多传感器信息融合理论在无人机相对导航中的应用

为提升无人机的作战效能和作战指标,提升无人机的相对导航精度和导航系统可靠性,以无人机编队的相对导航系统为研究背景,基于容积卡尔曼滤波算法和信息滤波算法,研究容积信息滤波算法。此外,还采用多传感器信息融合理论,利用分布式信息融合结构构建了无人机相对导航滤波器,对来自惯导、视觉和卫星的信息进行融合,获取无人机间的相对位置、速度和姿态信息。该方法提升了无人机相对导航的导航精度、导航可靠性和滤波稳定性,容积信息滤波算法的应用避免了传统滤波算法在高维系统中出现的数值不稳定以及精度降低等问题。数学仿真结果表明,该方法提高了无人机编队之间相对导航的精度和可靠性,证明了算法的有效性。     

图像辅助智能终端定位的国内外研究进展

图像含有丰富的目标信息,被获取并处理后用于一种新型的智能终端定位手段。对图像定位的相关概念进行介绍,对关键技术的研究情况进行评述,并分别从图像定位作为独立的定位系统和图像定位与全球导航卫星系统(Global Navigation Satellite System,GNSS)及惯性导航系统(Inertial Navigation System,INS)等其他定位方法融合的定位系统2个方面阐述其研究进展,在此基础上提出图像辅助智能终端定位研究中存在的问题及发展方向。     

基于多特征模糊融合的疲劳状态判决

在基于视觉的疲劳驾驶识别过程中,使用单个特征进行疲劳驾驶判断,常常会受到非普遍适用性、噪声等因素的影响,从而导致识别率降低。为了解决眼部特征参数或者是嘴巴特征参数单个特征识别率低甚至特使环境无法识别的问题,提出一种基于多特征融合的判决方法,利用了各种特征之间的优势互补,可以降低噪声和类内类间差异的影响,从而提高系统的性能,并且能增强适用性。最后通过实验结果证明,使用眼部和嘴巴特征融合的方法比单一的判决方法准确率更高。     

一种改进的粒子群优化算法

针对基本粒子群算法存在着收敛速度慢、效率低、易陷入局部最优等缺陷,为了更好地平衡全局和局部搜索能力,在粒子群算法中引入收缩因子,使算法中粒子不仅向种群最优的粒子进行学习,而且向种群中比自己优秀的所有粒子学习,增加了粒子的多样性。实验结果证明,与基本蚁群算法相比,改进的粒子群算法提高了收敛速度和效率,能一定程度地避免局部最优解的产生。     

C~3I系统中的数据融合技术

对C~3I系统中的数据融合技术进行了比较全面的介绍,从系统功能和体系结构两个方面分析了数据融合的模式,利用系统分析的方法对数据融合算法进行了讨论,对数据融合的发展方向进行了展望。     

机载多传感器数据融合技术

阐述了数据融合技术的基本概念、方法和应用。重点讨论了数据融合在空空作战中的应用,对其工作原理、融合方式、显示格式和扩展功能都作了说明。同时也介绍了一种引入人工智能化技术的多传感器系统,对数据融合发展方向作出了预测。     

软硬结合的迭代除法方案及其精度分析

大型机采用的软硬结合的迭代除法方案具有很高的计算速度,但存在精度合理性问题。经过大量随机数试算验证和算法的误差分析证明,本文中提供的优选除法方案,提高了除法精度,解决了精度合理性问题。该除法方案装机运行后,提高了大型机的适应能力和运算速度,改善了处理效果。     

防空C3I雷达情报网数据融合算法的研究

传统 C3I系统的数据融合算法运算量大 ,融合精度不高。根据我国防空 C3I系统的现状 ,提出了一种新的基于神经网络的防空 C3I系统数据融合算法。由于神经网络是全并行工作 ,所以此算法具有处理速度快、精度高等优点。仿真结果表明 ,航迹交接算法和航迹融合算法的性能都比较好 ,对真实雷达网数据融合有很好的参考价值     

多源信息的Bayes融合精度鉴定方法

为了合理运用多种验前信息 ,文中首先引入了验前信息的可信度的概念 ,由此论述了验前信息与现场试验信息的融合方法 ,给出了多源信息下的Bayes精度鉴定方案。最后以实例说明鉴定方案的运用。     

信息融合系统中的态势预测技术

态势预测主要解决态势间断后如何更新态势以及态势推断问题。根据战场上兵力都是按一定的规则部署和聚集的特点 ,采用群技术将整个战场态势划分成多个态势元素 ,同时结合模板技术和军事专家建议 ,利用战争前和战争期间所获得的各类信息 ,对战场态势进行预测