多传感器数据融合导论

多传感器数据融合是一项新涌现出的技术,可应用于国防领域,如自动化目标识别、战场监视、自治式运载器制导与控制;也可应用于非国防领域,如复杂机械监视、医疗诊断和新式建筑物。多传感器融合技术源于人工智能、模式识别、统计估计等广泛领域。本论文为数据融合提供了指导,它介绍了数据融合的应用、过程模型和对可应用技术的鉴别,并就数据融合方面的技术发展水平作了评述。     

多传感器数据融合技术在防空C3I中的应用

为了增强防空C3I系统的整体作战效能,在介绍多传感器数据融合技术的基本理论、一般处理模型、体系结构设计和MSPDAF数据融合算法的基础上,利用多传感器数据融合方法建立了一种防空C3I系统结构模型,并以探测某型巡航导弹为例,对其进行数学仿真.根据仿真结果可知,应用多传感器数据融合技术能够有效提高对目标的探测精度.     

数据融合在防空C~3I系统中的应用

首先介绍数据融合的基本理论、一般处理模型、实现技术以及防空C3I系统中数据融合的具体任务,然后对数据融合体系结构的设计和融合算法的选择作了具体分析,利用多传感器数据融合方法建立了一种防空C3I系统结构模型,并对MSPDAF数据融合算法进行了详细描述.最后以探测某型巡航导弹为例,应用MSPDAF数据融合算法对防空C3I系统数据融合结构模型进行数学仿真,并给出仿真结果.     

机载多传感器数据融合技术

阐述了数据融合技术的基本概念、方法和应用。重点讨论了数据融合在空空作战中的应用,对其工作原理、融合方式、显示格式和扩展功能都作了说明。同时也介绍了一种引入人工智能化技术的多传感器系统,对数据融合发展方向作出了预测。     

数据挖掘与数据融合相结合的异类信息融合*

针对组网系统中的信息样式多、模糊性强等特点,介绍了分布式异类传感器组网系统及其特点,将数据挖掘中的知识发现理论与数据融合的知识应用理论相结合,建立了异类信息综合处理的集成模型。并提出了基于模糊神经网络的数据挖掘算法,增强了集成模型的自学习性能。模型有效地提高了异类传感器组网系统的智能化、自动化能力。     

军事应用中的多源信息融合技术

多传感器数据融合近年来受到极大关注和发展。首先叙述数据融合在军事应用中的递阶推理体系结构和各种数据融合方法,然后对防空导弹武器C     

MIMO-FNN模型的弹道导弹目标识别方法

针对弹道导弹目标融合识别特点,分析了弹道导弹单传感器多特征多输入多输出模糊神经网络(multiple input multiple output fuzzy neural network,MIMO-FNN)模型、弹道导弹多传感器单特征MIMO-FNN模型,在此基础上,结合弹道导弹目标融合识别的实际流程,提出了弹道导弹目标识别多传感器多特征MIMO-FNN模型。该模型以每个单传感器多特征MIMO-FNN模型的输出为输入,并通过专家知识求取每个传感器的融合权值,采用sum-product模糊推理和加权求和法解模糊,得到模型的融合识别结果,并通过仿真实验验证了所提模型的有效性,最后从多传感器多特征优化和传感器权重2个方面对所提模型进行了可行性分析。     

数据融合在现代雷达引信中的应用研究

介绍了数据融合的基本理论和实现技术,分析了防空导弹现代雷达引信设计中的数据融合问题。利用多传感器数据融合方法建立了雷达引信数据融合结构模型。应用MSPDAF数据融合算法进行数学仿真,并给出仿真结果。     

多传感器异步数据融合模型分析

多传感器异步融合比同步数据融合更为符合实际,不同情形下异步融合模型可以有所不同。在模型噪声和观测噪声互不相关的假设下,建立多个异步数据融合模型并对多个融合模型进行描述,综合分析和比较模型的优缺点;仿真实例说明了各个模型的有效性以及适合应用的环境。     

连续动态贝叶斯网络实现多传感器融合跟踪

利用多传感器数据进行目标跟踪,关键是怎样将多传感器的数据合理应用来对系统的状态做出最佳估计。提出应用连续动态贝叶斯网络的方法,结合卡尔曼滤波器模型,实现用多传感器数据进行目标跟踪的方法,并对算法进行了推导和验证。仿真结果证明了提出的多传感器数据互相修正融合滤波方法具有良好的滤波效果,并能够弥补传感器数据缺失和抑制脉冲噪声。     

基于小波神经网络的数据融合诊断系统

主要利用小波神经网络技术和信息融合技术,建立了基于小波神经网络技术的多传感器数据信息融合诊断系统.该故障诊断系统是将多传感器数据融合技术应用于故障诊断领域,利用数据在不同层次上的融合集成小波神经网络,通过信号的有效组合,用各种子小波神经网络从不同侧面进行故障诊断,最大限度地提高确诊率.并以液压泵为例对该故障诊断系统进行详细介绍     

面向目标跟踪的数据融合技术及实现

讨论了多传感器数据融合功能模型,介绍了一种面向目标跟踪的数据融合算法及其实现。     

基于HLA的舰载多传感器信息融合系统仿真

建立具有舰载多传感器信息融合系统功能的C3I系统是目前和未来C3I系统的首要发展方向.应用HLA仿真技术进行舰载多传感器信息融合系统试验仿真,对于增强系统的通用性、灵活性、重用性和互操作性,实现复杂C3I系统集成具有重要的现实意义.首先提出了基于高层体系结构(HLA)的舰载信息融合系统的设计框架,其次阐述了系统设计思想和舰载多传感器信息融合仿真系统组成及功能,并针对作战想定背景进行了对象类和交互类的开发,最后给出了联邦仿真流程,实现功能模型和物理模型的建模.     

发动机传感器数据证实的贝叶斯信度网络方法

针对发动机及其部件试验传感器数据证实的多源证据融合问题,描述了建立贝叶斯信度网络的方法,给出了传感器状态和检验关系式不确定性信息表达方法,发展了自动建立贝叶斯信度网络、计算可信度概率及更新网络的算法;给出了贝叶斯信度网络方法在模型发动机上的应用示例。     

多传感器多目标信号融合算法

多传感器信号融合是数据融合的一个重要方面,ＣｈａｉｒＺ．和ＶａｒｓｈｎｅｙＰ．Ｋ．在这个领域进行了深入研究,提出了基于贝叶斯推理的最佳融合规则,但该推理不能用于多目标的信号判定。推导了用于多目标信号融合的多传感器融合算法,该算法运用假设检验理论,充分考虑了位置数据互联的正确性和目标信号的历史信息,得出了一个可以递推计算的判定准则     

基于深度学习的战场态势评估综述与研究展望

适用于大数据复杂系统的人工智能研究水平,已成为制约战场态势评估技术发展的瓶颈问题.2006年提出的人工智能新研究领域——深度学习,具备多层感知的深度网络模型,体现出非线性表达、多层学习、自主提取等优势,为研究大数据战场态势评估问题提供了技术支持.美军将机器学习作为重点发展的基础研究和应用开发领域,自2007年以来启动多个项目;我军应用与研究领域中,深度学习也得到重视并取得一些有益探索.展望未来,可从空间、时间角度研究大数据战场态势特征,并基于此构建基于深度学习的战场态势评估模型.     

一种基于Multi—Agent协作的战场传感器网络数据融合架构

本文着眼于战场传感器网络数据融合问题,分析了数据融合的难点与需求,提出了基于多主体协作的Sentinel-Agent数据融合架构和融合校验模型,并对移动Agent任务规划进行了详细研究。     

用于机动目标跟踪的分布式多传感器异步融合算法

目前,随着目标机动性能的不断提高,单个传感器越来越难于对目标进行有效地跟踪.分布式多传感器网络是当前国内外研究的热点,也是解决机动目标跟踪的有效途径之一.提出了一种适用于机动目标跟踪的异步融合算法:融合中心采用交互式多模型(IMM)算法,在给定融合周期的基础上,对多传感器数据进行异步融合,得到有效跟踪航路.蒙特卡罗仿真表明,该算法可以有效地改善对机动目标的跟踪性能,可为工程应用提供有益参考.     

基于信息融合技术的复合式火灾探测器

在火灾探测中对单一的火灾特征参数信息进行判断和识别的探测器，易受到环境的干扰，限制了其探测性能，系统的高误报率问题比较突出；复合式火灾探测器采用信息融合技术进行多火灾特征参数信息的判断和识别，提高了火灾探测的可靠性和准确性。介绍了复合式火灾探测器中多传感器的选择。结合火灾探测独特的三层结构（数据层、特征层、决策层）讨论了数据融合技术在火灾探测系统中的应用，并对多传感器在数据层信息融合的模型结构进行了归纳。     

基于数据融合技术的液压系统故障诊断

在分析数据融合基本概念和原理的基础上,阐述了多传感器数据融合在设备故障诊断中的应用技术,提出了将多传感器数据融合技术应用到液压系统的故障诊断方法,并应用于某车辆液压系统故障诊断实验,给出了实现计算机自动诊断的程序流程,结果表明该方法能够及时准确地提取液压系统故障特征、诊断出故障部位、找出故障原因.