基于Agent的网络化防空作战多传感器集成研究

多传感器系统的集成与优化是获取网络化防空作战信息优势的关键环节. 首先探讨了网络化防空作战条件下多传感器资源的构成和特点,给出了信息源集成和信息集成的思路,建立了多传感器系统的闭环控制信息融合模型,并提出了基于多Agent的多传感器系统管理体系和综合集成框架,为构建具有智能化的多传感器协作系统提供了一种有效的方法.     

基于非采样Contourlet变换的高光谱图像融合算法

高光谱图像数据具有大量波段,波段之间的相关性较高,可以利用数据融合技术来降低其分析难度.提出了一种新颖的基于非采样Contourlet变换的高光谱图像融合算法.首先对高光谱数据进行特征图像提取;再将提取出的多幅特征图像分别进行非采样Contourlet变换,并按区域能量进行加权融合;最后对融合系数进行非采样Contourlet重构.实际的OMIS高光谱遥感图像融合的实验结果表明,所提基于非采样Contourlet变换的加权融合算法能够很好地保持图像的空间特性和光谱特性,且效果明显好于典型的小波变换和Contourlet变换的融合方法.     

AUV水下导航信息融合方法研究

通过构建一种虚拟导航设备,并将其作为Kalman滤波的量测信息构成一个水下导航信息处理方法.计算机仿真模拟和海试结果分析表明,带数据库Kalman是一个非常实用的方法,能有效提高水下推算船位的精度.     

基于推算定位和超声波定位融合的机器人自主定位技术

针对室内环境下的机器人定位问题,首先介绍了用鳊码器进行推算定位的原理和算法,为了解决在长距离导航时带来的累积误差.在机器人移动过程中,超声波传感器与已知路标的距离实现精确测量的前提下,通过卡尔曼滤波算法对测量数据进行融合,修正累积定位的误差,进行精确定位.实验结果表明,该方法从原理上是可行的,可以应用到机器人的定位导航中.     

基于跟踪精度控制的多传感器管理方法

针对地面机动目标跟踪过程中的多传感器管理问题展开了研究,设计了一种基于跟踪精度控制的多传感器多目标分配方法。首先,在考虑目标与目标之间、目标与传感器之间和传感器与传感器之间等的多种约束条件下运用基于协方差控制的思想建立了多传感器多目标分配问题的优化模型;接着将等价伪量测的异步融合算法与IMM算法结合,计算各目标在不同融合周期的跟踪精度估计值;最后,以目标的跟踪精度需求为出发点,结合蚁群算法的思想,设计了一种求解所建立的多传感器多目标分配问题的优化模型的算法。仿真结果表明：该管理方法能在确保跟踪精度需求的前提下,根据对各目标跟踪任务的重要程度,合理地调度传感器资源。     

基于误差校准的多雷达粒子滤波检测跟踪算法

基于粒子滤波的检测前跟踪方法是一种处理弱目标检测与跟踪的有效方法。使用多部雷达对同一目标进行观测,可以提高目标的检测概率和跟踪精度。但雷达系统误差不同,得到的目标量测信息不能直接进行融合。针对多个具有不同系统误差的雷达联合检测跟踪问题,通过将不同雷达的量测信息向前追溯,对误差进行校准,从而消除不同雷达对于同一粒子的量测误差,然后将粒子权重进行融合。仿真结果表明,在雷达具有不同系统误差的情况下,采用本算法可以有效提高目标的跟踪精度。     

第19届国际信息融合会议及获奖论文评述

总结了第19届国际信息融合会议的总体情况和主要特点,通过对大会报告、分会场报告以及国际信息融合界一些著名专家团队发表论文情况的统计分析,提炼出国际信息融合界普遍关注的焦点和难点问题;通过对获奖论文的分析,了解到受大会评奖委员会一致认可的年度优秀成果和技术进步点;最后,面向高层信息融合中的不确定性处理,对信息融合领域的发展进行展望。     

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.     

基于改进的 D-S 证据理论在设备故障诊断中的应用

多传感器、多手段检测的信息融合技术在设备检测中的应用日益广泛,而常用的基于D-S证据理论的融合技术除了没有给出可信度的分配方法外,融合结果上还有很多不足之处。探讨了可信度的分配问题,提出了几种改进的融合方法,较好地解决了证据冲突时的否定性、积化性和敏感性问题。     

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。