导读:本文包含了多传感器分布式检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:传感器,分布式,故障,系统,算法,网络,门限。
多传感器分布式检测论文文献综述
黄思达[1]（2017）在《多传感器分布式检测在ITS中的应用》一文中研究指出随着社会经济的发展,城市车辆日益增多,一方面给人们的工作生活带来便利,另一方面也带来了交通堵塞、交通事故等问题。得益于科学技术的发展,智能交通系统(Intelligent Transport System,ITS)应运而生,ITS能有效地解决这些问题。防碰撞系统(Collision Avoidance System,CAS)作为ITS的重要组成部分,其主要工作为检测并避免碰撞。传统方法在对前方车辆的检测上存在一定缺陷,一方面,传统方法在环境噪声较强的情况下容易造成误判;另一方面,传统方法在使用多传感器的情况下未能充分利用信号的时间和空间相关性,容易漏判。鉴于上述原因,本文提出一种基于多传感器检测和信号检测技术的防碰撞方案。本文的防碰撞方案包含信号检测模型、动力学模型和判决器叁个部分,其中信号检测模型的任务是在噪声环境下完成对前方车辆的检测,动力学模型完成安全距离的计算,判决器则给出制动方案。本文的主要工作包括:1.在信号检测模型的检测器的选择上,本文在不同噪声强度、不同等级的误报率下,使用不同数量传感器,对多种检测器进行综合比较。由于GLRT(Generalized Likelihood Ratio Test)检测器同时考虑了多传感器场景下不同传感器所采集信号之间的时间相关性与空间相关性,在较强的噪声环境下,能达到比其他检测器更高的检测概率。综合考虑后,本文选用频域GLRT作为信号检测模型的检测器,以保证信号检测模型能够及早发现前车。2.在动力学模型中,本文出于安全性与舒适性的考虑,根据两种不同刹车情况定义了两种安全距离并给出计算方法,这两种安全距离分别对应缓刹与急刹下的两种加速度。缓刹的情况下考虑了信号检测模型计算时间和司机的反应时间,由司机手动以较低的加速度进行减速,保证驾驶的舒适性。急刹的情况下由自动驾驶系统进行制动,以最大制动能力保证行驶的安全性。3.在判决器中,本文基于当前车距和安全距离的比较设计了制动方案,根据比较的结果,采取不同的制动措施以避免碰撞。本文设计多种场景并通过仿真实验对防碰撞方案进行检验,结果显示,在绝大多数情况下本文的防碰撞方案在较强噪声干扰下能成功避免碰撞,并且由于采用了频域GLRT检测器,信号检测模型能实现对前方车辆的远距离检测,在大部分情况下司机能以较低的加速度进行制动。该方案在有效避免碰撞的同时还给司机和乘客更舒适的驾车体验。(本文来源于《电子科技大学》期刊2017-03-29）
刘云,陈昌凯,崔自如[2]（2017）在《LSFR算法在多传感器分布式检测中的优化研究》一文中研究指出在多传感器分布式检测系统中,常规融合规则算法要求传感器误差概率已知,且系统中传感器和融合中心同时优化存在一定困难。提出最小二乘融合规则(LSFR)算法,算法不依赖噪声环境稳定性以及传感器的虚警概率与检测概率,融合中心根据各个传感器的硬决策,得到全局的硬决策,并在传感器和融合中心处理达到最优时,获得最佳全局性能。仿真结果表明:对比似然比融合决策算法与Neyman Pearson融合规则(NPFR)算法,LSFR算法全局检测概率显着提高,且在不同数量规模传感器和更多类型的分布式检测系统中具有较好兼容性。(本文来源于《传感器与微系统》期刊2017年03期）
刘向阳,宫强兵,毛志杰,赵占东[3]（2016）在《多传感器分布式检测系统的跨层优化设计》一文中研究指出目标检测就是判断被监测对象是否出现,是无线传感器网络应用的首要前提。由于传感器节点协作执行检测任务,因此,应用于通信网中的解耦和最大吞吐量的网络设计不能使系统检测性能最优。提出了集成物理层、MAC层和应用层的跨层设计,设计了感知信息质量、信道状态和有效能量协同的传输控制策略,该传输策略可以有效地调节节点和融合中心的通信使系统的检测性能最优。最后,通过解决非线性约束优化问题分别为ALOHA和TDMA传感器网络得到最优的设计变量,并与典型的解耦和最大吞吐量设计比较检测性能增益。(本文来源于《半导体光电》期刊2016年04期）
徐小力,刘秀丽,蒋章雷,任彬[4]（2015）在《基于主观贝叶斯推理的多传感器分布式故障检测融合方法》一文中研究指出针对复杂数控加工中心故障预测中各传感器检测信息呈现不确定性的问题,提出基于不确定性推理的多传感器分布式检测融合算法。该算法通过利用主观贝叶斯推理,获取局部检测装置的判决规则,并选取合适的局部判决规则送到融合规则中心,将来自不同传感器的观测数据进行综合分析,最后产生全局判决。以复杂立式加工中心为对象建立测试平台,利用多传感器样本获取方法进行机床不同运行状态及运行环境下的故障样本获取试验。试验表明在含有大量不确定性信息的故障诊断系统中,基于主观贝叶斯推理的分布式检测融合算法具有故障信息识别率高、诊断速度快的优点,其诊断错误率明显低于单个传感器的诊断错误率,且诊断错误率要低于串行分布式检测融算法。(本文来源于《机械工程学报》期刊2015年07期）
朱洪伟,何友,唐小明[5]（2014）在《分布式多传感器系统误差实时检测分析》一文中研究指出针对现有分布式多传感器系统中无法知道何时需要进行系统误差估计与配准的问题,采用基于与航迹相关的检验统计量研究系统误差的实时检测。首先,分析了分布式传感器系统中传感器系统误差对各传感器上报到融合中心的航迹的影响,在此基础上构建了系统误差实时检测的检验统计量,同时给出了检测的门限与准则,最后通过建立合适的仿真环境分析了在各传感器分别有无系统误差情况下的检测问题,并且通过实测数据进一步验证,仿真结果以及实测数据验证了检测算法的可靠性及实用性。(本文来源于《火力与指挥控制》期刊2014年06期）
魏鹏,路赞赞[6]（2014）在《无线传感器网络分布式多传感器目标检测》一文中研究指出目标检测是无线传感器网络中的一种重要应用,文中提出了一种能量有效分布式多传感器目标检测方法,该方法区别于以往的单目标方法,通过多个节点相互协作对目标进行检测,算法1给出了时间序列离散法,求得目标被测距离,且多节点将检测到的信息在聚合节点进行聚合,并通过算法2找到一条最优传输路径将聚合数据包传送至sink节点。此外通过仿真比较了单节点检测目标和多节点协同检测目标的概率、权系数α对检测节点平均能量消耗的影响,并给出了目标检测数据的最佳采样周期。(本文来源于《电子科技》期刊2014年03期）
沈晓静[7]（2014）在《多传感器分布式检测和估计融合》一文中研究指出随着科学和工业的发展,信息科学领域涌现出许多应用数学科学问题,这些问题的研究拓宽和加速了基础数学理论的研究.另一方面,基础数学理论的进展以及在信息科学领域的成功应用也促使了工业领域的蓬勃发展.数学与其他学科的相互渗透已成为当今应用数学的主要特点之一,如在2010年ICM(国际数学家大会)上有2个分别关于控制和图像科学的1小时大会报告、7个关于"Mathematical Aspects of Computer Science"的特邀报告和8个关于"Mathematics in Science and Technology"的特邀报告.多源信息融合是数学和信息科学结合的一个重要研究方向.本文主要考虑其中两类基本问题:多传感器检测融合和估计融合,主要创新点包括:(1)对一般传感器观测相关条件下的多传感器分布式检测融合系统,获得同时搜索最优传感器律和最优融合律的高效算法;(2)对失序观测、错误观测和异步观测多传感器分布式估计融合系统,给出统一的全航迹(不仅仅校正当前状态估计)全局最优估计融合公式和算法;(3)对有偏不确定系统估计融合提出极小化Euclid误差准则,并基于多传感器和多算法估计融合获得极小化Euclid误差的抗偏估计高效算法.(本文来源于《中国科学:数学》期刊2014年02期）
李蔚,陈特放,陈春阳,成庶[8]（2010）在《列车电气系统分布式多传感器异常检测理论研究》一文中研究指出研究针对采用多传感器的列车电气设备状态空间模型的故障检测理论,为列车电气设备故障诊断及预警提供相应借鉴及支撑。现代列车使用越来越多的传感器进行检测,通过各种网络将信息融合到控制及诊断系统,为限制网络通信的数据量,所有传感器仅将二值局部决策发送回信息融合中心以便中央系统诊断及安全导向。同时,本文提出一种有效的基于粒子滤波状态估计的分布式故障检测算法,并通过仿真试验验证本文提出算法的优越性,能适应不同的观测数据相关性,对于观测数据相关性小的情况,通过增加必要传感器数量可以提升诊断系统的性能,而对于观测数据相关性较大的场合,相对较少的传感器数量即可获得近似最优性能。(本文来源于《铁道学报》期刊2010年05期）
徐向华,周彪,万健[9]（2010）在《多传感器网络中的分布式故障检测算法》一文中研究指出在传感器网络中,分布式故障检测算法(DFD算法)通过与所有邻居节点的传感器数据的比较判断,实现节点传感器的故障检测。但是,在故障节点聚集的网络区域,故障节点比例的上升将导致该区域的故障检测精度显着下降。针对多传感器网络,本文利用多传感器在相同区域的故障分布差异及传感器之间关联特性对DFD故障检测算法进行改进,提出适用于多传感器网络的MDFD算法,提高了故障聚集区域的检测精度。性能分析和仿真结果表明:在节点故障率高的网络中,与DFD和IDFD算法相比,MDFD提高了故障检测精度,算法适用于节点分布稀疏和传感器故障率较高的网络。(本文来源于《传感技术学报》期刊2010年04期）
杨露菁,邹岗,李启元[10]（2006）在《多传感器分布式融合检测自适应算法》一文中研究指出多传感器融合检测系统的主要结构为分布并行式融合结构,贝叶斯融合检测策略则是分布式融合检测系统中最典型的一种融合方法。在该策略中必须给定假设的先验概率和各个传感器的虚警概率和漏检概率,而在实际应用中,这些统计量是未知的或者随时间变化的。文中给出一种分布式融合结构的自适应融合算法,可以在线自适应学习先验概率、虚警概率及漏检概率,从而利用融合算法解决决策融合问题。计算机仿真结果表明了算法自适应逼近传感器虚警概率和漏检概率的过程,及融合检测的有效性。(本文来源于《探测与控制学报》期刊2006年05期）
多传感器分布式检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在多传感器分布式检测系统中,常规融合规则算法要求传感器误差概率已知,且系统中传感器和融合中心同时优化存在一定困难。提出最小二乘融合规则(LSFR)算法,算法不依赖噪声环境稳定性以及传感器的虚警概率与检测概率,融合中心根据各个传感器的硬决策,得到全局的硬决策,并在传感器和融合中心处理达到最优时,获得最佳全局性能。仿真结果表明:对比似然比融合决策算法与Neyman Pearson融合规则(NPFR)算法,LSFR算法全局检测概率显着提高,且在不同数量规模传感器和更多类型的分布式检测系统中具有较好兼容性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多传感器分布式检测论文参考文献
[1].黄思达.多传感器分布式检测在ITS中的应用[D].电子科技大学.2017
[2].刘云,陈昌凯,崔自如.LSFR算法在多传感器分布式检测中的优化研究[J].传感器与微系统.2017
[3].刘向阳,宫强兵,毛志杰,赵占东.多传感器分布式检测系统的跨层优化设计[J].半导体光电.2016
[4].徐小力,刘秀丽,蒋章雷,任彬.基于主观贝叶斯推理的多传感器分布式故障检测融合方法[J].机械工程学报.2015
[5].朱洪伟,何友,唐小明.分布式多传感器系统误差实时检测分析[J].火力与指挥控制.2014
[6].魏鹏,路赞赞.无线传感器网络分布式多传感器目标检测[J].电子科技.2014
[7].沈晓静.多传感器分布式检测和估计融合[J].中国科学:数学.2014
[8].李蔚,陈特放,陈春阳,成庶.列车电气系统分布式多传感器异常检测理论研究[J].铁道学报.2010
[9].徐向华,周彪,万健.多传感器网络中的分布式故障检测算法[J].传感技术学报.2010
[10].杨露菁,邹岗,李启元.多传感器分布式融合检测自适应算法[J].探测与控制学报.2006
论文知识图
