一、基于D-S证据理论的多指纹数据融合(论文文献综述)
马茹茹[1](2021)在《基于指纹和心电信号的双模态身份认证研究》文中研究表明基于指纹的生物识别技术被广泛应用于社会各个领域,但是指纹残缺会导致准确率下降,且指纹易被伪造,系统容易受到欺骗攻击,存在安全隐患。而心电信号具有活体特性,不易被复制和伪造,安全性更高。因此,本文将指纹和心电信号进行融合以提高身份认证系统的安全性。为了解决指纹残缺引起的准确率下降以及假指纹膜欺骗攻击问题,本文提出基于D-S理论的双模态融合框架,将指纹与心电信号在分数层进行融合。实验结果表明在残缺指纹特征信息不足的情况下,传统特征点匹配算法的错误拒绝率为100%,而本文提出的双模态融合认证将错误拒绝率降为5%,提高了系统的鲁棒性;该框架利用D-S决策规则能有效解决证据冲突问题,当假指纹膜通过认证而心电信号认证未通过时,系统最终给出正确拒绝的身份判定结果。在ECG-ID和FVC2002数据库构建的数据集上进行验证,22组数据的错误接受率均在7%以下,大大提高了系统安全性。为了确保采集的心电信号来自活体,本文在融合框架的基础上,提出了基于隐写的心电信号活体检测模块。该模块利用LSB隐写算法将采集端提取的心电动态特征数据嵌入原始心电信号中。因为每次采集嵌入的动态特征数据均不相同,所以攻击者难以模仿。在ECG-ID数据集上进行验证,实验结果表明此模块在保证身份认证准确率的同时,提高了系统认证的安全性。
刘公绪[2](2020)在《室内人员自主定位定向方法研究》文中研究表明近年来,随着物联网技术的发展以及人们对位置服务需求的激增,室内定位已成为工业界和学术界的研究热点,相关定位定向问题被称为卫星导航与定位的最后一公里难题。室内定位总的来讲是确定人或物体在卫星信号拒止环境下的姿态、速度、位置等信息,属于导航、测绘、自动化、电子和通信等多学科交叉领域,其战略地位显着如单兵作战、消防演习、矿井营救等。已有的定位定向技术主要分为四类,即基于无线信号交汇的定位定向技术,基于数据库的匹配定位技术,基于惯性传感器的航迹推算技术,以及基于信息融合的组合定位定向技术。然而传统的方法需要提前搭建无线传感网络或需要人工现场勘测,成本高、对环境依赖性强,自主性差;室内环境下无线信号衰减严重并存在多径效应;组网故障、通信故障、电源故障等各种故障源可能会导致传感器数据质量问题,从而使定位定向系统的底层数据不可靠,进而恶化定位定向精度;通常室内人员的运动是动态的、复杂的,缺少与运动状态结合的自适应位姿估计方法;室内电磁环境复杂,缺少有效的基于地磁的定位定向方法等等。上述原因使得至今还没有通用的解决方法以提供低成本、少外设、强鲁棒、高精度的定位定向服务。本文选题来源于企、事业单位委托项目,属于应用基础研究类。考虑到各种技术均有各自的优缺点以及最适合的应用场景,难以用单独一种技术提供可靠的定位定向服务。这里利用惯性传感器航迹推算具有的自主性、隐蔽性、全天候、信息全等优点,以多源信息融合理论为切入点,将多个互补的或冗余的信息源进行有机组合以获得优于单一信息源定位定向的性能。本文围绕室内人员定位定向的关键技术问题,基于磁力计、加速度计、速率陀螺(Magnetometer,Accelerometer and Rate Gyro,MARG),和广义可感知校准源(General Sensory Calibration Source,GSCS),开展低成本、少外设、强鲁棒、高精度的室内人员自主定位定向方法研究,主要研究工作和创新成果总结如下:(1)低成本MARG传感器的关键指标协同优化研究。为改善低成本惯性传感器的性能,对其多个关键指标进行协同优化研究,提出了三重自适应方法。该方法将传感器量程,采样频率和输出频率有机结合在一起,实现分辨率,效率和功率等指标的协同优化。所提出的方法改善了传感器原始数据的精度,提高了定位定向系统的续航能力。(2)MARG传感器的数据质量控制研究。针对MARG传感器的各种数据质量问题,提出一种在线的与可信的数据完好性监控方法。首先将数据故障建模为格式故障,时序故障和值故障,并提出几种启发式规则来检测和隔离数据故障;然后提出双重可变长度数据监控窗口机制,以提高数据恢复的可信度。最后通过一系列实验验证了所提出方法的性能。测试结果表明所提出方法可以动态权衡实时性,计算复杂度和可信度,有效改善基于MARG传感器搭建的定位定向系统的数据质量。(3)基于MARG传感器与GSCS的融合滤波与位姿校准研究。基于MARG传感器和GSCS分别提出半解析定向方法和自适应互补滤波方法:其中半解析定向方法是将磁失真判断、走廊结构的几何关系用于室内基于地磁的定向;所提出的自适应互补滤波方法是将MARG传感器的互补信息与运动状态信息进行融合,通过对运动状态的测量和估计,实现了搜索步长和融合参数的自适应调节。实验结果表明所提出的方法可实现室内人员高精度、高鲁棒的定位定向。(4)室内磁地图的快速建模与匹配定位研究。针对磁地图的测绘过程费时费力,其更新和维护难度大、费用高,基于磁地图的匹配定位方法复杂、精度低,定位结果不可信等问题,开展磁地图的快速建模与可信定位方法研究,提出了基于蛇形航迹推算的室内磁地图的快速建模方法,和基于室内磁地图的聚焦式匹配定位方法。前者将约束型航迹推算方法用于磁地图的快速建模,具有较好的可扩展性,并使磁地图的更新和维护相对简单;后者通过粗匹配定位与细匹配定位自适应地结合实现低复杂度、高精度和高可信度的聚焦式匹配定位。
熊婷婷[3](2018)在《基于D-S理论的数据融合技术应用》文中进行了进一步梳理Dempster-Shafer证据理论是一种不确定性推理的算法,作为人工智能范畴的处理不确定信息的重要方法,D-S理论应用于许多方面,可以对相互重叠的命题进行处理,也能够处理互不相容的命题。结合D-S证据理论的数据融合技术,可以对由多传感器提取的数据进行不确定性计算,以达到目标识别的目的。
郭贤生,陆浩然,王建军,李会勇[4](2017)在《基于证据理论的群指纹融合室内定位方法》文中研究说明室内定位的主要挑战是室内的多径传播及非平稳信道环境,传统基于信号强度指纹的单指纹室内定位方法由于受环境变化影响较大,稳健性较差且精度较低。针对此问题,提出一种基于D-S证据理论的群指纹融合高精度室内定位方法。在建库阶段,利用室内阵列信号接收模型,首先通过计算阵列接收信号的不同统计特性构建包括信号强度、协方差矩阵、信号子空间及四阶累积量组成的群指纹库,再对群指纹进行神经网络训练获取针对每种指纹的神经网络分类器;在实测阶段,把实测数据的上述4种变换输入到训练好的神经网络分类器中,最后利用D-S证据理论对神经网络分类器的分类结果进行融合,给出最终的定位结果。仿真结果证明了算法的有效性及可行性。该算法可充分发挥指纹信息的集群效应,对噪声、多径传播等具有较好的稳健性,是一种高精度的室内定位新方法。
李尚[5](2017)在《基于事件驱动与数据融合的BLE室内定位系统之研究》文中进行了进一步梳理当前常用的室内定位技术是基于无线接入点的技术,该技术还存在着一些问题:首先,由于室内环境较为复杂,信号容易受到遮蔽而衰减,从而影响室内定位精度。其次辅助定位的设备不够轻量并且价格昂贵。在实际定位应用中,因受到遮蔽而产生非视距(None-Line-Of-Sight,NLOS)偏差的情况几乎无处不在,它的存在会严重影响定位估计精度的提高。无论室内定位系统是基于到达时间(Time Of Arrival,TOA)、到达角度(Angle Of Arrival,AOA),接收信号强度(Received Signal Strength,RSS)等测量方式,位置的估计都可能会受到NLOS偏差的影响。因此,如何提高复NLOS环境下的室内定位精度有重要意义。同时相比较WiFi等设备,新兴的低功耗蓝牙设备(Bluetooth Low Energy,BLE)花费更低,更容易进行设置,信号也更加稳定,占用空间也更小,更容易同手机进行通信,因此更加满足当前的室内定位需求。本文工作针对目前的室内定位方法存在的问题展开,主要内容包括:一、回顾了已提出的基于无线接入点的室内定位方法。并总结了各类方法的优劣。较为正式地定义了非视距NLOS和可视距LOS概念。介绍了使用BLE设备的原因。二、提出一种提取RSS特征值用于室内定位的方法。该方法从一组RSS值中提取多种特征值,以解决基于接收信号强度方法中RSS特征偏少的问题。并通过使用两种不同的滤波器对NLOS和LOS两种情况下的特征值分别进行过滤,加大对两种情况的区分度。三、提出一种使用D-S证据理论对NLOS和LOS情况进行区分的方法。使用D-S证据理论可以合理的将多个RSS特征值进行数据融合,融合后的数据不仅简化计算还有更高的可信度。并结合指纹定位方法进行定位。四、为了验证本文提出的室内定位方法的效率,在实验部分做了大量的对比实验。并本文提出的室内定位方法同三种已提出的NLOS识别方法和定位方法进行实验对比,通过定位误差来描述方法优劣。结果证明,本文提出的方法相对于其他方法具有优势。
王婧[6](2016)在《基于多模态生物特征识别的身份认证技术研究》文中研究表明身份认证技术在人们生活中所扮演的角色越来越重要,在众多的认证方法中,基于生物特征的身份认证技术是现在使用的较为普遍的一种,正是因为它的唯一性、不可复制性和无需记忆等特性使其得到了广泛的应用。现有的生物特征识别方式多为单一的识别方式,虽然使用方便,但是也存在着一些缺陷,对于现在存在的问题,研究发现将两个及以上的生物特征相融合可以有效地提高身份认证的鲁棒性和安全性。本文所研究的基于多模态生物特征融合的身份认证技术是将指纹识别和声纹识别相结合,以两种相融合的识别方式来进行身份认证。本文所研究的内容有一下几点。1、研究单一的指纹识别。经过指纹采集器所得到的指纹图像是不能直接进行。因此,在提取指纹特征之前,要对指纹图像进行预处理,最终得到一个细化的指纹图像。对已经处理过的指纹图像提取细节点特征,再利用基于特征点模式的模型来做细节匹配,得到匹配结果。经过实验可得出指纹系统的等错误率为0.3678%。2、研究声纹识别。与指纹识别相似,识别之前要对语音进行处理。对处理后的语音提取它的MFCC(Mel频率倒谱系数)特征,再用高斯混合模型-通用背景模型(GMM-UBM)对声纹做识别,得到相应的匹配结果。经过实验可得到其等错误率为0.4767%。3、指纹与声纹相融合系统的研究。在融合层次上,本文是在匹配层上用不同的方法做融合,其一是用加权融合的方法对指纹识别和声纹识别做融合,另一个是使用D-S证据理论的方法做融合,实验结果表明,两种方法对系统的识别率都有提升,证明了多种生物特征融合的系统要优于单一的生物特征识别技术。
李方[7](2012)在《基于ZigBee的位置指纹法室内定位技术研究》文中研究指明随着全球定位系统(GPS)在室外定位中的成功应用,对定位服务在人们日常活动的室内场所得以广泛开展的渴求日渐突出。在现有室内定位技术中,位置指纹法由于定位成本低、方法实现灵活而逐渐成为研究的热点。然而,室内无线信号的时变性也给位置指纹法实现精确定位带来很大的难度。因此,提高位置指纹法在室内复杂环境下的定位性能和实用性不仅具有重要的理论价值,而且也成为加快对其由理论研究向实际应用转变的关键。本文以ZigBee无线网络为应用平台,对位置指纹法完成定位所需的两个阶段中涉及的相关技术进行研究。在分析国内外研究现状及进展的基础上,指出了位置指纹法目前存在的三大问题,即构建位置指纹数据库的工作量问题、位置指纹的匹配效率问题和室内定位与跟踪的实现方法问题。然后,从分析信号强度作为场景特征所表现出的数据特性入手,针对以上问题分别提出相应的解决方法。为分析信号强度作为场景特征所表现出的数据特性,利用ZigBee网络环境中测得的信号强度样本,采用理论分析与实验验证相结合的手段对数据特性的表现形式和成因进行了研究。在此基础上构建了一个用于估计位置指纹法平均定位误差的概率模型,并分析了采样位置间距、网络接入设备数量和位置等因素对位置指纹法定位性能的影响,从而为定位系统实际部署过程中相关参数的合理选取提供一定的理论指导。为降低离线阶段信号强度采样的工作量,提出了一种基于空间变异理论的位置指纹数据库构建方法。给出了一个典型的信号强度样本变异函数计算流程。提出了一种基于加权最小二乘法的信号强度理论变异函数拟合算法。根据拟合得到的模型趋势项和随机项反映出的信号强度在空间上的连续性和变异性关系,采用普通克里金技术对待估位置信号强度进行最优线性无偏估计。实验结果表明,该方法对信号强度的估计精度好于距离反比加权算法,基于该方法建立的位置指纹数据库可在降低采样工作量的同时保证定位精度。为提高位置指纹的匹配效率,提出了两种基于改进k-means算法的位置指纹聚类方法。分析了传统k-means算法对位置指纹分类效果不佳的原因,并从寻找新的位置指纹二次特征提取方法及采用“软划分”技术两方面加以改进。其中,FC-ID-FKM法将位置指纹归为区间值数据,在由区间中值和大小张成的特征空间中,利用模糊k-means算法对其进行聚类。FC-KFKM法将位置指纹归为一种服从正态分布的区间值数据,通过区间中值和大小确定的正态分布函数将位置指纹映射为特征空间中的一点,并在该空间中采用基于核方法的模糊k-means算法对其进行聚类。实验结果表明,基于两种方法得到的位置指纹集合聚类趋势更为明显,对位置指纹的分类效果好于k-means算法。为解决室内复杂环境下的定位实现问题,提出了一种基于D-S证据理论的位置指纹室内定位方法。构造了信度分配的mass函数,建立了一个基于pignistic概率的信度分配冲突程度评价指标。根据指标大小,采用信度打折的证据预处理方法消除定位过程中出现的合成悖论现象。为降低信任区间重叠时的决策风险,根据合成后焦元获得的信任区间确定分布函数,将两焦元信度在并集区间上降序排列的概率作为最终的决策依据。实验结果表明,该方法具有收敛速度快,决策风险低的优点。在证据间高冲突时的定位精度好于贝叶斯推理法。此外,针对基于位置指纹法的室内跟踪问题,提出了一种改进的粒子滤波跟踪算法。建立了二维平面内跟踪问题的状态空间模型,并根据本文提出的信号强度估计方法完成粒子权值的求解。实验结果表明,该方法对实际移动路线的跟踪精度好于KNN法和Kalman滤波器。
温苗利,张洪才[8](2013)在《改进证据理论的多生物特征融合方法》文中研究说明多生物特征融合考虑了个体的多种生理或行为特征,因而能显着地改善系统的识别性能,成为生物特征识别技术未来发展趋势之一。利用训练样本的识别率和误识率,提出了基于证据理论的多生物特征融合识别方法;对各识别专家的识别率和误识率进行分析,提出了一种基于累积频率和证据理论(Cumulative Frequency based D-S,CFDS)的多生物特征融合方法;通过几个实验证明了改进的D-S算法的有效性,提高了合成结果的可靠性。
何树洋[9](2012)在《基于指纹与姓名语音的多模态生物特征融合身份识别技术的研究》文中研究说明本文针对在单模态生物特征身份识别时由于识别环境的改变或恶化,而引起的识别率迅速下降问题,提出了基于指纹和姓名语音的多模态生物特征融合身份识别的方法来提高身份识别率和适应较差识别环境。本文对特征信息进行了归一化研究,分析了基于匹配层的自适应加权融合识别算法、D-S证据理论融合识别算法和基于特征层的神经元网络理论的融合识别算法,并通过实验分析证明即使在较差环境下,基于指纹和姓名语音的多模态生物特征融合身份识别也能保持较高的准确率、可靠性和实时性。本文主要工作和创新如下:1、提出了一种基于MB-FECC的姓名语音的特征提取方法并实现了姓名语音的身份识别。首先将语音信号经Gammatone带通滤波器组滤波,并使用三角形窗口增强其输出;然后将分数阶傅立叶变换与合适的模糊函数或瞬时频率函数相结合得到相应的特征系数,进一步经过DCT处理和对数变换求得最终的特征系数,进行特征提取;最后采用了HTK处理实现了姓名语音身份识别。2、实现了指纹的特征提取和身份识别。首先对指纹图像进行Gabor滤波增强;然后采用稀疏算法方法和基于单一像素点的八邻域方法对指纹图像分别进行了两次细化;之后采用二维离散小波分解的方法提取了指纹的特征向量;最后以四种正交小波基对指纹图像进行二维离散分解,并采用无拒识率的K近邻识别方法分别实现了指纹的身份识别。3、提出了基于指纹和姓名语音的多模态生物特征融合身份识别的模型。首先讨论了指纹与姓名语音在匹配层和特征层的融合理论框架;然后分析了基于匹配层的自适应加权融合算法、D-S证据理论融合算法和基于特征层的神经元网络融合算法;最后通过分析上述三种融合方法的实验结果,证明了在较差环境下指纹和姓名语音的多模态生物特征融合身份识别要明显比单一的指纹身份识别或姓名语音身份识别更加准确,可靠。
肖宾杰[10](2012)在《基于图像质量加权的D-S证据理论多生物特征融合识别》文中指出对人脸和指静脉在决策层的融合识别,给出一种新的组合图像质量评价方法,并采用一种改进的基于图像质量加权的D-S证据理论融合这两种生物特征。首先,组合图像质量评价法采用清晰度和对比度、相关系数的组合方法来评价生物特征图像质量;其次,应用改进的基于图像质量的匹配值增强方法和D-S证据理论,减少了极大值图像质量指标的影响,使图像质量加权与实际情况更趋一致。实验结果表明,与没有考虑图像质量因素相比,考虑了图像质量信息的D-S证据理论融合方法提高了识别效果。
二、基于D-S证据理论的多指纹数据融合(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、基于D-S证据理论的多指纹数据融合(论文提纲范文)
(1)基于指纹和心电信号的双模态身份认证研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 身份认证技术研究现状 |
1.2.2 多模态融合认证研究现状 |
1.3 本文主要工作和结构 |
第二章 指纹身份认证原理及存在的问题 |
2.1 指纹的基本特征 |
2.2 指纹图像预处理 |
2.2.1 归一化 |
2.2.2 图像分割 |
2.2.3 图像增强 |
2.2.4 方向场估计 |
2.2.5 二值化和细化 |
2.3 指纹特征提取和匹配 |
2.4 身份认证评价标准 |
2.5 实验结果与分析 |
2.6 本章小节 |
第三章 基于D-S理论的双模态融合策略 |
3.1 基于心电信号的身份认证 |
3.1.1 心电信号概述 |
3.1.2 心电信号认证 |
3.2 基于D-S理论融合策略 |
3.2.1 D-S证据理论的基本内容 |
3.2.2 融合层次与框架 |
3.2.3 构造基本概率分配函数 |
3.2.4 D-S决策规则 |
3.3 实验结果与分析 |
3.3.1 权值确定 |
3.3.2 残缺指纹实验 |
3.3.3 防伪实验 |
3.4 本章小结 |
第四章 基于隐写的心电信号活体检测 |
4.1 心电信号活体检测策略 |
4.2 基于LSB隐写的心电信号活体检测 |
4.2.1 隐写算法概述 |
4.2.2 心电信号预处理 |
4.2.3 动态特征选择与嵌入 |
4.2.4 动态特征提取 |
4.3 检测模块流程 |
4.4 实验与结果 |
4.5 本章小节 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
在学期间取得的科研成果和科研情况说明 |
致谢 |
(2)室内人员自主定位定向方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 基于无线信号交汇的定位定向技术 |
1.2.2 基于数据库的匹配定位技术 |
1.2.3 基于惯性传感器的航迹推算技术 |
1.2.4 基于信息融合的组合定位定向技术 |
1.3 发展动态与技术瓶颈分析 |
1.4 本文拟解决的问题 |
1.4.1 指标优化问题 |
1.4.2 质量控制问题 |
1.4.3 融合滤波问题 |
1.4.4 位姿校准问题 |
1.5 论文研究内容与组织结构 |
1.5.1 研究内容 |
1.5.2 组织结构 |
第二章 MARG传感器的性能指标与优化 |
2.1 引言 |
2.1.1 加速度计 |
2.1.2 陀螺仪 |
2.1.3 磁传感器 |
2.2 性能指标 |
2.2.1 零偏 |
2.2.2 比例因子 |
2.2.3 交叉耦合 |
2.2.4 随机噪声 |
2.2.5 分辨力与分辨率 |
2.2.6 其他指标 |
2.3 多指标协同优化方法 |
2.3.1 研究背景 |
2.3.2 算法主流程和适用条件 |
2.3.3 量程自适应估计 |
2.3.4 采样频率/输出频率自适应估计 |
2.3.5 数据融合 |
2.4 实验结果分析与讨论 |
2.4.1 测试平台 |
2.4.2 转台实验 |
2.5 讨论与小结 |
第三章 MARG传感器的时空配准与质量控制 |
3.1 引言 |
3.2 时空配准 |
3.2.1 坐标体系 |
3.2.2 坐标变换 |
3.2.3 坐标变换误差分析 |
3.2.4 MARG传感器误差模型 |
3.2.5 拓扑型多MARG传感器的时空配准 |
3.3 数据质量控制 |
3.3.1 研究背景 |
3.3.2 主要流程图 |
3.3.3 数据故障建模 |
3.3.4 启发式规则 |
3.3.5 算法初始化与读取传感器数据和时间戳 |
3.3.6 格式/时序故障的检测与隔离 |
3.3.7 格式/时序故障的恢复 |
3.3.8 值故障的检测、隔离与恢复 |
3.4 实验结果分析与讨论 |
3.4.1 测试平台搭建 |
3.4.2 数值仿真实验 |
3.4.3 静态实验 |
3.4.4 转台实验 |
3.4.5 讨论 |
3.5 小结 |
第四章 融合滤波与位姿校准 |
4.1 引言 |
4.2 圆锥运动与旋转矢量法 |
4.3 广义可感知校准源的概念 |
4.4 半解析定向方法 |
4.4.1 解析定向方法 |
4.4.2 走廊几何关系辅助航向估计 |
4.5 自适应互补滤波方法 |
4.5.1 加速度计对应的四元数估计 |
4.5.2 磁力计对应的四元数估计 |
4.5.3 陀螺仪对应的四元数估计 |
4.5.4 融合四元数估计与位姿求解 |
4.5.5 运动状态度量 |
4.5.6 参数自适应调整 |
4.6 实验结果分析与讨论 |
4.6.1 半解析定向方法 |
4.6.2 自适应互补滤波方法 |
4.6.3 分析与讨论 |
4.7 小结 |
第五章 室内磁地图的快速建模与匹配定位方法 |
5.1 引言 |
5.2 约束型航迹推算方法 |
5.3 基于蛇形航迹推算的IMM快速建模方法 |
5.3.1 定位区域设定 |
5.3.2 参考坐标系建立 |
5.3.3 MARG模块的佩戴或安装 |
5.3.4 数据采集 |
5.3.5 姿态矩阵计算 |
5.3.6 位置戳计算 |
5.3.7 磁数据投影到参考坐标系 |
5.3.8 磁指纹与位置戳关联 |
5.4 基于IMM的聚焦式匹配定位方法 |
5.4.1 基于EDC的粗匹配定位 |
5.4.2 IIM细化LIMM |
5.4.3 MMFF匹配定位 |
5.5 实验结果分析与讨论 |
5.5.1 IMM快速建模方法 |
5.5.2 基于IMM的匹配定位方法 |
5.5.3 讨论 |
5.6 小结 |
第六章 室内定位定向技术的测试与评估 |
6.1 引言 |
6.2 室内定位的参考坐标系 |
6.3 性能指标 |
6.3.1 评估点选择与测绘 |
6.3.2 精度指标 |
6.3.3 相对精度 |
6.3.4 可信度 |
6.3.5 鲁棒性 |
6.3.6 启动时间 |
6.3.7 时延 |
6.3.8 其他 |
6.4 测试场景 |
6.4.1 建筑类型 |
6.4.2 移动模式 |
6.4.3 预设轨迹 |
6.5 综合评估 |
6.5.1 精度评估 |
6.5.2 边界评估 |
6.5.3 多因素评估 |
6.6 小结 |
第七章 总结与展望 |
7.1 研究总结 |
7.2 研究展望 |
参考文献 |
致谢 |
作者简介 |
1.基本情况 |
2.教育背景 |
3.攻读博士学位期间的研究成果 |
3.1 发表学术论文 |
3.2 申请(授权)专利 |
3.3 参与科研项目及获奖 |
(3)基于D-S理论的数据融合技术应用(论文提纲范文)
1 D-S证据理论 |
2 数据融合技术 |
3 D-S证据理论对指纹图像识别的应用 |
4 结论 |
(5)基于事件驱动与数据融合的BLE室内定位系统之研究(论文提纲范文)
中文摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 国内外常见室内定位方法和NLOS识别方法研究现状 |
1.2.2 研究现状分析与总结 |
1.3 本文工作及组织结构 |
1.3.3 本文主要工作 |
1.3.4 本文组织结构 |
第2章 相关工作 |
2.1 低功耗蓝牙BLE及相关技术 |
2.2 非视距NLOS误差 |
2.3 数据融合D-S证据理论 |
2.4 非视距NLOS识别方法 |
2.5 常用室内定位技术 |
2.6 常用工具 |
2.6.1 LIBSVM |
2.6.2 CFTOOL |
2.6.3 SmartBeacon |
第3章 基于事件驱动与数据融合的BLE室内定位方法 |
3.1 RSS特征值提取和处理方法 |
3.1.1 数据收集和滤波器选择 |
3.1.2 过滤LOS情况下数据 |
3.1.3 过滤NLOS情况下数据 |
3.1.4 RSS特征值 |
3.2 非视距NLOS识别方法 |
3.2.1 计算各特征的概率分配函数 |
3.2.2 计算多特征概率分配正交和 |
3.2.3 比较置信区间 |
3.3 基于NLOS识别的指纹定位方法 |
3.3.1 线下阶段 |
3.3.2 线上阶段 |
第4章 实验验证 |
4.1 实验设置 |
4.1.1 实验环境 |
4.1.2 设备和设置 |
4.1.3 数据收集 |
4.2 评价标准 |
4.3 实验结果 |
4.3.1 单一特征和多特征对比试验 |
4.3.2 选取不同特征集的对比实验 |
4.3.3 同其他算法的对比实验 |
4.3.4 不同数据量情况下的对比实验 |
4.3.5 不同遮蔽物情况下的对比实验 |
4.3.6 不同室内场景下的对比实验 |
第5章 总结与展望 |
5.1 本文工作总结 |
5.2 下一步工作展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(6)基于多模态生物特征识别的身份认证技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题的研究背景及意义 |
1.1.1 现有的身份认证技术 |
1.1.2 存在的问题及研究意义 |
1.2 多模态生物特征融合的层次分类 |
1.3 指纹识别与声纹识别相融合的流程图 |
1.4 本文的主要内容及章节安排 |
1.5 本章小节 |
第二章 指纹识别 |
2.1 指纹的基本特征 |
2.2 指纹图像的预处理 |
2.2.1 归一化处理 |
2.2.2 图像分割 |
2.2.3 指纹图像的方向场 |
2.2.4 图像增强 |
2.2.5 图像二值化 |
2.2.6 图像的细化 |
2.3 指纹的特征提取 |
2.4 指纹图像的匹配 |
2.4.1 指纹图像的配准 |
2.4.2 图像的细节点匹配 |
2.5 实验及结果 |
2.5.1 指纹数据库 |
2.5.2 实验结果 |
2.6 本章小结 |
第三章 声纹识别 |
3.1 语音特征提取 |
3.1.1 特征提取准则 |
3.1.2 特征参数介绍及选取 |
3.1.3 MFCC特征提取流程 |
3.2 说话人模型训练 |
3.2.1 高斯混合模型 |
3.2.2 GMM-UBM |
3.3 打分与判决 |
3.4 性能评价指标 |
3.5 实验 |
3.5.1 声纹数据库 |
3.5.2 实验结果 |
3.6 本章小节 |
第四章 多模态生物特征融合技术 |
4.1 融合的层次及框图 |
4.2 加权融合算法 |
4.2.1 归一化处理 |
4.2.2 融合算法和权重的分配 |
4.2.3 实验 |
4.3 基于D-S证据理论的融合 |
4.3.1 D-S证据理论的基本内容 |
4.3.2 构造基本概率分配函数 |
4.3.3 D-S的合并识别原则 |
4.4 实验 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 本文总结 |
5.2 下一步工作和展望 |
致谢 |
参考文献 |
附录 |
(7)基于ZigBee的位置指纹法室内定位技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.1.1 课题背景 |
1.1.2 课题研究的目的和意义 |
1.2 国内外研究现状及发展动态分析 |
1.2.1 现有室内定位技术的分类 |
1.2.2 室内定位系统国内外研究现状 |
1.3 位置指纹法在室内定位中面临的问题 |
1.3.1 构建位置指纹数据库的工作量问题 |
1.3.2 位置指纹的匹配效率问题 |
1.3.3 室内定位与跟踪算法的实现问题 |
1.4 论文主要研究内容 |
第2章 ZigBee 信号强度作为场景特征时的数据特性研究 |
2.1 引言 |
2.2 ZigBee 网络实验平台的构建 |
2.3 ZigBee 信号强度测距的可行性分析 |
2.3.1 信号强度测距原理 |
2.3.2 室内信号强度与传播距离的关系 |
2.3.3 接收信号强度与采样位置对应关系的可重现性 |
2.4 ZigBee 信号强度的时变性分析 |
2.4.1 信号强度的概率分布特性 |
2.4.2 不同网络接入设备信号强度采样间的相关性 |
2.4.3 人员因素对信号强度采样的影响 |
2.4.4 可感测网络接入设备的时变性 |
2.5 信号强度采样方式对位置指纹法定位性能的影响 |
2.5.1 位置指纹法定位误差概率模型 |
2.5.2 采样方式与定位性能关系的仿真验证 |
2.6 本章小结 |
第3章 基于空间变异理论的位置指纹数据库构建方法 |
3.1 引言 |
3.2 ZigBee 信号强度的空间变异结构分析 |
3.2.1 信号强度样本变异函数的计算 |
3.2.2 信号强度样本变异函数的可靠性评估 |
3.2.3 信号强度理论变异函数的拟合 |
3.3 基于普通克里金算法的信号强度估计方法 |
3.3.1 任意位置信号强度的点估计 |
3.3.2 待估权值系数矩阵的求解 |
3.4 实验验证 |
3.4.1 统计波动因素对理论变异函数优选过程的影响 |
3.4.2 ZigBee 信号强度点估计结果分析 |
3.4.3 基于不同位置指纹数据库的定位结果分析 |
3.5 本章小结 |
第4章 基于聚类技术的位置指纹分类方法 |
4.1 引言 |
4.2 基于 k-means 算法的位置指纹聚类 |
4.2.1 数据集 k 划分的数学模型 |
4.2.2 硬 k 聚类的目标函数 |
4.2.3 k-means 算法在位置指纹聚类中遇到的问题 |
4.3 基于区间值数据模糊 k-means 算法的位置指纹聚类方法 |
4.3.1 基于区间值数据的位置指纹二次特征提取 |
4.3.2 特征提取后的位置指纹模糊 k-means 聚类 |
4.4 基于模糊核 k-means 算法的位置指纹聚类方法 |
4.4.1 基于正态分布的位置指纹二次特征提取 |
4.4.2 特征提取后的位置指纹模糊核 k-means 聚类 |
4.5 实验验证 |
4.5.1 特征提取后的位置指纹聚类趋势分析 |
4.5.2 不同聚类方法下的位置指纹分类结果比较 |
4.5.3 位置指纹聚类对位置指纹法定位性能的影响 |
4.6 本章小结 |
第5章 基于多源信息融合技术的室内定位跟踪算法 |
5.1 引言 |
5.2 基于 D-S 理论的位置指纹室内定位算法 |
5.2.1 D-S 理论融合网络接入设备证据的数学模型 |
5.2.2 证据间的高冲突对定位结果的影响 |
5.2.3 基于焦元信度打折的改进 D-S 融合规则 |
5.2.4 基于概率排序的 D-S 决策规则 |
5.3 基于粒子滤波的位置指纹室内跟踪算法 |
5.3.1 二维平面内跟踪问题的状态空间模型 |
5.3.2 基于信号强度点估计的粒子权值求解 |
5.4 实验验证 |
5.4.1 证据间高冲突时的 D-S 合成 |
5.4.2 命题信任区间重叠时的 D-S 决策 |
5.4.3 室内定位实验 |
5.4.4 室内跟踪实验 |
5.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(9)基于指纹与姓名语音的多模态生物特征融合身份识别技术的研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题的研究背景和意义 |
1.1.1 传统的身份识别 |
1.1.2 单模态生物识别技术 |
1.1.3 多模态生物特征融合识别技术 |
1.2 研究现状及发展 |
1.2.1 多模态生物特征识别研究现状 |
1.2.2 多模态生物特征融合层次分类 |
1.3 本文主要内容及章节安排 |
1.3.1 本文的章节安排 |
1.3.2 本文的主要研究内容 |
第二章 语音识别技术 |
2.1 Gammatone 滤波器组和分数阶傅立叶变换 |
2.1.1 Gammatone 滤波器组 |
2.1.2 分数阶傅立叶变换 |
2.2 秩序估计方法 |
2.2.1 基于模糊函数的秩序估计 |
2.2.2 基于瞬时频率的秩序估计 |
2.3 MB-FECC 特征提取 |
2.4 实验分析 |
2.4.1 实验设计 |
2.4.2 实验结果 |
2.5 本章小结 |
第三章 指纹识别技术 |
3.1 指纹图像的Gabor 滤波增强 |
3.1.1 指纹方向场的估计 |
3.1.2 指纹频率场的估计 |
3.1.3 指纹图像的Gabor 滤波算法 |
3.1.4 指纹的Gabor 滤波增强实验 |
3.2 指纹图像的细化 |
3.2.1 指纹图像的定向计算 |
3.2.2 指纹图像的细化 |
3.2.3 指纹的细化实验 |
3.3 指纹的特征提取 |
3.3.1 指纹图像有效区域的选取 |
3.3.2 指纹特征提取 |
3.4 实验分析 |
3.5 本章小结 |
第四章 基于指纹与姓名语音的融合身份识别技术 |
4.1 融合策略及模型 |
4.2 自适应加权融合识别算法 |
4.2.1 生物特征信息归一化 |
4.2.2 自适应权重的分配 |
4.2.3 实验结果分析 |
4.3 基于D-S 证据理论的融合识别算法 |
4.3.1 D-S 证据理论的基本概念 |
4.3.2 基本概率分配函数的构造 |
4.3.3 D-S 融合识别方法 |
4.3.4 实验结果分析 |
4.4 基于神经元网络的特征层融合 |
4.4.1 人工神经元网络模型 |
4.4.2 多层前馈神经元网络 |
4.4.3 基于PSO 的神经元网络训练 |
4.4.4 融合算法描述 |
4.4.5 实验结果分析 |
4.5 本章小结 |
第五章 总结与展望 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文 |
(10)基于图像质量加权的D-S证据理论多生物特征融合识别(论文提纲范文)
0 引言 |
1 融合识别系统结构 |
2 生物特征抽取 |
2.1 基于独立成分分析的指静脉特征抽取 |
2.2 基于主元分析的人脸特征抽取 |
3 基于图像质量信息的人脸和手指静脉特征融合 |
3.1 图像质量评估 |
1) 无参考图像质量指标。 |
2) 有参考图像质量指标。 |
3) 亮度对比值。 |
4) 图像清晰度指标[22-23]。 |
5) 组合的图像质量评价法方法。 |
3.2 基于图像质量加权的证据理论融合方法 |
4 融合实验结果分析 |
5 结语 |
四、基于D-S证据理论的多指纹数据融合(论文参考文献)
- [1]基于指纹和心电信号的双模态身份认证研究[D]. 马茹茹. 天津理工大学, 2021(08)
- [2]室内人员自主定位定向方法研究[D]. 刘公绪. 西安电子科技大学, 2020(05)
- [3]基于D-S理论的数据融合技术应用[J]. 熊婷婷. 青岛大学学报(自然科学版), 2018(S1)
- [4]基于证据理论的群指纹融合室内定位方法[J]. 郭贤生,陆浩然,王建军,李会勇. 电子科技大学学报, 2017(05)
- [5]基于事件驱动与数据融合的BLE室内定位系统之研究[D]. 李尚. 天津大学, 2017(06)
- [6]基于多模态生物特征识别的身份认证技术研究[D]. 王婧. 贵州大学, 2016(03)
- [7]基于ZigBee的位置指纹法室内定位技术研究[D]. 李方. 哈尔滨工业大学, 2012(03)
- [8]改进证据理论的多生物特征融合方法[J]. 温苗利,张洪才. 计算机工程与应用, 2013(18)
- [9]基于指纹与姓名语音的多模态生物特征融合身份识别技术的研究[D]. 何树洋. 南京邮电大学, 2012(07)
- [10]基于图像质量加权的D-S证据理论多生物特征融合识别[J]. 肖宾杰. 计算机应用, 2012(01)