多传感器数据融合算法综述

数据融合就是利用多传感器的协合效应来提高系统效率,它是现代Ｃ３Ｉ作战系统的关键技术之一．阐述了多传感器数据融合的特点、分布检测、空间、属性融合、态势评估和威胁估计算法,并同时介绍一些关键课题．     

多传感器量测融合算法的性能比较

归纳三类多传感器量测融合算法,即扩维滤波法、伪序贯滤波法和复合量测滤波法。采用协方差分析的方法比较各类算法的滤波精度,证明它们均能在各自给定的条件下实现线性最小均方意义上的最优滤波。仿真实例对各类算法的计算量和灵活性等性能进行比较,结果表明扩维型信息滤波器的计算量最小、灵活性最高,扩维型Kalman滤波器、伪序贯滤波器的计算量较大,而两种复合量测滤波器对各传感器的量测矩阵有一定要求,以致灵活性较差。所得结论对量测融合算法的实际应用具有一定的指导意义。     

Rényi信息增量和协方差联合控制的多传感器管理算法

针对目标跟踪中雷达组网场景下多传感器管理问题,结合Rényi信息增量和协方差两种算法各自特性,利用并行处理的思想提出了一种基于Rényi信息增量和协方差联合控制的传感器管理算法。在具体仿真设计环节,分为传感器跟踪能力大于目标数和传感器跟踪能力小于目标数两种场景。仿真结果表明该算法在单目标匀速、多目标匀加速等多数场景下能够对目标进行有效跟踪,同时降低了传感器的切换频率,具有更好的实时性。     

被动多传感器阵列中复合观测数据的数据关联

被动多传感器阵列是现代化战争中对雷达等主动传感器的重要补充手段。针对被动多传感器阵列的观测数据特点,提出了一种基于复合观测数据的量测与航迹的关联方法。该方法根据被动传感器对目标的位置量测数据以及运动属性的描述信息,利用模糊积分的方法对观测数据与备选航迹进行关联度量,以实现量测数据与航迹的关联。试验表明该方法是切实可行的,可以有效地进行量测与航迹的关联。     

目标识别中的传感器管理方法

基于假设检验的方法,研究了目标识别中的传感器管理方法。分别以用于假设检验问题中的最大后验概率、最小代价函数和最大正确检测概率为目标函数,给出了用于目标识别问题的多传感器管理方法,并针对目标识别问题的特点,对其进行了相应的改进。通过对一定场景的仿真,比较了三种不同方法的识别正确率和平均采样次数,分析了各种方法的特点。     

基于遗传算法的分布式多传感器航迹关联算法

以分布式多传感系统中的两节点序贯航迹关联方法为基础,把多节点情况下的航迹关联问题转化为多维分配问题。而多维分配问题是典型的组合优化问题,其计算量随着维数的增加而出现指数爆炸现象,进而根据遗传算法能够解决组合优化问题的能力,提出了利用遗传算法解决此多维分配问题的一种方法。仿真实验结果表明,遗传算法能够有效地求解此多维分配问题,使航迹关联具有较高的成功率。     

在线估计表面粗糙度的神经网络多传感器融合方法

针对机床智能加工对加工状况监测的要求,文中提出一种在线估计表面粗糙的神经网络多传感器融合方法,用该方法可获得表面粗糙度的较好估计。文中论述了该方法的特征提取,维数压缩和归一化等预处理方法,神经网络的构造及训练等内容。仿真表明,该方法是可行和有效的。     

一种用于潜艇多传感器水下信息相关的算法

潜艇多传感器信息相关问题,是潜艇水下信息融合中的一个重要课题。利用统计技术,通过设置粗、细判决门限对潜艇多传感器信息进行了互相关检验研究,给出了相关检验算法。仿真结果表明该算法的有效性与实用性     

防空多传感器网络的拓扑优化模型

防空多传感器网络是防空网络化作战体系结构的重要组成部分。针对防空多传感器网络的网络结构模型,研究了已知网络中单元节点的位置和数量,如何最优确定网络中继器的位置、数量及其与单元节点的连接关系,即网络拓扑优化设计问题。最后给出了防空多传感器网络拓扑优化设计的数学模型及其求解方法。     

基于随机有限集理论的多传感器目标联合检测跟踪算法

针对杂波环境中的目标检测跟踪问题,提出一种基于随机有限集理论的多传感器目标联合检测跟踪算法。算法将目标状态和量测描述为随机集合,建立考虑目标出现、目标保持、目标消失等情况的目标状态随机有限集模型,以及考虑漏检和虚警的多传感器量测随机有限集模型。将目标的联合检测跟踪问题构建为目标状态集合的贝叶斯最优估计问题,并基于随机有限集理论对该贝叶斯估计算法的递推表达式进行严格理论推导。采用序贯蒙特卡罗技术实现算法的递推滤波。仿真结果验证了该算法的有效性以及算法相对于传统基于数据关联算法的性能优势。