一种基于Multi-Agent协作的战场传感器网络数据融合架构

本文着眼于战场传感器网络数据融合问题,分析了数据融合的难点与需求,提出了基于多主体协作的Sentinel-Agent数据融合架构和融合校验模型,并对移动Agent任务规划进行了详细研究。     

基于神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题,提出了一种基于神经网络集成的传感器故障诊断方法。该方法将传感器输出看做时间序列,通过加噪声生成抖动数据,建立多组神经网络,以获得神经网络集成预测器输出。通过将预测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现传感器故障在线诊断。应用结果表明该方法可以提高神经网络的运算精度,从而快速准确地检测和分离传感器故障,辨识传感器故障类型以及故障发生的时间。     

未来海上协同作战技术

未来海上作战,主宰战争胜负的不再是单个舰艇,而是海上编队及编队与其他兵种的协同作战能力。这就需要解决各种不同层次的协同作战问题,包括海战场各作战单元的网络化连接、多源多平台信息融合处理、多平台多传感器目标协同探测和高精度定位、实时高速信息分发、协同作战指挥控制、武器协同分配及协同综合控制等技术,使分布在不同作战平台上的传感器、指挥系统和武器系统协同一致地迅速做出反应,实现信息共享、作战力量一体化、作战行动一体化、探测打击和评估一体化,从而达到作战效能最大化。     

化生探测评述

科研人员不断致力于研发用于化学和生物战剂防护的最先进传感器和新兴技术。美国陆军埃奇伍德化学生物中心（ECBC）的Cindy Swim等撰文探讨了微分散射、去极化和拉曼等光谱技术。     

一种传感器网络时空融合模型

针对多传感器间存在时空相关性和先验知识未知的情况,提出了一种基于核偏最小二乘最优加权的传感器网络时空融合模型。首先用核偏最小二乘法对每个传感器在不同时刻的测量值进行融合,然后将各个传感器同时刻的估计值进行空间最优融合,从而得到被测参量的最终融合估计。该模型还能排除那些取值远离样本点集合平均水平的奇异点。理论分析和融合实验表明,该模型能取得较高的融合精度,并能显著节省网络能量。     

英国海军接收Remus600无人水下航行器

英国海军已经接收了美国Remus600无人水下航行器(UUV)用于水下侦察(包括搜索水雷)。美国海军曾将类似的小型Remus100应用于伊拉克战场,重80磅。     

分布式二进制传感器网络目标定位研究*

着重研究了分布式二进制传感器网络中对单目标定位的两个关键环节:传感器节点的协作和目标位置估计.在节点协作方面,提出了一种简单协作方法,这种协作方式仅要求节点在检测到目标进入或目标离开其探测区域时发送消息,通信量非常小;在目标位置估计方面,提出了一种基于m-网格的定位算法,该算法不同于质心定位法,综合考虑了探测到和未探测到目标的节点的位置信息对定位的贡献.仿真结果表明,在都使用简单协作方法的条件下,基于m-网格的定位算法在定位精度上优于质心定位法.     

基于传感器网络数据融合的目标定位方法

针对传感器网络测试系统在战场及终点效应中的应用,探讨了基于多种传感器网络的目标定位方法,提出了采用最优加权融合估计算法将各种传感器的定位信息进行融合处理,并将融合结果与各种传感器计算结果进行比较,结果证明了经融合处理可以大大提高定位精度.     

机载传感器智能管理方法的研究

机载传感器智能管理有利于提高我机平台的隐身性能和传感器的利用效率,使我机在空战中处于有利态势.阐述了机载传感器智能管理的问题、基本概念,给出了传感器管理需要研究的内容,提出基于模糊推理的机载传感器智能管理的研究方案;针对各传感器的工作特点,考虑战场态势因素,研究基于模糊推理的传感器智能管理模型;在此基础上进行传感器智能管理系统仿真和软件设计.