动态加权的一致性多传感器数据融合算法

研究现有多传感器的加权融合算法,针对时变非线性系统状态估计的有效融合问题,提出了一种基于动态加权的一致性多传感器数据融合算法.对于多传感器量测,首先利用Unscented 卡尔曼滤波器得到局部状态估计值,然后基于层次分析法思想,构建反映局部状态估计结果相互支持程度的一致性矩阵,充分提取数据中蕴含的冗余和互补信息,最后通过对一致性矩阵的求解实现对权重的合理选择.经过蒙特卡罗仿真验证了该算法的有效性.     

被动声传感器网络模拟器的设计与实现

现代雷达防空体系对低空/超低空飞行目标的探测仍然是其弱点之一.被动声传感器网络数据融合理论和技术的快速发展,给这类目标的探测、识别和定位跟踪提供了新的方法.在对被动声传感器工作原理、目标运动模型和方位角检测模型分析的基础上,给出了一种被动声传感器网络模拟器的设计思路,同时给出了其软件平台的实现方法.模拟器考虑了大气环境因素的影响和传感器对目标探测的实时处理能力的要求,产生的仿真数据能够较好地逼近真实数据,为被动声传感器数据融合算法的研究提供了强有力的数据支持.     

水下目标识别的规划融合算法

多传感器数据融合技术已经成为水下目标识别中的一项关键技术,以传感器输出数据为基础,提出了一种新的水下目标识别的规划融合算法,并通过举例进行了说明,最后使用Lingo软件对模型进行了求解,得出了最优结果。该算法可以有效地提高水下目标识别的准确率和可靠性。     

基于曲线拟合的多传感器时间对准方法研究

针对多传感器数据融合时间不同步、数据率不一致的特点,提出了一种基于曲线拟合的时间对准算法.该方法能将不同传感器测得的不同采样周期的数据对准到同一时间点上,以便进行特征提取与数据融合.同现有算法相比较,该算法计算简单,速度快,提高了融合效率.     

多层次信息融合技术在燃气轮机故障诊断中的应用

探讨了信息融合技术在燃气轮机故障诊断中的应用,构建出一种燃气轮机多层次信息融合故障诊断模型.在模型的数据融合层,采用了自适应加权融合算法,以最小化传感器测量不确定度为目标对同源测量数据进行了融合,其结果再经特征层进行故障特征的提取和融合,最终通过决策层给出诊断判定.数值实验结果证明,该故障模型能有效减小传感器测量不确定度对于诊断的不良影响,所得诊断结果的合理性和精度均得到了提高.     

带有可信度因子的直觉模糊近似推理方法

针对基于相似度的直觉模糊近似推理问题,提出一种基于加权相似度量的直觉模糊推理方法。首先定义一种新的直觉模糊相似度度量公式,加入权重参数解决各维特征分配不均匀的问题,弥补了现有直觉模糊相似度量的缺陷。然后构建基于直觉模糊产生式规则的直觉模糊近似推理模型,加入可信度因子解决了随机性引起的信息不确定问题,同时给出模型的推理算法和计算步骤。最后通过实例验证了该方法的实用性和有效性,其在意图识别、目标识别等信息融合领域有良好的应用前景。     

基于灰色理论的雷达组网数据融合方法

在分析了灰色关联分析及其改进算法的基础上,针对雷达组网中多传感器数据融合问题,提出了一种新的基于绝对关联度的数据融合方法.该方法将灰色理论和多元概率信息合并理论相结合,计算各雷达之间的总关联度,并用一次平均融合后的数据替换掉总关联程度最差的雷达数据,组成最优融合组,然后进行数据融合.仿真结果表明,该方法在减小计算量的同时,减小了径向误差.     

多传感器数据融合性能评估的方法论

由于多传感器数据融合的处理过程是多级别多层次的,相应的融合算法多种多样,因而融合性能的评估一直是该领域研究的重点和难点.为了提高系统的重用性,把性能评估过程当作一个完整的融合过程,提出一个数据融合评估系统体系结构设计方法.以此为基础的系统评估,大大提高了数据融合评估系统的通用性,增强了系统设计人员与用户之间理解的一致性,达到充分利用系统资源和发挥系统性能的目的.     

加宽中位数与接近系数的数据融合算法

为提高数据融合的准确性,提出了一种基于加宽中位数与接近系数的数据融合算法,利用加宽中位数确定传感器测量数据的有效区间,通过最大最小法构造各传感器测量数据间的接近系数,根据各传感器当前时刻接近系数的均值和方差动态分配其加权系数,并利用权值进行加权融合。仿真实验表明了该算法能明显提高融合结果的准确性和可靠性。     

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.     

面向多目标跟踪的PHD滤波多传感器数据融合算法

针对密集杂波环境下单传感器应用高斯混合PHD算法进行多目标跟踪时性能下降的问题,提出一种面向多目标跟踪的PHD滤波多传感器数据融合算法。首先构建了基于高斯混合PHD滤波的多传感器数据融合系统框架,各传感器利用高斯混合PHD滤波算法进行局部状态估计,然后对各传感器的状态估计结果进行关联度计算,最后通过构建自适应混合参数,引入协方差交叉算法对关联状态进行融合。仿真实验表明,与单传感器高斯混合PHD多目标跟踪算法相比,所提算法有效提高了目标数量和状态的估计精度。     

用于目标跟踪的分布式融合结构和算法

现代监视系统经常利用多物理分布的不同类型的传感器,提供对目标的辅助和重叠作用范围。为生成目标航迹和估计,传感器数据需要加以融合。虽然集中式处理方法在理论上是最佳的,但把融合操作分布到多个处理节点有很多优点。本文讨论了分布式融合结构,每个节点处理它自己的一组传感器数据并与其他节点进行通信以改进估计。引入信息图形作为模拟分布式融合系统的信息流和发展算法的一种方法。目标跟踪融合包含两种主要操作方式:估计和互连。基于信息图形的分布式估计算法用于任意融合结构并与线性和非线性分布估计结果有关。根据跟踪到跟踪互连似然估计,讨论了分布式数据互连问题。介绍了两种流行跟踪算法的分布式方式(联合概率数据互连和多假设跟踪)并给出应用实例。     

用于潜艇的数据融合算法结构设计

利用数据融合技术,在数据库的支持之下,充分发挥各传感器信息组合的潜能,为客观复现战术态势提供保障．文中给出了用于潜艇的数据融合算法的结构设计．     

含有多普勒频率的毫米波/红外融合滤波算法

由于毫米波雷达(MMV)和红外(IR)两种传感器在跟踪目标方面具有各自的优势,故使用两种传感器进行数据融合可以得到较单一传感器更高精度的目标数据,从而提高滤波精度。针对上述两种传感器的特点,对采样数据进行时空对准,结合UT变换思想,并在此基础上提出一种含有多普勒频率的无迹卡尔曼滤波(UKF)算法。新算法较单一MMV或者IR传感器滤波算法精度有了明显提高,并且较MMV/IR融合的传统扩展卡尔曼滤波(EKF)算法的精度也有提高。仿真结果证明了新算法的有效性和合理性。     

基于证据理论的多源信息目标识别

目标识别系统中多源传感器信息高度冲突时,利用DS规则直接融合得出的结果不合理,针对该问题,提出了期望证据融合算法。多个证据融合时,根据两证据间的矛盾信息大小确定其相互支持度,将证据支持度矩阵模最大特征值对应的特征向量归一化后得到各证据的权重系数,进而求出期望证据,并用DS规则迭代融合。通过数字仿真对多种方法进行了比较分析,表明期望证据法在传感器信息高度冲突时依然可以得到较为理想的融合结果。     

基于矩阵分析的D-S证据理论的多传感器雷达体制识别

采用不确定推理的矩阵分析方法,建立了用于雷达体制识别的多传感器数据融合的数学模型,提出了一种基于矩阵分析的多传感器信息融合的新算法,结合多传感器多测量周期的雷达体制识别给出了具体的实例.识别结果说明了该算法的有效性.     

基于Jerk模型的一种改进多传感器数据融合算法

简要介绍了目前存在的一些机动模型和基于状态估计的滤波算法。将Jerk模型与强跟踪滤波算法有机地结合起来,并提出了一种通过时空综合分析的测量方差自适应估计方法以优化强跟踪滤波算法中次优渐消因子和滤波增益的在线选择,同时结合多传感器数据融合具有改善滤波精度的性质,最终给出了一种基于Jerk模型的改进多传感器数据融合算法。最后,通过蒙特卡罗仿真验证了该算法的有效性。     

D-S证据理论改进算法提高水下目标识别准确性

D-S证据理论在目标识别中有着广泛的应用,是较好的数据融合方法之一,但在证据高度冲突时,会产生有悖常理的结果。针对此问题,引入传感器的可信度,提出了一种新的改进算法。该算法弥补了D-S证据理论所存在的不足,比其他改进算法融合效果好,此算法应用于水下目标识别,计算结果表明提高了水下目标识别的准确性和有效性。     

面向目标跟踪的数据融合技术及实现

讨论了多传感器数据融合功能模型,介绍了一种面向目标跟踪的数据融合算法及其实现。     

多传感器数据融合技术在防空C3I中的应用

为了增强防空C3I系统的整体作战效能,在介绍多传感器数据融合技术的基本理论、一般处理模型、体系结构设计和MSPDAF数据融合算法的基础上,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,并以探测某型巡航导弹为例,对其进行数学仿真.根据仿真结果可知,应用多传感器数据融合技术能够有效提高对目标的探测精度.