基于Bayes融合理论的某坝段帷幕体防渗效果评价

坝基帷幕体的防渗性能及其时效可由传感器采集到的地下水宏观动态反映出来,而在异类多个传感器数据融合的过程中,常常出现各个评价指标不一致的现象。为消除这种现象,采用Bayes融合方法,首先验证各个传感器的可靠程度,确立正确的关系矩阵,然后将各传感器的可靠程度模糊化,进而给出各传感器的综合支持程度指标,最后给出融合结果。将其应用于某坝13坝段帷幕体防渗效果分析,结果较为符合规律。经分析知,2003－2008年间帷幕体防渗效果呈现了阶段性衰减,其中2005年和2008年为该坝段帷幕体防渗性能的相对明显衰减时期。建议加强监测,为必要时采取工程措施提供依据。     

应用多传感器多模型融合技术提取滑坡综合信息

大型滑坡监测时往往会在同一个滑坡体的不同部位布置多个监测点，以了解和控制其整体变形状况。但目前的滑坡预测预报模型只能一次使用一个监测序列。为了充分利用滑坡各个监测点的监测信息进行滑坡预测预报，论文提出了利用多传感器多模型融合技术，从滑坡体多个监测序列中提取滑坡综合监测信息的数学方法。     

融合UWB+PDR的室内定位方法改进

近年来,随着科技的进步和创新,对室内定位的研究正朝着多技术互补融合的方向发展,将导航技术与室内定位相融合成为目前的研究热点。行人航位推算(PDR)和超宽带(UWB)技术以其独特的定位优势和精确度等众多优点成为室内定位的主流技术,但PDR由于其累积误差的影响只适用于短时间内高精度室内导航需求,而超宽带在复杂环境中,时间信息可能会严重失真,导致定位信息缺失。因此,本文利用扩展卡尔曼滤波(EKF)对两者进行融合改进,以此发挥各自技术优势。试验结果表明,定位解算的终点误差最大为0.819 5 m,最小为0.144 3 m,平均误差为0.347 8 m,位置平均误差为0.475 0 m,有效提升了室内定位的精度。