一种基于分步式滤波的异步航迹融合算法

针对分布式多传感器数据融合系统,改进了一种多传感器异步航迹融合算法．该融合算法在扩展记忆因子递推最小平方（EFRLS）估计形成本地航迹的基础上,首先利用最小二乘法将局部航迹统一到融合中心的融合时间点,然后使用分步式滤波融合算法进行状态估计．仿真实验结果表明,这种融合算法在噪声方差未知的情况下是有效的,其精度接近集中式融合算法．     

基于分布式融合的传感器网络拓扑配置

采用2种最优分布式异步航迹融合方法研究异步采样传感器网络的动态拓扑配置策略设计.其主要核心思想是：每一个传感器跟踪节点执行局部Kalman滤波,再将滤波估计结果传输到融合中心;融合中心利用各自不同的融合方式执行预测估计校准和最优递推加权融合,同时利用当前所有传感器信息的全局递推融合估计与系统精度要求的阈值进行实时比较,以决定是否终止或继续进行融合;实现下一时刻网络拓扑的动态配置和网络节能.基于特定的计算准则分析网络能量消耗,并通过计算机仿真验证算法的有效性.结果显示：2种方法都能实现异步采样多传感器网络的动态拓扑配置和节能,且最优异步融合配置方法的效果优于次优异步航迹融合方法.     

一种多传感器数据融合仿真平台的设计

该文为了适应多传感器数据融合技术的发展,提出了多传感器数据融合仿真平台的系统构建思想,采用结构化分析的软件设计方法,开发了一个通用的,易扩展的数据融合仿真平台。该文主要内容包括:STAGE平台与Visual C++6.0的混合编程,目标航迹的绘制;UDP/IP协议的网络数据通信;融合算法框架的软件设计等等。通过在系统运行的一个算法实例,证明了该仿真平台的有效性和实用性。     

多传感器系统误差特性匹配的动态估计与补偿算法

针对非合作目标场景下多传感器系统误差估计的工程应用问题,提出了一种面向工程应用的多传感器相对系统误差动态估计与适配性处理算法(μ-DECA),提高了多传感器融合系统的精度和稳定性。建立了系统误差实时估计模型,设计了一种多传感器相对系统误差动态迭代估计与补偿算法,使得各传感器原始点迹和融合航迹的误差特性趋于一致,克服了多传感器系统点航迹关联的困难,保证了相对系统误差估计与补偿的正确性。通过不同设备多个场景的实测数据,验证了该方法能够补偿环境等因素对传感器系统误差的影响,提高了多传感器融合的精度和稳定性,改善了多传感器融合系统输出点迹的质量。     

分布式异类传感器网Hough变换航迹起始算法

为解决异类传感器网异步采样条件下的航迹起始问题,提出分布式异类传感器网Hough变换航迹起始算法.该算法利用多传感器多采样周期测量建立候选目标集,用极大似然法估计候选目标的状态;采用Hough变换建立参数空间直方图,并对参数空间直方图聚类实现航迹探测;建立目标初始方位角直方图和目标速度直方图,分别对两个直方图聚类实现目标探测;找出与目标相关的测量,利用这些测量估计目标的状态.仿真结果表明,该算法能有效实现航迹起始.     

一种改进的自适应航迹融合算法

讨论了C.Beugnon等提出的自适应航迹融合算法，分析表明该算法中隐含一个不正确的假设，即传感器航迹与全局航迹之间互不相关。鉴于此，提出一种新的改进算法，该算法修正了原算法中的错误假设，航迹相关性在两种距离测度的计算中予以考虑；并在继承原算法能自适应系统环境变化的优点的同时将航迹关联与融合相结合，降低了融合计算的复杂度。仿真结果表明，此算法对系统环境变化造成的跟踪精度损失具有更强的鲁棒性。     

不同维状态的多传感器MAP航迹融合方法

在分布式多传感器数据融合结构中,各传感器通过处理各自的观测数据把形成的航迹在融合中心进行处理.在实际中各传感器的观测信息维数不一致,也即各传感器可能采用不同的模型观测同一目标;为解决上述问题,通过建立状态映射,提出了输出目标估计状态之间维数不同情况下的带反馈极大验后(MAP)估计融合方法,并通过计算机仿真验证了该算法的有效性.     

一种基于协方差控制的异步数据融合方法

针对异步融合中心计算量大、实时性差的问题，基于估计协方差控制理论提出了一种多传感器异步数据融合算法．该算法在每步卡尔曼滤波的同时进行下一步的传感器选择，以最少的运算量得到较优的结果．通过计算机模拟仿真，证明了该算法的有效性及可行性．     

时间偏差校准分布式多传感器多目标跟踪算法

由于信号处理、量测采集延时等原因,导致多传感器系统中存在量测时间戳不准确,即量测时间偏差。针对量测存在时间偏差的分布式多传感器系统,提出一种时间偏差校准分布式多传感器多目标跟踪算法。在局部处理器,针对传感器量测存在虚警和漏检的情况,基于联合概率数据关联(JPDA)和扩展卡尔曼滤波(EKF)算法进行多目标跟踪,估计出存在时间偏差的局部航迹。在全局处理器,针对局部航迹时间偏差导致全局航迹精度下降的问题,首先,采用逆卡尔曼滤波基于局部航迹构造等效量测,针对匀速直线运动目标,推导出相对时间偏差伪量测方程并给出计算方法;然后,提出一种基于伪量测的相对时间偏差估计算法,采用递推最小二乘估计与卡尔曼滤波在空域及时域实现了相对时间偏差的联合估计;最后,设计一个时间偏差校准分布式多传感器多目标跟踪架构,联合进行时变时间偏差估计与补偿、"等效量测-全局航迹"关联和全局航迹更新。虚警和漏检下的多传感器多目标跟踪仿真结果表明:量测存在时间偏差情况下,所提算法可以有效提高融合后的全局航迹精度。     

基于小波变换的模糊航迹关联算法

航迹关联是实现分布式多传感器信息融合的关键技术.针对传统的模糊关联算法正确关联率低的问题,基于小波变换对传统的模糊关联算法进行了改进,提出一种新的航迹关联算法.首先,通过小波分析对目标航迹数据序列进行处理,获取新的航迹特征;然后,采用模糊均值聚类法确立隶属度函数、综合相似度和阈值判决准则,完成对已获取的新航迹特征的分类关联.仿真实验表明：与模糊算法相比,该算法的正确关联率提高约0.30.     

Decentralized estimation of sensor systematic error and target state vector

Multi-sensor data fusion has found wide uses in both military and civilian areas[1]. In multi-sensor information fusion systems, the fusion contains centralized, distributed, hybrid and multi-level structure[1].Refs. [2—4] discussed track fusion in distributed multi-sensor target tracking systems. Ref. [5] presented multisensor hierarchical estimation algorithms with feedback information. Their fusion methods did not deal with the systematic error that may degrade the performance of multisen…     

BP算法在位移传感器测量精度方面的应用

在较高精度位移测量中,需要对位移传感器的输出进行温度补偿。采用BP(Back Propagation)网络的多传感器数据融合方法,把位移传感器和温度传感器的输出作为网络的输入向量送入融合中心,通过BP网络训练,然后将标定样本送入训练好的神经网络,得到比较准确的位移输出。为克服传统BP网络算法收敛慢、容易收敛到局部最小点的缺陷,采用BP多层前馈神经网络改进算法对传感器特性进行补偿,用MATLAB仿真所得到的结果与原有的实验数据相比较,在相同的温度波动情况下,位移传感器的输出误差比原来的减小了3倍,而且大幅度地节省了时间。     

基于数据融合的日光温室传感器布设

针对北方日光温室内环境监测传感器的布设问题,设计了基于神经网络、分批估计理论与自适应加权平均融合算法的日光温室传感器布设方案.利用11个监测点采集到的温室内西红柿生长环境温度和湿度数据,在运用BP神经网络进行缺失值补全的基础上,结合分批估计理论和自适应加权平均融合算法进行多传感器数据融合.通过对比融合值与原始数据的相对误差,选择最佳传感器数据,以此为基础确定最优传感器布设区域.结果表明,相对于算数平均融合与自适应加权平均融合,基于分批估计的自适应加权平均融合方法可以更合理地反应多传感器数据特征.     

像素级多传感器图像融合技术

随着图像传感器技术的发展,多传感器图像融合已成为图像理解、计算机视觉以及遥感领域中的一个研究热点,并广泛应用于自动目标识别、智能机器人、遥感、医学图像处理和制造业等领域.像素级多传感器图像融合获取的原始信息量最多、检测性能最好、应用范围最广,是各级图像融合的基础.详细介绍了像素级多传感器图像融合的原理,着重分析总结了常用的像素级多传感器图像融合的算法与质量评价标准,探讨了多传感器图像融合的应用与发展方向.