多平台多传感器数据融合中的时间一致

解决多平台多传感器系统数据融合中传感器误差配准问题,首先要实现各传感器的时间一致,将关于同一目标的各传感器不同步的量测信息同步到同一基准时标下.将时间误差分为确定性和不确定性两种,分析了引起多传感器时间误差的原因,提出一种基于Kalman滤波的时间对准算法,有效解决了一定范围内不确定传输延迟引起的时间不一致问题.     

信息融合系统中的数据标准化研究

数据标准化是信息融合系统中的一个重要环节,对后续的信息处理精度有着很大的影响。介绍了防空系统中常用的时空配准方法,并给出了具体的时间对准算法,在传感器的扫描周期不同,导致数据采样时刻不同步的情况下,基于滤波算法,提出了一种细分时间片的时间对准算法。对防空信息的进一步处理具有重要的作用。     

含有多普勒频率的毫米波/红外融合滤波算法

由于毫米波雷达(MMV)和红外(IR)两种传感器在跟踪目标方面具有各自的优势,故使用两种传感器进行数据融合可以得到较单一传感器更高精度的目标数据,从而提高滤波精度。针对上述两种传感器的特点,对采样数据进行时空对准,结合UT变换思想,并在此基础上提出一种含有多普勒频率的无迹卡尔曼滤波(UKF)算法。新算法较单一MMV或者IR传感器滤波算法精度有了明显提高,并且较MMV/IR融合的传统扩展卡尔曼滤波(EKF)算法的精度也有提高。仿真结果证明了新算法的有效性和合理性。     

基于表决算法的空间预警系统数据融合建模/仿真

空间预警系统中包含红外、可见光等多种类型的传感器,每种传感器对不同目标的探测均有相应的优势和不足.数据融合技术对来自多个传感器的探测数据进行综合处理,从而缩短系统整体的目标发现时间,提高探测精度等性能.采用表决融合算法对空间预警系统中的数据融合问题进行研究,建立了多传感器串联、并联以及混合结构3种不同组合的融合模型,重点对采用混合融合结构时,系统在保证一定检测率的同时,能最大程度减小虚警率的算法进行了探讨,计算证明这种结构具有最佳的整体融合效果,最后还给出了融合仿真系统的结构方案.     

用多维数据互联的有效多传感器融合

本文介绍多目标跟踪的用多维数据互联的多传感器融合算法的发展。这项工作是受大规模监视问题的推动,在这种监视问题中,来自具有不同采样间隔(电子扫描阵(ESA)雷达)的异步传感器观察值用于集中式融合。用多维分配的多传感器融合的综合,对于由分配算法处理的S个表,除了“传感器宽度”外,还要使“时间层次”最大化。在有S个传感器的情况下,将来自最近到达的S-1个帧的量测值与已经建立的航迹互联的标准方法可能有零时间层次。对于S维数据互联(S≥3),所介绍的新技术保证最大效率,即对于没有损失融合重叠传感器的每一个传感器,保证最大时间层次(S-1)。使用滑窗(长度为S)技术,在每一个量测帧之后更新估计。对于使用具有多维分配数据互联的多传感器融合,该算法提供多目标跟踪的自动航迹形成、保持和结束的系统方法。对于一个大规模空对地目标跟踪问题,介绍了使用模拟数据的估计结果。     

基于矩阵分析的D-S证据理论的多传感器雷达体制识别

采用不确定推理的矩阵分析方法,建立了用于雷达体制识别的多传感器数据融合的数学模型,提出了一种基于矩阵分析的多传感器信息融合的新算法,结合多传感器多测量周期的雷达体制识别给出了具体的实例.识别结果说明了该算法的有效性.     

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。     

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     

多传感器数据融合中的数据预处理技术

数据预处理是进行多传感器数据融合的基础 ,对数据的空间统一和时间统一的研究方法及流程进行了阐述 ,介绍了基于该方法的技术在实际应用中取得的效果 .     

多传感器的极大似然配准算法研究

数据配准是多传感器数据融合的先期处理过程。在研究了传统的最小二乘算法的基础上 ,提出了基于三维坐标系中的极大似然配准算法 ,解决了最小二乘配准算法对于传感器相距较远时无法解决的问题。最后通过计算机仿真验证了算法的有效性。     

不同时间信息条件下多目轨迹交会测量点目标运动的方法

针对多相机对点目标的运动轨迹测量,提出不同时间信息条件下的多目轨迹交会法。对点目标运动轨迹进行时间多项式参数化描述,再将多个相机观察目标的系列视线与目标的参数化运动轨迹进行交会,通过最小化物方残差,确定出目标的运动轨迹。相对于传统的多目交会测量模式,本方法不仅能够有效地提高测量精度,而且能够在多相机之间观测不同步,或者时间未对准,甚至无时间信息的情况下仍得到目标的运动轨迹参数。相对于单相机测量模式时要求相机必须运动,多目情况下不要求相机自身运动。仿真实验和真实实验验证了该方法的有效性和高精度。     

基于Mean-Shift的传感器动态偏差估计方法

针对系统误差变化规律未知时的传感器探测系统偏差估计问题,提出了一种改进的基于Mean-Shift(均值偏移)的传感器动态偏差估计算法.该算法利用Mean-Shift方法对不同样本点对估计结果贡献不同的特点,根据样本点偏离均值的偏移量以及偏移时间构建权系数.仿真结果表明,该方法在系统误差变化规律未知的情况下,可有效估计多...     

基于强跟踪滤波器的多雷达配准方法

在多雷达数据处理系统中,雷达本身的系统偏差是影响目标跟踪和数据融合质量的一个重要因素。提出了基于强跟踪滤波器(STF)的多雷达配准算法。该算法是利用各雷达相对主雷达的测量差值,利用强跟踪滤波器(STF)实时估计出各雷达的系统偏差(方位和距离),从而进行配准。仿真实验结果表明这种方法是有效的。     

对几种不同维数据融合方法的仿真对比研究

在多雷达系统组网对空情报处理中，不同的数据融合方法在融合精度、求解时间及计算量方面都有较大差异。为了验证不同融合方法的融合效果及系统处理时间和性能，分析了多雷达系统组网对不同维数据融合处理的映射法、升维法、分维法的融合框架和融合算法，并分别进行了计算机仿真，得出并分析了对比数据。仿真结果表明了分维法在数据融合中的优势。     

一种传感器网络时空融合模型

针对多传感器间存在时空相关性和先验知识未知的情况,提出了一种基于核偏最小二乘最优加权的传感器网络时空融合模型。首先用核偏最小二乘法对每个传感器在不同时刻的测量值进行融合,然后将各个传感器同时刻的估计值进行空间最优融合,从而得到被测参量的最终融合估计。该模型还能排除那些取值远离样本点集合平均水平的奇异点。理论分析和融合实验表明,该模型能取得较高的融合精度,并能显著节省网络能量。     

双机合作下的远程空空导弹攻击技术

探讨了双机合作条件下远程空空导弹的攻击技术.首先描述了双机合作下时间对准的方法和数据延时的处理,然后给出了空间对准的具体坐标转换公式,最后以基准制导坐标系为基础建立了无线电修正指令的矢量图,用矢量方程法推导了无线电修正指令的形成过程.     

虚拟射击试验中的航迹融合方法

针对高炮武器系统虚拟射击试验中存在的航迹融合问题,研究了航迹在虚拟射击试验中的融合方法。分别通过虚实资源静态分析和动态分析,明确了试验中各试验要素内涵和虚实资源间信息交互的内容。由于虚实资源间交互的信息内容不同,易产生数据格式、信息理解等方面的不一致,且集中表现在数据处理上。因此,从空间一致性维护和时间一致性维护两个方面,给出了航迹在虚拟射击试验中的融合方法。     

约束总体最小二乘空间配准算法

相对于单个雷达而言,组网雷达能显著提高其融合系统的性能,但是在随机误差较大情况下,由于空间配准精度往往较低,其融合性能会显著下降.在忽略模型线性化误差的情况下,分析出这一缺点出现的原因是量测方程的系数矩阵中存在误差,进而利用系数矩阵误差存在统计相关性的特点,提出一种基于地心地固坐标系(ECEF)的约束总体最小二乘算法进...