基于现场总线的分布式信息融合算法及其应用

论文摘要

近二十年来，信息融合技术经历了飞速的发展，使得信息的交流变得方便和快捷，然而随着科技的进一步迅猛发展，各个领域不断增长的复杂度使得应用人员或工业监测环境面临信息超载问题，迫切需要更加实用的信息融合算法对过多的信息进行快速消化、解释和评估，以提高信息处理的自动化程度，完成所需的估计与决策，即促进多传感器信息处理技术的进一步迅速发展。信息融合理论的研究必将是未来获取信息优势的关键，因此信息融合技术的研究具有重要的意义。而分布式信息融合技术由于结构简单、精度高、可靠性好、层次分明等自身的优点，应用领域极为广泛，已成为信息融合技术重点研究方向之一。本文对基于现场总线的分布式信息融合算法进行了研究，取得了较好效果，论文主要工作和内容如下：1．在对信息融合和现场总线技术进行综述和分析的基础上，给出了基于现场总线分布式信息融合结构，并对分布式信息融合原理及特点进行了详尽的分析和讨论。2．在对经典kalman滤波器和强跟踪kalman滤波器分析的基础上，给出了改进的强跟踪kalman滤波器方法，并进一步给出了改进的强跟踪kalman滤波器分布式信息融合方法。该方法底层采用改进的强跟踪器滤波，上层采用估计误差方差最小方法进行分布式信息融合，信息融合结果精度高，同时对突变信号有很强的实时跟踪能力。仿真结果表明该方法的有效性和可靠性。3．将改进的强跟踪kalman滤波器分布式信息融合方法与BP神经网络相结合，给出了改进的强跟踪kalman滤波器神经网络的分布式信息融合方法。该方法首先通过改进的强跟踪kalman滤波器进行初次融合，其融合结果再通过BP神经网络算法进行融合处理，信息融合可靠性高、功能更加强大。将该方法应用于环境监测中，通过仿真表明该方法的有效性和可靠性。最后，经过分析讨论，给出了一种基于性能评价的分布式信息融合策略。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 引言
• 1.2 信息融合概述
• 1.2.1 信息融合的定义
• 1.2.2 信息融合的基本模型和结构
• 1.2.3 信息融合的发展
• 1.3 信息融合方法综述
• 1.3.1 信息融合的方法
• 1.3.2 信息融合关键问题与研究方向
• 1.4 论文主要工作
• 2 基于现场总线的分布式信息融合结构与原理
• 2.1 引言
• 2.2 现场总线概述
• 2.2.1 现场总线及技术特点
• 2.2.2 现场总线的分层结构分析
• 2.3 基于现场总线的分布式信息融合网络
• 2.4 分布式信息融合结构及原理
• 2.4.1 分布式信息融合结构
• 2.4.2 分布式信息融合原理及特点
• 2.4.3 分布式信息融合结构分析
• 2.5 小结
• 3 基于改进的强跟踪滤波器分布式信息融合方法
• 3.1 引言
• 3.2 强跟综kalman滤波器
• 3.2.1 传统kalman滤波器
• 3.2.2 强跟踪kalman滤波器
• 3.3 改进的强跟踪滤波器
• 3.4 基于改进的强跟踪滤波器分布式信息融合方法
• 3.4.1 基于改进的强跟踪滤波器分布式信息融合原理与结构
• 3.4.2 基于改进的强跟踪滤波器分布式信息融合算法
• 3.5 仿真分析
• 3.6 小结
• 4 基于改进的强跟踪滤波器神经网络分布式信息融合方法
• 4.1 引言
• 4.2 BP神经网络与信息融合
• 4.2.1 BP神经网络结构及特点
• 4.2.2 BP神经网络算法
• 4.2.3 BP神经网络用于信息融合
• 4.3 基于改进的强跟踪滤波器神经网络分布式信息融合方法
• 4.3.1 基于改进的强跟踪滤波器神经网络分布式信息融合结构
• 4.3.2 基于改进的强跟踪滤波器神经网络分布式信息融合算法
• 4.4 仿真分析
• 4.5 讨论
• 4.6 小结
• 5 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 附录: 攻读硕士学位期间发表的学术论文