一种自适应双门限频谱感知新算法

为提高在低信噪比条件下系统协作频谱感知性能,提出了一种基于采样值和本地感知结果可靠性的频谱感知算法。选取较高可信度的采样值和较高可信度的本地感知结果将其判决直接发送融合中心,融合中心根据本地感知结果加权融合判决。仿真表明,改进算法较传统基于信噪比加权融合算法具有更强的抗噪性能,适合感知需要。     

基于闭环控制模式的信息融合模型研究

从防空作战态势感知角度出发,通过对信息融合模型分析,提出基于闭环控制的多传感器信息融合模型,以达到信息融合的整体功能优化。首先介绍防空态势感知概念,并分析防空态势感知传感器资源管理问题,在此基础上研究传感器管理子系统的功能、构成及管理算法。     

多层次信息融合技术在燃气轮机故障诊断中的应用

探讨了信息融合技术在燃气轮机故障诊断中的应用,构建出一种燃气轮机多层次信息融合故障诊断模型.在模型的数据融合层,采用了自适应加权融合算法,以最小化传感器测量不确定度为目标对同源测量数据进行了融合,其结果再经特征层进行故障特征的提取和融合,最终通过决策层给出诊断判定.数值实验结果证明,该故障模型能有效减小传感器测量不确定度对于诊断的不良影响,所得诊断结果的合理性和精度均得到了提高.     

基于IEPF序贯融合的多传感器管理方法

针对主被动传感器信息融合的特点,提出了一种在IEPF序贯融合基础上进行传感器管理的方法。工程常采用的传统扩展卡尔曼滤波融合算法滤波精度不高,因此结合采用了粒子滤波方法。先对主被动传感器采用迭代扩展卡尔曼滤波集中式序贯融合,利用融合后的信息进行粒子更新,提高滤波精度,在此基础上采用分辨力增益的方法对传感器进行管理。仿真结果表明该方法能够提高对目标的跟踪精度,增强多传感器对环境变化的适应能力。     

基于D-S证据理论的协作式频谱感知方法

频谱感知是认知无线电的关键技术,感知精度和速度直接影响到认知无线电网络的整体性能。由于单台感知的性能受环境影响严重,协作式频谱感知被广泛使用。为提高协作式频谱感知性能,采用可变策略的Dempster-Shafer证据理论对两种感知方法产生的信息进行融合:一种是能量检测法,该方法速度快但准确度不高;另一种是周期平稳信号检测法,准确度高但周期长。通过融合实验结果表明,同单独一种检测方法相比,基于Dempster-Shafer证据理论的认知网络,其感知能力明显提高,系统的容错性和敏捷度也有增强。     

动态加权的一致性多传感器数据融合算法

研究现有多传感器的加权融合算法,针对时变非线性系统状态估计的有效融合问题,提出了一种基于动态加权的一致性多传感器数据融合算法.对于多传感器量测,首先利用Unscented 卡尔曼滤波器得到局部状态估计值,然后基于层次分析法思想,构建反映局部状态估计结果相互支持程度的一致性矩阵,充分提取数据中蕴含的冗余和互补信息,最后通过对一致性矩阵的求解实现对权重的合理选择.经过蒙特卡罗仿真验证了该算法的有效性.     

加宽中位数与接近系数的数据融合算法

为提高数据融合的准确性,提出了一种基于加宽中位数与接近系数的数据融合算法,利用加宽中位数确定传感器测量数据的有效区间,通过最大最小法构造各传感器测量数据间的接近系数,根据各传感器当前时刻接近系数的均值和方差动态分配其加权系数,并利用权值进行加权融合。仿真实验表明了该算法能明显提高融合结果的准确性和可靠性。     

复杂环境下基于支持度的多传感器数据融合算法

为避免融合算法依赖于先验信息,剔除复杂环境下多传感器测量数据中的干扰误差,一致性数据融合方法得到广泛研究。比较分析了典型的支持度度量方法,并构造了两种新的支持度度量方法。进而设计了一种新的基于传感器一致性和可靠性的融合算法,实现传感器的加权融合。仿真计算验证了新的支持度算法和融合算法的有效性。     

基于传感器网络数据融合的目标定位方法

针对传感器网络测试系统在战场及终点效应中的应用,探讨了基于多种传感器网络的目标定位方法,提出了采用最优加权融合估计算法将各种传感器的定位信息进行融合处理,并将融合结果与各种传感器计算结果进行比较,结果证明了经融合处理可以大大提高定位精度.     

主被动传感器空时对准融合模型目标跟踪技术

针对主被动传感器量测的时空不同步和定位的非线性,以提高跟踪精度为目的,构建了空时对准融合跟踪模型。通过牛顿插值法实现了时空量测的同步,并基于融合算法建立了模型的滤波算法。最后,在匀速直线运动目标和机动目标的背景下验证了时空对准融合跟踪模型对目标的跟踪效果,在主被动传感器信息利用、提高精度等方面具有一定的理论和实际意义。