用卡尔曼滤波方法实现运动平台多传感器配准

目的针对运动平台的多传感器系统,研究一种能有效地估计配准误差并消除其影响的算法．方法提出用卡尔曼滤波方法估计失调误差和姿态误差,该方法首先估计失调误差,然后利用不含失调误差的模型,估计并消除姿态误差．结果该算法能有效地估计多传感器系统的配准误差,使融合数据确定性明显增强．结论将卡尔曼滤波算法应用于运动平台的多传感器数据配准,它能有效估计配准误差,对于传感器的数据融合有重要的意义．     

异步数据融合的传感器配准

针对异步多传感器系统 ,研究一种能有效估计配准误差并消除其影响的算法 .提出用最小二乘法和卡尔曼滤波算法分别进行时间配准和估计失调误差和姿态误差 .仿真结果证实了算法的有效性 .采用最小二乘法可以将数据压缩“对齐”到任意时刻 ,采用卡尔曼滤波算法可以估计并消除配准误差的影响 ,这对多传感器的数据融合具有重要的意义 .     

一种基于神经网络和UKF的自适应目标误差配准方法

针对多传感器数据融合的误差配准问题,提出了一种自适应的误差配准方法。该方法使用无迹卡尔曼滤波方法训练神经网络,在偏差先验模型未知的条件下,通过学习待配准目标量测与配准目标之间的误差变化,实时估计配准误差并同时将其应用于目标状态估计。仿真实验表明,该方法能够实时有效地估计目标配准误差和目标状态。     

基于回归分析的多传感器时间配准跟踪方法

为提高大数据量情况下目标跟踪数据处理效率,将各传感器获取的目标测量值在时间轴上依次排列,利用成组序贯数据回归分析的目标跟踪方法,实现时间配准与目标跟踪的同步处理.首先对滤波曲线两点回归分析,逐一预测各观测点到达时刻的置信区间,筛选关联点;然后按系统处理周期分组,对关联点进行成组观测数据回归分析,计算出观测融合点,再用观测融合点更新滤波器新息;最后在Kalman滤波器框架下,实时更新运动方程,递推完成目标连续跟踪.仿真结果表明,本文时间配准跟踪方法能同步完成时间配准和目标跟踪,在节约资源的同时提高系统跟踪精度.     

一种多传感器时间配准方法

针对多传感器数据融合系统中观测数据时问不同步的问题，采用自适应α-β滤波算法与Lagrange插值法结合进行时问配准．与现有算法比较，此方法可与目标跟踪同步进行．仿真表明，该方法配准实时性强，且简单，可提高融合效率．     

机动目标的IMM扩展卡尔曼滤波时间配准算法

针对目前研究的时间配准方法是在目标运动模型已知的情况下进行时间配准,难以保证目标在复杂机动情况下运动模型多变时的时间配准精度。提出了机动目标的交互多模型扩展卡尔曼滤波(IMM-EKF)时间配准算法,该算法将交互多模型中的每个运动模型分别进行扩展卡尔曼滤波输出同时根据滤波过程中得到的残差计算每个模型的概率,根据模型概率和各模型滤波输出得到时间配准周期内最后一个采样点的测量数据,利用该点的状态和模型概率进行外推就得到时间配准周期和传感器采样周期不成整数比时配准时刻的位置。通过仿真结果表明该算法能够有效降低整体的时间配准误差。该算法提高了时间配准的精度,为数据融合提供了良好的基础。     

神经网络在多目标跟踪融合中的应用研究通过鉴定

江苏科技大学电子信息学院主持研究的“神经网络在多目标跟踪融合中的应用研究”项目通过了成果鉴定。多传感器数据融合是一项新的技术。多传感器多目标跟踪是多传感器数据融合中的一个典型应用。其主要包括三大部分：数据配准、数据（航迹）关联和目标状态估计，通常有分布式、集中式、混合式等结构。目前，多传感器多目标跟踪融合是一个热门的研究课题，在国防和民用领域具有重要的应用价值。     

基于控制点的一种高光谱图像配准方法

提出了一种改进的基于控制点(control points,CP)的高光谱图像配准算法,该方法利用Forstner算子对不同类型传感器所获取的图像进行特征点提取,然后用2种方法对同名特征点进行有效匹配,最终利用一个仿射变换实现高光谱图像与高分辨率图像的配准。通过实地图像成像实验、图像配准实验和图像融合验证实验,证明了算法的有效性。     

二维多传感器误差配准算法分析

针对二维多传感器误差配准问题,研究目前已有的典型的系统误差估计算法,包括实时质量控制法、最小二乘法、广义最小二乘法、基于Kalman滤波的实时误差配准算法和精确极大似然法等.首先分析比较这几种算法的模型和原理,然后建立一个合理的仿真环境对各种算法中的系统误差估计性能进行仿真比较,最后分析各个算法的性能及其优缺点,为实际应用中根据不同环境选择不同算法提供一种可靠的参考依据.     

基于地心地固坐标系的多传感器实时配准方法

针对立体投影配准算法的不足,在分析广义最小二乘方法的基础上,提出了基于地心地固坐标系的实时配准方法.该方法选定一个传感器为数据处理中心,建立配准模型,采用序贯最小二乘方法和卡尔曼滤波方法来估计系统偏差,实现了误差的实时估计,便于工程应用实现.仿真表明了该方法的有效性.     

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…     

近程防空武器网络化跟踪系统初探

目的　研究多探测器航迹滤波与互联新技术与新方法 .方法　把数据融合的基本理论和计算机网络技术应用于近程防空武器的跟踪系统中 .结果　得到了近程防空武器网络化跟踪系统的框架 .结论　应用数据融合和计算机网络技术可以提高近程防空武器的使用效率     

神经网络数据融合在位移传感系统中的应用

温度漂移误差是位移传感系统的主要误差之一.为了提高位移传感器输出的精度与稳定性,可以把位移传感器的输出与温度传感器的输出进行数据融合.提出一种基于RBF网络(径向基函数神经网络)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送入融合中心,通过RBF网络的学习训练,得到稳定的位移输出.实验表明:在相同的温度波动情况下,位移传感器的输出稳定性比原来提高了约4倍.该方法在位移传感系统减小温度漂移的应用中十分有效.     

Sensor Registration Based on Neural Network in Data Fusion

The contents of sensor registration in the multi-sensor data fusion system are introduced, and some existing methods are analyzed. Then, one approach to sensor registration based on BP neural network is proposed. Here the measurements from radar are transformed from the polar coordinate system to the Cartesian coordinate through a BP neural network. With this approach, the systematic errors are removed as well as the coordinate is transformed. The efficiency of this method is demonstrated by simulation, and the result show that this approach could remove the systematic errors effectively and the DAR are closer to real position than DBR.     

Reduced parameter model on trajectory tracking data with applications

The data fusion in tracking the same trajectory by multi-measurernent unit (MMU) is considered. Firstly, the reduced parameter model (RPM) of trajectory parameter (TP), system error and random error are presented,and then the RPM on trajectory tracking data (TTD) is obtained, a weighted method on measuring elements (ME) is studied and criteria on selection of ME based on residual and accuracy estimation are put forward. According to RPM,the problem about selection of ME and self-calibration of TTD is thoroughly investigated. The method improves data accuracy in trajectory tracking obviously and gives accuracy evaluation of trajectory tracking system simultaneously.     

无线移动传感器网络的分布式目标跟踪算法

为了满足无线移动传感器网络(WMSN)的目标跟踪应用要求,提出了一种分布式目标跟踪算法,可使用节点引导保证WMSN的网络动态连通性;在传统分布式数据融合体系结构的基础上结合平均一致性滤波器实现了低通信开销的优化分布式数据融合．仿真结果表明,该算法在WMSN中目标跟踪效果良好,且数据融合性能优于传统分布式数据融合算法．     

炮兵系统多目标定位与跟踪建模

研究炮兵系统多传感器多目标定位和跟踪的建模方法.建立了炮兵系统多传感器信息融合模型的总体结构,在闭环和聚类概念的基础上,提出了一种简单可行的融合算法,并给出了状态估计的最优解.仿真结果证明了在稀疏目标环境下,这种算法对于多静态目标定位和多运动目标跟踪是行之有效的.这种方法可直接用于炮兵C3I系统.     

多传感器时间对准方法的研究

分析了多传感器数据融合时间不同步、数据率不一致的特点，在此基础上提出了利用曲线拟合的方法进行时间对准的算法，该方法可以将不同传感器测得的不同采样周期的数据对准到同一时间点上，以便进行特征提取与数据融合。与现有算法相比较，该算法计算简单，速度快，提高了融合效率。     

基于无线传感器网络的分散目标跟踪：实际测试平台的开发应用（英文）

In the real world, centralized tracking in a largescale wireless sensor network (WSN) may not be feasible due to the possible failure of fusion centre and the large communication delay in forwarding measurement data to the fusion centre. Distributed target tracking techniques can be employed by tasking sensor nodes near to the target to perform sensing, target state estimation and selection of future tasking sensor nodes. In this paper, the development and implementation of a prototype ultrasonic WSN testbed to demonstrate distributed target tracking using the Extended Kalman Filter (EKF) algorithm is described. In the testbed, a mobile robot is used to simulate the moving target, and static／mobile sensor nodes are deployed to detect and track the target. The sensor nodes and robots are equipped with sonar and MICAZ to receive and process instructions. Experimental evaluation of a number of sensor scheduling schemes are reported which shows the superior tracking performance of our distributed competition based sensor scheduling scheme.