战场态势一致性技术专题讲座(一) 第1讲 战场数据融合概述

文章介绍了数据融合定义和模型发展历程,概述了基于JDL模型的五级战场数据融合模型及各层功能,简要分析了用于多目标跟踪的融合系统结构和关键技术,概括了数据融合系统评估、理论研究和应用现状。     

多传感器数据融合导论(续)

5 多传感器数据融合体系结构 在开发多传感器数据融合系统时,一个关键问题是在数据流程中实际组合式融合数据的地点问题。对第一级融合重点我们将放在两种情况上:(1)测定运动对象位置和速度的定位信息(如观察到的距离、方位角和高低角)的融合;(2)测定被观测对象身份的参数数据(如雷达截面积、红外谱等)的融合。尽管在一个实际的系统中,定位和参数身份信息的融合可以综合完成,我们还是分别讨论这两种情形。 在融合定位信息以测定对象的位置和速度时主要有三种方法供选择:(1)融合原始     

用于目标跟踪的分布式融合结构和算法

现代监视系统经常利用多物理分布的不同类型的传感器,提供对目标的辅助和重叠作用范围。为生成目标航迹和估计,传感器数据需要加以融合。虽然集中式处理方法在理论上是最佳的,但把融合操作分布到多个处理节点有很多优点。本文讨论了分布式融合结构,每个节点处理它自己的一组传感器数据并与其他节点进行通信以改进估计。引入信息图形作为模拟分布式融合系统的信息流和发展算法的一种方法。目标跟踪融合包含两种主要操作方式:估计和互连。基于信息图形的分布式估计算法用于任意融合结构并与线性和非线性分布估计结果有关。根据跟踪到跟踪互连似然估计,讨论了分布式数据互连问题。介绍了两种流行跟踪算法的分布式方式(联合概率数据互连和多假设跟踪)并给出应用实例。     

反导作战多传感器任务规划技术

多传感器任务规划技术是反导作战中的重要研究内容之一,即解决如何发挥多维传感器资源的互补优势,构建"传感器-目标-任务"序列,以实现整体执行效果最优。基于JDL信息融合模型深入剖析了反导作战多传感器任务规划体系结构及其信息交互。在此基础上,结合反导作战特点,从应用和理论研究两个方面分别对多传感器任务规划技术进行了叙述。     

防空作战传感器融合在加拿大巡逻护卫舰上的实现

加拿大Paramax系统公司的研究与开发小组正给加拿大巡逻护卫舰(CPF)研制实现多传感器数据融合(MSDF)的演示模型。由于使用了蒙特利尔的软件开发设施(STDF),这项工作得以在很逼真的条件下进行。开发是在SUN SPARC10上进行的。输入数据通过一个监视节点和接口卡从舰载综合处理和显示系统总线(SHINPAD)上读取。其程序由多个独立的UNIX进程组成。各进程通过进程间通信(IPC)协议通信。为了进行评估,更新对应于多传感器数据融合与一般跟踪的两个数据库。这个程序融合了由多个传感器提供的航迹,好像他们是相连的一样。这篇论文阐述了多传感器数据融合(MSDF)总设计以及在这个项目中所用的跟踪和识别算法,对于必要的折衷都给出了解释。对所期望的结果进行了讨论。最后,这篇论文给出了已预见到的改进。     

传感器数据融合系统的代数说明

我们对感知数据融合(SDF)的主要研究目的是:开发一种系统方法,以便设计解释感知信息以及根据这些信息和可用的数据库与知识库推断态势的软件系统。针对该目标,我们开发了一种SDF用的模型-理论框架。该框架的前提是:把数据嵌入数据模型中,把信息处理机构嵌入模型算子中。在本文,我们简要地讨论了模型算子的类型和它们在SDF中的含义。接着介绍融合来自距离和强度传感器的数据的原型SDF系统,并举例说明框架中所介绍的结构。最后,我们说明怎样用框架体系来表示和证明系统特性。SDF框架是通用的,与具体应用领域是无关的。它用于SDF系统的高级说明,并用于检查与任何设计或实现决策无关的相容性。     

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。     

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。     

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。     

人工智能技术在C2系统多传感器数据融合上的应用

本文叙述了人工智能在C2系统多传感器融合上的应用,提出了一个C2模型,探讨了该模型上的多传感器数据融合,指出人工智能技术领域知识可辅助对平台传感器的控制,应用明确的知识表示方法,通过更换的相关知识,可以将人工智能的数据融合应用到不同的军事领域。     

用多任务雷达和光学传感器进行目标跟踪的异步数据融合

本文研究了融合来自两个不同传感器的异步数据的技术,其中一个传感器以比另一个传感器高的速率提供数据。目的是:当用另一个传感器观察时,同时获得高数据率传感器数据的最小二乘法估计。先前研究的同步数据融合算法被用来融合时间一致的数据以更新目标状态估计。考虑了融合来自光学传感器和雷达数据的情况,其中,光学传感器以高速率提供周期性数据而雷达以低数据速率提供拟周期数据。通过提供类似于由际准序次数据处理方法所得的结果的仿真,证明了利用这种数据融合方法的跟踪滤波器的性能,这种标准的序次数据处理方法需要更多的有效计算。     

自适应传感器融合

在不同提取级自适应提取、相关和融合多源信息的感知推理系统被看作是下一代监视系统的标准部件。提出一种采用集中式和分布式预探测融合的系统结构,它与连结平台上及机外的跟踪与决策级融合结果的智能监视器的控制器结合起来。该系统的目的是产生一个“gestalt“融合传感器系统”,其信息产品大于各个传感器的信息产品的总和,其性能优于单个传感器或优于一小组的联合传感器。这一结构概念在采用多个不同时空的监视平台和/或信息源的执法领域(例如,禁毒)里的应用可用来说明自适应感知推理系统概念的好处。     

改进型JDL模型在武警部队院校信息化建设中的构建

在武警部队院校的网络信息化水平迅速发展的今天,由于各功能模块缺少统一的接口规范和能够协调各部门信息共享的机制,使得建成的各个功能模块之间无法共享信息,造成了数据库中信息的大量冗余和重复。结合数据融合技术的基本原理、发展现状和应用前景,对数据融合技术进行了介绍;针对武警院校信息融合的需求,提出了改进型JDL模型,分析了武警院校信息融合网络的服务架构层次,对信息融合网络中的核心问题信息共享、接口规范、数据融合进行了研究;利用模块化设计的思路,对原型系统进行了分析,对实验数据进行了重组,并提出了数据优化方案。     

用于加拿大巡逻护卫舰(CPF)的多传感器数据融合

加拿大Unisys政府系统集团(GSG)的海军研究开发小组开发出一种海军防空(AAW)多传感器数据融合(MSDF)系统。该系统将作为完成探索研究工作的工作台工具而使用。该研究项目致力于探索与数据融合有关的概念如何在CPF内实现。利用位于蒙特利尔的Unisys工作室的软件测试开发设备(STDF),已经开发出可在CPF软件环境下工作的软件。 MSDF开发项目开始于1991年的1月。此时它只是一项私营冒险投资的项目。由Unisys GSG在最后4年     

神经网络模型对传感器数据融合的应用

本文描述科霍内(Kohonen)特征映射神经网络模型对于战术和传感器数据融合的应用。用来自现代海军环境的例子评述由数据融合提出的问题。强调了用于海军作战自动监视和支持的目标和任务识别。作为基于神经网络的系统的可应用领域评述了科霍内特征映射模型,研究了它在实际应用中的限制,讨论了如何解决这些问题。描述了使用科霍内特征映射作为基本单元的两个不同的模块化神经网络体系结构和它们应用于数据融合的比较。     

单舰级和特混舰队级战术决策的自相容衔接框架

由于美国海军和其他军种正在向网络中心作战转型,因此,需要一种自相容衔接关系来说明和理解单舰级和特混舰队级的战术决策过程.自相容衔接关系可以为作战系统设计者提供一种配置单舰级"系统"作战控制功能及特混舰队级"大系统."("system-of-system")指挥与控制功能的框架.本文介绍多年来美国海军描述交战序列(探测、控制和交战(DCE))所用衔接关系的应用,并将说明DCE具有一个作为其基础的观察、判断、决策、行动(OODA)环,这个环是20世纪80年代由约翰@博伊德上校提出的.采用基于OODA的DCE序列以及美国国防部研究所联合理事会(JDL)的数据融合模型,可以开发用于战术决策过程和配置系统功能的单舰级和特混舰队级衔接框架.进而,DCE序列可以扩展到网络中心战框架中的特混舰队级,网络中心战是1998年由阿瑟@塞布朗斯基中将提出的.     

潜艇水下数据融合

数据融合又叫多传感器信息融合 ,是各指控系统信息处理的核心。本文针对潜艇这一特殊的作战平台对水下数据融合的各功能模块作了综合论述 ,并简单描述了潜艇水下数据融合的主要过程     

防空监视网络传感器任务优先级的模糊评价方法

传感器任务优先级是传感器管理的重要依据。应用模糊推理技术的传感器任务优先级评价方法,基于所有融合航迹和识别数据,通过符号推理确定决策循环过程中执行的每个监视任务的优先级。首先确定了管理系统结构,建立了优先级决策树,给出了模糊推理规则,最后进行了仿真试验。试验结果说明了模糊评价方法在传感器管理应用中的有效性。     

多传感器图像融合技术

多传感器图像融合是图像信息的综合与分析过程,它可有效地提高图像探测系统的探测和识别能力。本文论述了多传感器图像融合技术,包括多传感器图像融合的概念、应用、原理和算法等。指出了多传感器图像融合中存在的主要问题及解决方法,并预测了发展趋势。     

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。