共查询到20条相似文献,搜索用时 265 毫秒
1.
针对单传感器联合概率数据互联(Joint Probabilistic Data Association, JPDA)在复杂环境下难以跟踪多个目标的问题,提出一种基于JPDA量测目标互联概率统计加权并行式和序贯式多传感器数据融合方法。首先,给出单传感器JPDA算法。然后,介绍多传感器JPDA数学模型,基于这一模型,使用互联概率加权,推导并行式和序贯式多传感器数据融合公式,这对多传感器数据融合有一定指导意义。最后,对单传感器JPDA方法在不同杂波密度、不同过程和不同观测噪声下目标跟踪的距离RMSE进行仿真,结果表明,随着这3项指标皆增大,目标距离RMSE增大;同时,对本文的2类多传感器JPDA方法与其他几类跟踪方法在数据集PETS2009下有关行人跟踪性能进行仿真,结果表明,本文并行式和序贯式多传感器JPDA方法相较于其他方法在跟踪准确性、跟踪位置准确性、航迹维持以及航迹遗失上皆为最优,而且序贯式融合略优于并行式多传感器JPDA。 相似文献
2.
概述了多传感器数据融合系统中的联合概率数据互联算法,给出了MSJPDA的两种处理结构,分析了其算法的复杂度。并在此基础上,结合B.zhou提出的直接概率计算和近似概率计算的方法,提出了一种基于近似聚的近似概率数据互联算法(MSJPDA),通过仿真研究以及和最近邻法所做的比较表明,该方法确实能提高在密集情况下的数据融合精度,算法耗时与最近邻法相差不大,精确度接近完全概率互联算法。 相似文献
3.
为解决集中式多传感器系统中的多目标跟踪问题,本文运用模糊理论提出了一种多传感器模糊联合概率数据互联算法。该算法首先应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度;然后运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,并提出了顺序处理结构的多传感器模糊联合概率数据互联算法的状态估
估计模型;最后给出了该算法与经典的多传感器联合概率数据互联算法的仿真比较。仿真结果表明,本文算法的综合性能更优越。 相似文献
估计模型;最后给出了该算法与经典的多传感器联合概率数据互联算法的仿真比较。仿真结果表明,本文算法的综合性能更优越。 相似文献
4.
该文研究了利用分布式多传感器获得全局决策的分布式信号检测问题。在这种检测系统中各传感器将其各自关于观测对象的决策传送至融合中心,融合中心根据融合规则给出全局决策。研究重点是基于贝叶斯准则的分布式并联检测融合系统的数据融合理论,给出了使系统全局最优的融合规则和传感器决策规则,提出了对融合规则和传感器决策规则进行优化计算的非线性高斯一赛德尔算法,具体讨论了两相同传感器、两个不同传感器和三个相同传感器在具有独立观测时的数据融合问题。给出了利用本文所提算法对上述几种情况进行计算机仿真的仿真实例。仿真结果表明:融合系统的性能相对传感器有显著改善,采用三个相同传感器的融合系统,其贝叶斯风险下降了26.5%。 相似文献
5.
为有效解决密集杂波环境下分布式多传感器多机动目标跟踪问题,提出了一种基于改进D-S证据组合规则的分布交互式多模型多传感器广义概率数据关联(DIMM-MSGPDA-IDS)算法。该算法首先对各局部节点均应用单传感器的IMM-GPDA算法跟踪多机动目标,并将其各模型的状态估计、协方差估计、模型概率、组合新息及其协方差矩阵等滤波结果送至融合中心;在航迹关联判决结束后,融合中心根据各模型对应似然函数的大小融合不同传感器关于同一目标的模型状态估计及其协方差矩阵,并提出利用三维(3-D)证据进行直接融合的改进D-S算法对来源于同一目标的不同传感器的各模型概率进行有效融合,然后依此概率来更新各目标的状态估计并反馈至各局部节点,使之获得更为精确的状态预测;最后,将该算法与基于D-S证据组合规则的分布交互式多模型多传感器联合概率数据关联(DIMM-MSJPDA-DS)算法进行仿真对比分析。理论分析和仿真结果表明,该算法能够很好地对强机动目标进行跟踪,且其计算量相对较小,是一种有效的分布交互式多模型多传感器多机动目标跟踪算法。 相似文献
6.
针对多传感器对某一特性指标进行多次测量实验的数据融合问题,提出了一种基于概率基本理论的融合方法。该方法把各传感器的测量数据作为一随机变量,利用测量值的样本数据,确定测量值随机变量的取值范围,估计出样本均值和样本标准差,从而得到各传感器数据融合的概率权,并给出数据融合公式。应用实例验证了该方法的有效性和稳健性。 相似文献
7.
8.
9.
分布式自动删除平均恒虚警率检测技术 总被引:2,自引:0,他引:2
根据自动删除平均算法提出了一种新的分布式多传感器的目标检测算法. 在该方法中, 首先根据自动删除平均算法(Censored cell-averaging, CCA)得到各传感器的杂波/噪声电平估计, 然后将检测单元电平与得到的杂波/噪声电平估计值相比较, 得到有无目标的局部判决,并将其传送到融合中心. 融合中心采用"k/N'融合准则得到有无目标的全局判决. 其中, 自动删除平均算法的优势明显, 它不需要干扰的先验信息, 可以容纳的干扰目标数不会像顺序统计量OS (k) (Order statistics)方法那样受指定k值的限制, 更接近实际. 自动删除平均算法还可以检测本身可能是目标的干扰. 在假定目标服从Swerling 2型起伏的情况下, 导出了相应的检测概率与虚警概率解析表达式. 多种检测器数值和图表分析的比较结果表明了该方法的有效性和优越性. 相似文献
10.
针对异步采样下多红外传感器多目标跟踪问题,提出了一种基于概率假设密度粒子滤波的跟踪算法.该算法首先将一个融合周期内所有采样点在融合中心的坐标系中和时钟下进行统一映射,然后按照实际测量值到来的时间先后顺序,根据融合周期内相邻两个时刻之间状态的动态关系,建立相应采样时刻间的状态方程和量测方程,最后根据当前时刻测量对应的传感器的个数选择不同的滤波算法,对顺序到来的观测值依次进行状态估计和更新,从而得到目标数目和相应的状态估计值.仿真实验表明,所提的算法能较好地解决异步采样下多红外传感器多目标跟踪问题,具有较高的跟踪精度和较强的鲁棒性. 相似文献
11.
基于多传感器数据融合技术的臭氧监测系统设计 总被引:1,自引:0,他引:1
针对臭氧在进行保鲜和消毒时的特点和要求,设计了一种基于多传感器数据融合技术的监测系统,用来严格监测臭氧浓度。系统采用自主设计且拥有专利的臭氧传感器进行数据采集,并通过搭建无线传感器网络实现对臭氧浓度的实时监测。为了提高数据的准确度,首先要剔除可疑数据,然后选择适当的算法对数据进行数据融合。仿真结果表明:数据融合后所得到的融合值更加平稳,可靠性高,通过选择适合的融合算法可以提高臭氧浓度采集的精度。 相似文献
12.
13.
为了解决节点分布密集环境中网络数据融合能耗较大的问题,提出了一种基于代理和熵权的分组融合算法。该算法首先通过节点监测数据相似度的对比,摒除组内故障节点的影响;然后采用C/S模式对组内节点进行融合,以组融合数据代替节点数据参与融合;最后采用代理模式对各组融合数据进行熵权融合。仿真结果证明该方案能以较小的能耗代价获取准确的融合结果,有效减少了网络延迟。 相似文献
14.
15.
Currently, multiple sensors distributed detection systems with data fusion are used extensively in both civilian and military applications. The optimality of most detection fusion rules implemented in these systems relies on the knowledge of probability distributions for all distributed sensors. The overall detection performance of the central processor is often worse than expected due to instabilities of the sensors probability density functions. This paper proposes a new multiple decisions fusion rule for targets detection in distributed multiple sensor systems with data fusion. Unlike the published studies, in which the overall decision is based on single binary decision from each individual sensor and requires the knowledge of the sensors probability distributions, the proposed fusion method derives the overall decision based on multiple decisions from each individual sensor assuming that the probability distributions are not known. Therefore, the proposed fusion rule is insensitive to instabilities of the sensors probability distributions. The proposed multiple decisions fusion rule is derived and its overall performance is evaluated. Comparisons with the performance of single sensor, optimum hard detection, optimum centralized detection, and a multiple thresholds decision fusion, are also provided. The results show that the proposed multiple decisions fusion rule has higher performance than the optimum hard detection and the multiple thresholds detection systems. Thus it reduces the loss in performance between the optimum centralized detection and the optimum hard detection systems. Extension of the proposed method to the case of target detection when some probability density functions are known and applications to binary communication systems are also addressed. 相似文献
16.
17.
18.
19.
20.
针对基于神经网络的多气体定性识别方法中存在的过学习和泛化能力差的问题,提出了一种基于支持向量机(SVM)与多传感器数据融合的多气体定性识别方法。该方法采用结构化风险最小化准则的多类分类支持向量机对由多个气体传感器、温度和湿度传感器组成的传感阵列的数据进行融合,克服了传统方法的缺陷,消除了环境温度与湿度等因素的影响,实现了100%的定性识别率,实验结果证明了该方法的有效性。 相似文献