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。     

基于模拟退火算法的多目标数据关联

本文对多目标定位和跟踪(MTLT)中的最优数据关联(ODA)问题,采用模拟退火算法求解。这种算法可以避免局部极小,渐近达到全局最优。     

对国外军用多传感器数据融合系统的分析

本文对国外多传感器数据融合技术的发展作了简述,介绍了国外多传感器数据融合技术术语,重点对国外54个军用多传感器数据融合系统所使用的数据类型、处理算法、融合级别、系统状态作了介绍和分析。     

战争中伪装能力的提高

瑞典巴拉居达公司在伪装技术界享有盛誉。本文介绍了该公司的概况和由该公司开发的主要伪装器材。     

火炮射击指挥模拟训练系统中多传感器信息融合的研究与实现

本文研究和实现了火炮射击指挥模拟训练系统中的多传感器信息融合,得到目标航迹信息。基于ＮＯＶＥＬＬ网络,在ＷＩＮＤＯＷＳ平台下用ＶＢ语言中的定时器较好地模拟实际系统中传感器录入目标信息过程,采用文件共享方式实现网络传递避免了因数据率提高而可能出现的阻塞现象;最后采用本文融合算法在网络上进行模拟得到了较好的结果。     

数据融合技术与潜艇指控系统的发展

就潜艇指控系统的现状和发展,综述了数据融合技术在潜艇指控系统中的应用前景。     

一类C~3I系统的数据流航迹处理技术

本文从工程应用角度出发,介绍了一类Ｃ３Ｉ系统的一种实时航迹处理技术——数据流点航迹处理技术。对多目标多传感器条件下目标航迹辨识一次航迹归一及二次航迹的再处理等问题都作了较详细的讨论。     

多种滤波器方案对机动目标跟踪自适应性比较

在过去几年对机动目标跟踪这个复杂问题取得了许多成果。目前已普遍认为混合状态估计交互式多模型算法(IMM)对机动目标就跟踪精度而言比其它类型的滤波器(如自适应单模型,输入估计,变维等等)实现效果更好。然而,IMM算法的复杂性阻碍了其应用,在这些应用中,简单算法不能提供必要的精度,又不能承受IMM算法的计算负荷。本文介绍评价一个应用并行运行的3个不同常速模型(3CV-PAR)和一个机动检测器的多模型航迹滤波器的跟踪精度。输出估计由选择其似然函数比目标机动门限值(TMTh)低的模型确定。3常速并行航迹滤波器的跟踪效果与如下滤波器比较:·自适应单运动模型卡尔曼滤波器(ASMMKF);·交互式多模型(IMM)滤波器中运用相同的3个常速运动(CV)模型作为3CV-PAR滤波器;·交互式多模型(IMM)滤波器中应用一个等速(CV)模型和一个等加速(CA)模型成为CVCA滤波器;·交互式多模型(IMM)滤波器中应用一个常速(CV)模型和两个仅过程噪声水平不同的常加速(CA)模型(CA1、CA2)成为CV2CA滤波器。通过在具挑战性的多传感器想定下100次蒙特卡洛(Monte-Carlo)试验平均均方根(RMS)误差的计算结果,比较3CV-PAR航迹滤波器与上述算法方案,评价跟踪精度。     

传感器融合——多领域的最好结合

传感器融合是各领域技术共同发展并相互融汇而产生的一门新技术,用以提高系统的精度和灵活性.本文介绍了传感器融合技术在军用系统中的应用及特点.