机载多传感器跟踪与融合算法的仿真系统

建立了一种机载多传感器跟踪与融合算法的仿真系统.该仿真系统可以针对仿真场景,传感器组合,传感器参数,跟踪算法参数, 跟踪算法的不同情况来评价跟踪性能,从而为跟踪算法的合理选择,算法参数的优化设计,以及实际系统的研制提供有力支持.     

被动传感器融合检测系统的优化分布密度

被动传感器由于采用无源探测,而且制造成本低,体积小,在战场环境中将采用并配置大量的被动传感器来检测目标.不论是主动还是被动式传感器,在实际应用中均存在资源优化配置问题.针对被动传感器的具体应用模型,采取了若干合理近似,得到了在"OR"融合检测条件下,基于最大检测概率的被动传感器优化配置密度计算公式.     

基于SEA方法的传感器与武器系统匹配分析

分析系统的匹配程度,是对作战系统进行评价的重要内容,提出将系统的作战效能作为衡量系统匹配程度的重要指标,在SEA(System Effectiveness Analysis)方法的框架下建立了系统匹配分析模型,采用蒙特卡罗方法对匹配过程进行了仿真计算,并通过具体算例验证了模型的正确性,为作战系统的匹配分析提供了一种新的思路.     

纯方位跟踪问题研究及算法性能

针对纯方位跟踪系统的特点,对修正增益扩展卡尔曼滤波、伪线性滤波、基于无迹变换的卡尔曼滤波、修正球坐标系下的扩展卡尔曼滤波、直接对角度信息建模的卡尔曼滤波等被动目标跟踪算法予以详细的讨论,并在满足可比性的条件下,对各个跟踪算法进行了仿真实验,比较和分析了仿真结果,指出了修正增益扩展卡尔曼滤波的算法优势,对实际工程应用中算法选择问题提出了参考性建议.     

基于途径概念的数据融合方法

目前在多传感器条件下提升数据精度的基本方法是状态估计,其中最常用的方法是卡尔曼滤波及其变形算法.由于卡尔曼滤波是依靠时间积累来增加信息量、提高数据精度,因而其收敛速度不可避免地要受到时间因素的影响.另外卡尔曼滤波作为单纯的数据处理方法也无法利用观测系统中一些已知的物理信息.提出了基于途径概念的数据融合方法,它打破了机械的"传感器融合"的概念束缚,有效地帮助人们挖掘和利用潜在的冗余信息,使多传感器信息能够迅速得到充分利用,从而使收敛速度得到提高.基于途径的数据融合方法并未提供一套固定的算法,它提供的只是一套处理规则.     

面向目标定位的多主动传感器优化布站

针对多主动传感器优化布站问题,提出了一种基于GDOP-CRLB的目标定位精度衡量方法。该方法给出了GDOP-CRLB计算表达式,分析了传感器几何布站形式、传感器的数量、测量精度以及相对高度对传感器定位精度的影响。基于上述研究,给出了提高定位精度的传感器布站策略。通过仿真实验验证了所提方法的有效性,对于多传感器的优化布站应用具有参考意义。     

灵敏度和偏移补偿的MEMS压阻式加速度传感器

针对传感器中存在的灵敏度和偏移补偿问题,提出了一种新的MEMS压阻式加速度传感器设计,它由一个传感器和一个总的接口电路构成,可用0.18μm商用CMOS工艺实现设计。传感器结构由8个硼扩散结晶体压敏电阻连接起来构成一个惠斯通电桥来感知加速度;接口电路由一个主放大器和传感器灵敏度及温度偏移补偿电路构成;实验结果表明,传感器具有很高的在轴加速度灵敏度和灵敏度补偿效果,整个系统具有可达5 k Hz的可扩展的系统带宽,而且偏移估计误差减少到了±10μV以内。     

基于能量分级和位置预测的高效路由算法

针对车载传感器网络节点移动速度快、网络拓扑结构不稳定、终端传感器节点能量不确定性等特点,提出了一种能量分级和位置预测的高效路由算法ERLP(Energy Rank and Location Prediction based routing)。该算法根据具有不同能量等级的节点将消息传递距离的不同选择那些能量高的节点作为中转节点,并结合节点的分布区域和当前速度,尽量将多个消息副本传递给覆盖不同方向的节点,避免消息传递的局部性。仿真结果表明,与当前典型延迟容忍网络的路由算法相比,ERLP算法在传输成功率、平均延迟时间上具有较大提升。     

基于改进协方差控制的传感器管理算法

针对传统的基于协方差控制的传感器管理算法使用全遍历方法所造成的计算量大,以及传感器切换频繁的问题,提出了一种基于改进协方差控制的传感器管理算法。该算法在每一时刻首先判断前一时刻所用传感器组是否能够满足目标跟踪需求,以滤波协方差与期望协方差的偏差作为参考,结合量纲变换和特征值求取,为协方差偏差矩阵经过量纲变换后得到的量纲一致阵的所有特征值设定一个精度阈值,然后判断滤波协方差是否满足期望,从而决定是否维持当前选择的传感器组。在目标作匀速、匀加速、协同转弯等多种场景下进行了算法性能测试分析,仿真结果表明,该算法不仅在大部分场景下满足目标跟踪精度,而且能够提高传感器管理算法的实时性,同时降低传感器的切换频率。     

基于信息熵TOP SIS法的无线传感器网络节点自定位技术

在无线传感器网络的应用中,节点的定位是一个关键的问题。但是,利用已知节点对未知节点定位的算法存在着定位精度不高,定位计算量大等缺点。针对该问题,提出了一种基于信息熵TOPSIS法的节点自定位算法,该算法利用TOPSIS法按已给的传感器属性进行排序,只取最靠前的3个节点代入标准最小二乘公式中进行计算,既缩短了计算时间,又保证了计算精度。仿真实验证明,该算法是一种有效可行的算法。