通信受限下分布式多传感器协同跟踪算法

在分布式多传感器目标跟踪系统中,由于局部融合中心(LFC)的物理限制(如:有限的频率信道、处理器容量有限等),只能接收有限个传感器的传送数据。此外,信息传输的方式也将影响传感网的使用寿命,因此,研究了通信受限下的分布式多传感器目标协同跟踪问题。首先对监视区内分布的传感器进行聚类分簇形成若干个子网,接着从通信能耗的角度出发,对传感器采集信息的传递路径进行最优路径规划;进而对子网局部状态进行估计,在子网信息融合中,分别采用最大距离和、最大化信息增量两种准则进行最佳传感器选择,最后通过各子网全局航迹融合实现分布式多传感器协同跟踪。仿真验证了算法的有效性。     

基于线性数据融合的双椭圆定位模型优化算法

为了充分利用分离式台声源声纳定位系统的冗余测量信息,提高系统的定位精度,提出了基于线性数据融合的双椭圆定位模型优化算法。并通过数值仿真,对不同条件下的定位误差几何分布曲线图(GDOP)进行了研究。仿真结果表明,大部分探测范围内,两个声源之间距离的变化和时间测量误差对定位性能影响较小,而角度测量误差对该算法的定位精度影响较大。与仅利用距离信息进行定位的方法相比较,采用数据融合的优化手段,可以充分利用定位系统的冗余信息,有效地降低了系统的定位误差,探测盲区的定位性能也得到明显改善。仿真结果和性能分析为解决远距离探潜定位优化问题提供了理论依据。     

无人机载多传感器集成与数据融合

介绍了无人机在情报、监视和侦察(ISR)领域的作用,分析研究了无人机(UAV)载传感器的种类、特点、集成特性及组合使用方式,说明了无人机载多传感器集成与数据融合的优点、功能组成.针对无人机载传感器的特点分析了多传感器组合、体系结构和特点,介绍了其主要算法,提出了发展趋势.     

多传感器数据融合在舰艇防空中的应用

以舰艇防空为背景,对防空作战中目标指示环节和舰空导弹武器系统作战使用环节中多传感器数据融合的应用进行了分析。分析包括舰艇平台信息的收集、目标指示信息的转换、融合的预处理及分布式融合处理等过程。分析之后建立了数学模型,并进行了仿真。仿真结果表明,融合后目标指示的精度和导弹制导数据的精度有明显的改善,有利地保证了防空作战的顺利进行。     

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。     

网络学习模式识别移动代理因素提取方法研究

从分析网络学习因素的角度出发,提出了利用数据融合理论和使用移动代理技术解决网络学习模式识别的问题。详细分析了网络学习模式中的主要因素,针对网络学习模式识别提出了使用移动代理(MA)进行因素提取的方法。同时运用数据融合技术中分布式缠绕判决模型进行描述,从而使有效地获取网络学习者的学习状态变为可能。也对网络学习因素提取MA的执行环境进行了具体阐述。设计了因素提取MA体系结构,分析了因素提取的执行过程,采用ATP层代理传输协议作为移动代理系统的应用层协议,负责学习模式识别的因素提取。     

一种用于雷达网目标状态融合的算法

针对目前雷达情报自动化系统中雷达网目标状态融合存在航迹不连续、情报信息利用率低等问题,综合运用了神经网络和军事运筹学理论和方法,给出了一种用于雷达网目标状态融合的算法.结果表明,利用本方法使融合后的目标轨迹与目标真实运动轨迹非常接近,有效地提高了雷达情报的综合质量.     

多雷达多目标航迹跟踪中FMM神经网络的应用与仿真

提出了一种基于Fuzzy Min-Max (FMM)人工神经网络的多雷达多目标航迹跟踪的方法。仿真应用的实验结果表明,这种方法能够有效地完成多雷达多目标的数据融合,并比较理想地实现了多雷达多目标的航迹相关。     

一种有源无源联合定位系统的航迹起始方法

为了解决雷达面临的四大威胁和无源定位系统定位精度偏低及被动工作的问题,多站有源无源联合定位系统正在成为研究热点。航迹起始是该系统对目标进行跟踪的首要问题。在航迹起始过程中,系统需要将有源观测点迹和无源观测点迹进行融合,其本质是异类源数据融合问题。分析了有源无源联合定位系统的航迹起始问题的特点,提出了一种针对有源无源联合定位系统的航迹起始方法。仿真实验结果表明了该算法的有效性。     

基于D-S证据推理的多传感器信息融合技术在战场目标识别中的应用

近年来,多传感器信息融合技术已经在许多领域得到了广泛的应用,该技术也可以用于战场目标识别.在简单介绍了多传感器信息融合技术的概念和方法之后,详细阐明了D-S证据推理的原理及其应用于战场目标识别的方法,并进行了仿真处理.仿真结果说明,基于D-S证据推理的多传感器信息融合技术,是解决目标识别问题的一种有效方法.