低导航精度下多舰雷达数据空间配准方法

海上多舰火控雷达数据融合系统中,导航数据精度低、地球表面不平坦都将给传感器数据的空间配准带来工程实现困难。提出一种基于雷达相对定位的多平台观测数据配准方法,用于解决以罗兰C为主要导航设备的多舰数据配准问题。性能分析和仿真实验表明,该方法对导航设备精度的要求不高,具有较强的实用性。     

基于变结构多模型思想的航迹融合自适应切换算法

在航迹融合问题中,以往的次优航迹融合算法和互协方差融合算法存在融合时间和融合精度的矛盾问题.提出了一种基于变结构多模型思想的航迹融合自适应切换算法,用以解决航迹融合过程中存在的计算量和融合精度之间的矛盾.该算法根据切换规则自适应地选择具体的航迹融合算法以优化计算时间.仿真结果表明,该算法在保证融合精度的前提下节省了融合计算时间.     

D-S 证据理论应用中的一种图解方法

D-S证据理论是对概率论的进一步扩充,在多传感器数据融合中,有着广泛的应用.当利用D-S合成公式进行融合时,由于需计算的项数较多且不易直接判定具体该有哪些项,容易造成漏项或错项,引起计算错误.提出了一种直观、简单的图解法,可使需计算的项一目了然.     

基于自校正卡尔曼滤波器的信息融合算法

设计了一种新的基于ARMA模型自校正卡尔曼滤波器及其信息融合的方法,从而避免了经典卡尔曼滤波器需要精确知道系统的模型参数和噪声统计特性的缺点.仿真结果表明,在未知部分模型参数和噪声统计特性的情况下,自校正卡尔曼滤波器的滤波性能非常接近稳态最优卡尔曼滤波器;基于自校正卡尔曼滤波器的信息融合滤波性能接近基于稳态最优卡尔曼滤波器的信息融合滤波性能.     

基于时空序贯融合的TBM拦截效果评估

基于时空信息进行了TBM拦截效果评估的研究。首先分析了拦截效果评估信息的特征,建立了TBM拦截效果评估流程;在此基础上提出了基于"空间特征级-时间决策级"思想的序贯融合评估模型;融合评估算法中,空间域选取模糊神经网络进行特征级融合,时间域选取D-S证据理论完成决策级融合,空间特征级融合模糊神经网络的各层映射函数分别由模糊隶属函数和采用贝叶斯网络的方法来获取;最后通过实验仿真了评估流程,验证了融合评估模型及融合算法的有效性。     

基于HLA的多雷达组网信息融合仿真系统

首先基于高层体系结构建立了带反馈结构的信息融合仿真系统软件框架,然后针对多雷达组网探测隐身目标应用进行了仿真系统方案设计,描述了组成联邦的各联邦成员间的数据流向及订阅关系。详细介绍了各联邦成员的功能及输入输出接口,设计了联邦执行数据文件。基于MAK RTI完成了主要模块的编码实现,进行了目标跟踪算法移植,并测试了基于协方差的组网雷达宏管理算法的性能,验证了建立的多雷达组网信息融合仿真系统的有效性。     

采用 Bayes 数据融合方法进行目标和诱饵的识别

本文以目标和诱饵的识别为背景,详细叙述了采用基于Ｂａｙｅｓ数据融合方法的基本原理、融合模型和识别结果。从识别结果可以看出,这种方法可以达到较高的识别率,是识别目标和诱饵的有效方法。     

一种改进的证据理论合成规则

随着证据理论在信息融合领域中的广泛应用,对冲突证据的处理成为证据理论和应用研究热点。提出了一种基于证据重要度和聚焦度的新的合成规则,首先根据各个证据的重要度对冲突证据进行修正,再对冲突进行细化并考虑证据焦元的基数对D-S合成法则的影响,将冲突信息提取后加入组合规则中。通过实验比较和分析,结果说明该方法不仅能够处理一般性冲突问题,也能处理"一票否决"和"鲁棒性"问题。     

一种北斗／CDMA导航系统数据融合的联邦卡尔曼滤波算法

北斗卫星与CDMA无线网络定位相结合的组合导航系统可以广泛应用于军事和民用领域,而有效进行数据融合是提高北斗/CDMA组合导航系统定位精度的关键.针对北斗/CDMA组合导航系统的特点,提出了一种基于联邦卡尔曼滤波的北斗/CDMA导航数据融合算法.算法采用机动目标的"当前"统计模型,分别建立了北斗定位系统和CDMA定位系统的状态方程,通过对相应定位参数进行滤波处理,提高了北斗/CDMA导航系统的定位精度.     

基于模糊聚类的多目标跟踪算法

提出了一种新的基于模糊聚类的多目标跟踪算法,该算法通过一种改进的模糊聚类算法,首先得到可能的目标数和测量点迹与目标预测位置之间的隶属度,然后结合Kalman滤波将隶属度作为权值系数对预测新息向量进行加权,来实现目标状态估计的更新。仿真结果表明,传统数据融合多目标跟踪算法,一般需要假定目标数并且在多目标密集时易产生关联错误而导致跟踪发散,新算法通过模糊聚类客观有效地确定了目标数并且通过加权过程保证了对多目标密集时的高精度。