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著提高,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。 布观测下不同传感器数n和不同虚警概率PF下的算法比较图2在瑞利分布观测下不同传感器数n和较小虚警概率PF下的算法比较合决策算法的检测概率收敛速度越快。图1和图2表明，在同数量传感器和同虚警概率情况下，LSFR算法都明显优于NPFR算法与似然比融合决策算法。4结论本文主要研究在多传感器分布式检测系统中数据融合问题，分析了算法需已知传感器误差概率。本文提出一种最小二乘融合算法，LSFR算法不要求已知误差概率，并获得较高检测概率。仿真结果表明:LSFR算法表现出良好的鲁棒性图像统计-电动折弯机数控滚圆机滚弧机价格低电动滚圆机多少钱，以及在不同数量规模传感器和更多类型的分布式检测网络中具有较好兼容性。下一步工作将在数据融合方面自适应多传感器分布式检测系统深入研究。在分析侧扫声呐成像的散射模型基础上,给出了海底混响服从瑞利分布的理论依据。 

www.suoguanjixie.name分析了其它典型概率分布的合理性并给出了各概率分布参数的估计方法。通过实验来检验比较几种典型的概率分布的最佳拟合。实验结果表明:总体来看,威布尔分布更为精确,但瑞利分布仍保持了较好的拟合特性。特别是当底质粗糙、混响较强时,使用瑞利分布和威布尔分布相当。这一研究结果可为侧扫声呐图像的底质分割提供重要依据。 稻种轮廓形状测量是稻种基于形状特征识别的前提条件。以激光传感器采集到的稻种表面点云为基础,提出了一种基于主平面剖视图投影的稻种轮廓形状测量方法。通过主成份分析法校正点云模型的坐标系,利用主平面投影法获取稻种的六视图投影模型,应用Alpha Shape算法提取投影点云模型的边缘轮廓,并计算稻种投影模型的周长、面积、长、宽、长宽比、最大半径、最小半径、半径比、圆形度等9个形状特征参数。选取大华香糯、豫粳6号、新稻10号3大类,每种各200粒稻种作为试验样品,采用径向基函数(RBF)神经网络模型对提取到的形状特征进行训练识别,识别率分别达到96%,94%,98%。结果表明:基于激光传感器的稻种轮廓形状测量方法能够较好地适用到稻种识别中。 图像统计-电动折弯机数控滚圆机滚弧机价格低电动滚圆机多少钱  www.suoguanjixie.name