方面的研究由来已久，是计算机应用的扩展，采用了大规模集成电路和嵌入式技术，使用智能微处理器对采集到的信息进行处理和加工。现已广泛应用于社会建设的各个层面和人们的日常生活当中。但过去的研究有的只考虑低功耗而性能不高，有的性能高但是功耗太大。 因此，在无线传感技术应用如此广泛的今天，在保证无线传感模块性能的同时又能实现其低功耗具有一定的理论和现实意义。 2研究目的及意义 2.1研究目的

无线传感器网络研究报告现状及发展

无线传感器网络的研究现状及发展 默认分类 2008-06-12 18:19:20 阅读910 评论0 字号：大中小 摘要：无线传感器网络(WSN>综合了传感器技术、微电子机械系统(MEMS>嵌入式计算技术．分布式信息处理技术和无线通信技术，能够协作地实时感知、采集、处理和传输各种环境或监测对象的信息．具有十分广阔的应用前景，成为国内外学术界和工业界新的研究领域研究热点。本文简要介绍了无线传感器网络的网络结构、节点组成，分析了无线传感器网络的特点及其与现有网络的区别。进而介绍现有无线传感器网络中的MAC层技术、路由技术、节点技术和跨层设计等关键技术。最后展望无线传俄器网络的应用和发展并指出关键技术的进步将起到决定性的促进作用。 关键词：无线传感器网络节点 MAC层路由协议跨层设计 Abstract: Wireless sensor network (WSN> is integration of sensor techniques, Micro-Electro-Mechanical Systems, embedded computation techniques, distributed computation techniques and wireless communication technique. They can be used for sensing, collecting, processing and transferring information of monitored objects for users. As a new research area and interest hotspot of academia and industries, Wireless Sensor Network(WSN> has a wide application future. This paper briefly introduced the wireless sensor network of networks, nodes, the analysis of the characteristics of wireless sensor networks and the differences wih the existing networks. And the MAC layer technology, routing technology, joint cross-layer design technology and key technology are introduced . At last the prospects of wireless sensor network are discussed in this article. Key Words: Wireless Sensor Network, node, MAC, routing protocol, Cross-layer design 一、概述 随着通信技术、嵌入式计算技术和传感器技术的发展进步，包括微电子机械系统

物联网传感器word版

浅谈物联网的传感器技术 物联网(Internet of Things)是指通过装置在物体上的各种信息传感设备，如RFID装置、红外感应器、全球定位系统、激光扫描器等等，赋予物体智能， 并通过接口与互联网相连而形成一个物品与物品相连的巨大的分布式协同网络。 物联网技术涵盖范围极广，包括具备“内在智能”的传感器、移动终端、 智能电网、工业系统、楼控系统、家庭智能设施、视频监控系统等、和“外在 使能”的，如贴上RFID、条形码标签的各种资产、携带无线终端的个人与车辆 等等“智能化物件或动物”或“智能尘埃”，通过各种无线和/或有线的长距离和/或短距离通讯网络实现互联互通、应用大集成、以及基于云计算的SaaS 营 运等模式，在内（Intranet）、专网（Extranet）、和互联网（Internet）环 境下，采用适当的信息安全保障机制，提供安全可控乃至个性化的实时在线监测、定位追溯、报警联动、调度指挥、预案管理、远程控制、安全防范、远程 维保、在线升级、统计报表、决策支持、领导桌面等管理和服务功能，实现对“万物”的“高效、节能、安全、环保”的“管、控、营”一体化。物联网相 关技术已经广泛应用于交通、物流、工业、农业、医疗、卫生、安防、家居、 旅游、军事等二十多个领域。 物联网的RFID、无线传感网、视频探测三者均属于应用于物联网的末端感 知环节，且具有很强的协作性和互补性，而且这种协作性和互补性将不仅实现 更为透彻的感知，而且将极大地提高信息感知的准确性。其中传感器技术是现 代科技的前沿技术，是现代信息技术的三大支柱之一，其水平高低是衡量一个 国家科技发展水平的重要标志之一。 人是通过视觉、嗅觉、听觉及触觉等感官来感知外界的信息，感知的信息输入大脑进行分析判断和处理，再指挥人作出相应的动作，这是人类认识世界和 改造世界具有的最基本的本能。但是通过人的五官感知外界的信息非常有限， 例如，人总不能利用触觉来感知超过几十甚至上千度的温度吧，而且也不可能 辨别温度的微小变化，这就需要电子设备的帮助。同样，利用电子仪器特别象 计算机控制的自动化装置来代替人的劳动，那么计算机类似于人的大脑，而仅 有大脑而没有感知外界信息的“五官”显然是不足够的，中央处理系统也还需 要它们的“五官”——即传感器。 人的五管是功能非常复杂、灵敏的“传感器”，例如人的触觉是相当灵敏的，它可以感知外界物体的温度、硬度、轻重及外力的大小，还可以具有电子设备 所不具备的“手感”，例如棉织物的手感，液体的粘稠感等。然而人的五官感 觉大多只能对外界的信息作“定性”感知，而不能作定量感知。而且有许多物 理量人的五官是感觉不到的，例如对磁性就不能感知。视觉可以感知可见光部分，对于频域更加宽的非可见光谱则无法感觉得到，象红外线和紫外线光谱， 人类却是“视而不见”。借助温度传感器很容易感知到几百度到几千度的温度，而且要做到1℃的分辨率轻而易举。同样借助红外和紫外线传感器，便可感知到这些不可见光，所以人类才制造出了具有广泛用途的红外夜视仪和X光诊断设备，这些技术在军事、国防及医疗卫生领域有着极其重要的作用。 传感器是摄取信息的关键器件，它与通信技术和计算机技术构成了信息技术的三大支柱，是现代信息系统和各种装备不可缺少的信息采集手段，也是采用微电子技术改造传统产业的重要方法，对提高经济效益、科学研究与生产技术的水平有着举足轻重的作用。传感器技术水平高低不但直接影响信息技术水平，而且还影响信息技术的发展与应用。目前，传感器技术已渗透到科学和国民经

传感器研究现状与发展趋势

传感器研究现状与发展趋势 21世纪是信息时代，信息时代是信息决定一切，信息无所不在。信息技术是由信息获取信息处理、信息传输三大基本技术组成。随着计算机和网络技术的发展，目前信息处理和信息传输已经基本上做到无所不在，而信息的源头--信息获取的现状离无所不在的要求还有相当大的差距。 信息获取技术说到底就是传感技术，传感技术距离无所不在的差距，一方面表现在传感器在感知信息方面的技术落后，另一方面也表现在传感器自身在智能化和网络化方面的技术落后。 传感技术是新技术革命和信息社会的重要技术基础，现代科技的开路先锋。传感器是流程自动控制系统和信息系统的关键基础器件，其技术水平直接影响到相应系统的水平，自动化技术水平越高，对传感器技术依赖程度就越大，因此在当今世界，传感器技术已是涉及国民经济及国防科研的最重要技术之一，各发达国家都将传感器技术作为本世纪重点技术加以发展。 一、传感器研究现状 传感器技术与通信技术、计算机技术共同构成21世纪信息产业的三大支柱。如果说计算机是人类大脑的扩展，那么传感器就是人类五官的延伸。当集成电路、计算机技术取

得飞速发展时，人们逐步认识到，作为信息获取装置的传感器没有跟上信息技术的发展，而惊呼“大脑发达、五官不灵”。 从20世纪80年代起，在世界范围内掀起了一股“传感器热”，传感器发展十分迅速，近十几年来其产量及市场需求年增长率平均在10%以上。目前世界上从事传感器研制生产的单位已达到5000余家。美国、欧洲、俄罗斯各自拥有1000余个从事传感器研究和生产的厂家，日本有800余家。 我国传感器的研制开发虽然起步不晚，但受到国民经济发展水平及资金的限制，以及在实际上对其重要性认识的误区，致使传感器行业技术还很落后。目前我国从事传感器开发生产的单位达到1300余家，研究开发领域包括光敏、热敏、力敏、电压敏、磁敏、气敏、湿敏、声敏、射线敏、离子敏、生物敏以及各种传感器、变送器、二次仪表等多种类型，主要产品有3000多种。尽管我国传感器的研究与发展有了很大的进步，但与发达国家相比还有很大差距，主要表现在产品的质量、生产规模、市场开发、销售等方面。 综观我国传感器产业，主要存在以下两个问题。 1)在产业结构方面主要是企业分散、实力不强、市场开拓不力。我国传感器研究和生产单位形成规模的寥寥无几，多数是低水平的重复。传感器属于多学科交叉、技术密集的高技术产品，其技术水平决定于科学研究的水平，而我国在传感器研究方面投资强度偏低，科研设备落后，加之科研和

多传感器数据融合算法.

一、背景介绍： 多传感器数据融合是一种信号处理、辨识方法，可以与神经网络、小波变换、kalman 滤波技术结合进一步得到研究需要的更纯净的有用信号。 多传感器数据融合涉及到多方面的理论和技术，如信号处理、估计理论、不确定性理论、最优化理论、模式识别、神经网络和人工智能等。多传感器数据融合比较确切的定义可概括为：充分利用不同时间与空间的多传感器数据资源，采用计算机技术对按时间序列获得的多传感器观测数据，在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它的各组成部分更充分的信息。 多传感器信息融合技术通过对多个传感器获得的信息进行协调、组合、互补来克服单个传感器的不确定和局限性，并提高系统的有效性能，进而得出比单一传感器测量值更为精确的结果。数据融合就是将来自多个传感器或多源的信息在一定准则下加以自动分析、综合以完成所需的决策和估计任务而进行的信息处理过程。当系统中单个传感器不能提供足够的准确度和可靠性时就采用多传感器数据融合。数据融合技术扩展了时空覆盖范围，改善了系统的可靠性，对目标或事件的确认增加了可信度，减少了信息的模糊性，这是任何单个传感器做不到的。 实践证明：与单传感器系统相比，运用多传感器数据融合技术在解决探测、跟踪和目标识别等问题方面，能够增强系统生存能力，提高整个系统的可靠性和鲁棒性，增强数据的可信度，并提高精度，扩展整个系统的时间、空间覆盖率，增加系统的实时性和信息利用率等。信号级融合方法最简单、最直观方法是加权平均法，该方法将一组传感器提供的冗余信息进行加权平均，结果作为融合值，该方法是一种直接对数据源进行操作的方法。卡尔曼滤波主要用于融合低层次实时动态多传感器冗余数据。该方法用测量模型的统计特性递推，决定统计意义下的最优融合和数据估计。 多传感器数据融合虽然未形成完整的理论体系和有效的融合算法，但在不少应用领域根据各自的具体应用背景，已经提出了许多成熟并且有效的融合方法。多传感器数据融合的常用方法基本上可概括为随机和人工智能两大类，随机类方法有加权平均法、卡尔曼滤波法、多贝叶斯估计法、产生式规则等;而人工智能类则有模糊逻辑理论、神经网络、粗集理论、专家系统等。可以预见，神经网络和人工智能等新概念、新技术在多传感器数据融合中将起到越来越重要的作用。 数据融合存在的问题 (1)尚未建立统一的融合理论和有效广义融合模型及算法； (2)对数据融合的具体方法的研究尚处于初步阶段； (3)还没有很好解决融合系统中的容错性或鲁棒性问题； (4)关联的二义性是数据融合中的主要障碍； (5)数据融合系统的设计还存在许多实际问题。 二、算法介绍： 2.1多传感器数据自适应加权融合估计算法： 设有n 个传感器对某一对象进行测量，如图1 所示，对于不同的传感器都有各自不同的加权因子，我们的思想是在总均方误差最小这一最优条件下，根据各个传感器所得到的测量值以自适应的方式寻找各个传感器所对应的最优加权因子，使融合后的X值达到最优。