贝叶斯数据融合中“模糊”数据随机集模型的探讨

基于随机集理论运动物体轨迹的检测、提取、识别和跟踪是比较前沿的研究课题之一;有限集统计理论的核心是多源、多目标微积分计算。随着GPS、GIS的快速发展,为GPS、GIS提出了更高的要求;怎样处理具有多源、多目标传感器＂模糊＂数据是当前工程技术人员急需解决的问题。将贝叶斯方法论进行推广,利用有限集统计理论的专家系统方法（如模糊理论、D-S证据理论）,可以使得不完整特性的传感器数据得到处理。     

基于UKF的变采样率多异质传感器异步数据融合

针对异质传感器数据融合能够实现信息互补,改善目标跟踪精度,提出了一种多异质传感器在变采样率下的异步量测融合算法,即首先将多传感器数据组合成类似于单传感器数据的异步数据处理方法,进行点迹合成,再将合成后的虚拟量测对当前时刻的目标状态进行更新.变采样率跟踪是基于网络或栅格多传感器异步融合跟踪的基础,通过引入时戳的概念给出了基于UKF(Unscented Kalman Filter)的具体融合算法,最后通过仿真验证了该算法的有效性。     

最优加权与递推最小二乘法相结合的多传感器信息融合

为改善多个同类传感器检测目标参数的性能,提出了根据各传感器量测数据品质对量测数据加权处理,并将加权后的数据作为递推最小二乘法的实时量测值的最优加权与递推最小二乘法相结合的多传感器信息融合方法.仿真结果表明,该方法在数据处理的精确性和稳健性方面都优于普通的处理方法.     

基于改进PSO算法的多传感器管理方法

多传感器信息融合中多源信息的融合问题.是典型的组合优化问题,其计算鼍随着维数的增加而出现指数爆炸现象,根据PSO算法解决组合优化问题的能力,提出了利用改进PSO算法解决问题的方法.通过对目前存在的传感器管理算法以及传感器自身特点的分析.建立了一个综合传感器信息增量和处理时间的目标函数.实验结果表明,改进的PSO算法能使融合在信息源的可靠性、信息的冗余度/互补性以及进行融合的分级结构不确定的情况下,以近似最优的方式对传感器数据进行融合.     

一种多传感器数据融合模型的研究

针对地面目标多传感器数据融合的问题,建立了多源多目标异时数据融合模型.首先利用抛物插值法进行时间配准,使其状态信息都在统一的时间点上,采用最近邻域法进行当前目标和已有目标的关联,最后用加权法对不同传感器的数据进行融合.仿真实验验证了模型的有效性.     

面向多源大数据云端处理的成本最小化方法

云计算为大数据处理提供了一种强大而高效的解决方案.在此模式下,数据管理者（Data Manager,DM）可以租用多个数据中心以实时处理地理分散的数据.然而,由于数据产生的动态性以及资源价格的波动性,将数据迁移至哪些数据中心并提供合适的计算资源来处理它们成为DM低成本处理多源数据的一大问题.本文首先将以上问题转换成联合随机优化问题,然后利用李雅普诺夫（Lyapunov）优化框架将原问题分解成两个独立的子问题进行求解,最后基于求解结果设计在线算法.理论分析表明,所提算法可不断趋近线下最优解并能够保证数据处理时延.在WorldCup98和Youtube数据集上的实验验证了理论分析结果的正确性以及本方法的优越性.     

基于自适应遗传算法的多传感器多目标静态数据关联

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题,而常见的关联算法要私计算量大,要私实际动用中效果不理想。本语文提出了利用自适应遗传算法来解决在传感人、检测空域中目标个数未知情况下,单平台多传感器数据融合系统对目标进行检测时的静态数据关联问题。实验结果表明,这种算法具有很高的关联成功率,并且提高了多传感器数据融合系统的检测概率。     

多传感器广义概率数据关联算法研究

随着跟踪环境、跟踪对象的不断变化与发展,目标与量测已经很难用一一对应的关系去描述;广义数据关联算法（GPDA）提出目标与量测多多对应的可行性规则,其性能在目标与量测无论是否在一一对应的情况下,均优于传统的JPDA算法,并且计算量、存储量均远小于JPDA;考虑到GPDA的上述优点,将GPDA算法拓展到多传感器数据关联,提出了多传感器广义概率数据关联算法（MSGPDA）来处理多传感器数据关联问题;仿真表明,MSGPDA算法由于利用多传感器信息,性能得到明显提高。     

多传感器多目标跟踪的粒子PHD滤波算法

针对单传感器跟踪系统的缺陷,提出了基于粒子概率假设密度(PHD)滤波的多传感器多目标跟踪算法.这种算法不仅避免了多传感器多目标跟踪的数据关联问题,而且在漏检、目标密集、航迹交叉、小范围内目标数多的杂波环境下能够稳定、精确地估计目标状态和目标数.仿真实验比较了单传感器粒子PHD滤波与多传感器的粒子PHD滤波的跟踪性能,验证了该方法的跟踪性能和精度.     

多无源传感器的在线配准

为估计无源传感器的角度偏差,在只有角度测量信息的前提下,提出了多无源传感器的在线配准方法.该方法运用几何知识,由传感器测量的多个角度数据得到目标的估计距离,通过估计距离进行在线滤波器的初始化,进而实时估计传感器的角度偏差;并给出了配准模型的Cramer-Rao下限(CRLB).Monte-Carlo仿真表明:该方法能有效地估计无源传感器的角度偏差,同时得到目标航迹.     

基于链路共享的多源选播路由算法

选播（manycast）作为一种新型的通信模式,吸引了研究人员越来越大的兴趣。MSPT（Manycast Shortest Path Tree）算法是一种应用广泛的选播路由算法。但是,它没有考虑整体网络资源的利用;DDMC（Destination-Driven for Manycast）算法较好地解决了单源点选播最小生成树问题,但应用场景只是针对“一个对多个中的任意个”。针对“多个对多个中的任意个”的多源选播路由问题,在DDMC算法的基础上作了一些改进。仿真实验结果表明,改进的选播路由算法MBLS（Manycast Based-Link-Share）基于链路共享机制,在空间复杂度和时间复杂度相同的情况下,在选播森林每源点成本上优于MSPT算法。     

动态无线传感网中低延迟高可靠的数据查询机制

查询处理作为大规模无线传感器网络中智能服务的一个重要操作,可以根据用户需求对网络中的感知数据进行检索和回传.然而,部署在恶劣环境中的无线传感网络,节点容易遭受外力破坏,或者自身资源(能量、存储等)有限,可能会导致节点发生位移和故障,从而造成网络拓扑不断改变以及部分节点的感知数据失效.同时,由于节点感知数据容量大、传输带宽有限以及网络链路不可靠等情况,可能会造成网络通信时延大大增加.这些因素使得快速、可靠的数据查询处理成为无线传感网中一个难题.为了解决这个难题,提出一种动态网络中低延迟高可靠的数据查询机制.该机制是一种非聚合随机查询方式,通过将传感节点划分为源节点和查询节点来实现数据查询.首先,根据监测事件将网络划分为若干个子区域,每个子区域中的源节点相互协作,并按照时间顺序依次轮流监听该区域的事件信息;接着,源节点根据预估的平均节点故障概率,计算出一个合理的备份数量,并将源数据按照该数量存储到邻居节点中,以降低源数据的失效概率;然后,为了加快数据查询速度,源节点定期对源数据块进行编码压缩,并选取剩余能量和存储空间较小的多个邻居节点作为下一跳接收节点.这些接收节点基于局部区域中节点个数大小,决定是否接收存储该报文.重复上述过程,直至压缩数据均匀地分布在网络中.另一方面,查询节点接收到查询请求时,也使用负载均衡多路分发方式将查询请求传输到部分节点上.为了避免目标数据的冗余回传,当查询请求成功查询到目标数据时,目标节点先修改访问位,再选取与查询节点距离最近的邻居节点作为下一跳接收节点,迭代执行上述操作,直到用户获得所需要的事件信息.在以上过程中,为了节省节点能量,在保证高成功查询率的条件下,建立通信能耗最小化的优化模型,计算出最优的压缩数据副本数和查询消息副本数,之后,源节点和查询节点分别按照该数量进行副本数据分发.最后,理论分析和实验结果表明,与其它四种查询算法相比,提出的查询机制具有更高的查询成功率、更低的通信能耗和通信时延.     

多基准站GPS定位靶场测试方法研究

在靶场试验过程中,传统的单基准站由于基线长度的限制使其作用范围有限,从而超出一定距离后,差分精度随着大气误差相关性的减弱而明显受到影响;为了解决靶场GPS单频伪距差分定位距离远时精度下降问题,提出了多基准站GPS定位伪距差分定位方法;该方法深入分析伪距方程和伪距差分定位之间的关系;建立靶场基准站网络实时接收目标定位数据和基准站定位数据并实时传送到控制中心;利用基于距离的线性内差模型,设计多基准站数据处理算法和多基线测量数据加权处理方法,实时解算目标定位信息;测试结果表明,多基准站GPS定位伪距差分定位方法,能够有效地解决常规单基准站伪距差分定位精度随用户站与基准站距离增加而降低的问题,同时提高了测试精度。     

基于D-S理论的震动信号目标识别研究

为了解决干扰情况下地震动信号发射源的定性问题,提出了在决策层上的多传感器数据融合的识别方法。利用定位传感器组中各个传感器得到的数据,同时考虑在同一个定位组中各个传感器所得数据的置信度不同,来对地震动信号发射源性质进行识别。实验结果证明了基于D-S证据理论的目标识别数据融合后,地震动信号发射源特性识别的可靠性明显大于单个传感器的识别效果,这也表明了多传感器融合识别的可能性和有效性。     

传感器网络中基于预处理证据理论的数据融合

在无线传感器网络中,多个传感器节点对于同一个目标的识别结果经常会发生冲突。使用基于D-S证据理论的数据融合方案可以较好地解决这一问题。然而,采用D-S证据组合公式计算融合结果,随着可能的目标身份的增加,计算量会迅速增长。针对传感器节点有限的处理能力和节点的决策数据具有高冗余性的特点,提出通过预处理来减少计算时需要处理的目标身份的个数,减少了计算量;并通过一致性检验排除了误差较大的数据,从而使得决策结果更准确。     

遥测GPS/BD定位数据实时引导雷达局部组网技术

为满足靶场航落区外弹道测试以及关键段测试需求,利用弹载GPS/BD导航信息误差固定、不会随时间累加的特点,结合遥测地面站波速角宽的测试优势,提出一种利用遥测GPS/BD定位数据实时引导雷达局部组网技术。该方法首先对遥测地面站接收到的GPS/BD数据进行实时解算、坐标转换;然后通过指控网络将引导数据实时发送至雷达,实现遥测引导雷达。为保证整个传输过程数据可靠稳定,通过添加校验后再传输的方法,提高传输数据质量。通过实际应用,该方法可以稳定可靠的引导雷达完成测试任务。     

平板导电结构缺陷脉冲涡流和超声复合检测方法

面向平板导电结构不同深度缺陷检测需求,针对脉冲涡流和超声单一检测方法能力受限,即脉冲涡流对深层缺陷检测能力降低与超声对表面和近表面缺陷检测效果不佳的问题,提出利用两传感器信息互补的Dempster-Shafter(D-S)证据理论复合检测方法.针对脉冲涡流和超声两种检测方式适用检测区域不同而引起的证据冲突问题,研究加权分配方法加以解决.对于单传感器检测过程中可能存在误报情况的问题,研究将实际误报率考虑在内的贝叶斯推理方法以求得单一传感器检测结果的基本概率分配函数并作为D-S证据.将带有不同深度缺陷的平板导电结构作为实验对象,通过单一传感器检测、贝叶斯估计、D-S证据理论方法进行不同深度位置的缺陷检测,结果表明,使用引入加权分配的D-S证据推理方法时,缺陷检测准确性和检测范围均有所提高.     

面向目标跟踪的混合WMSN设计与实现

设计了一个面向目标跟踪的混合无线多媒体传感器网络,主要实现了低功耗的无线图像传感器节点、无线温度传感器节点和服务器软件。对节点和单Sink下的网络性能进行了测试。结果表明：相比较于Cyclops和MeshEye,无线图像传感器节点的处理速度分别从8 MHz和55 MHz提高到240 MHz;处理器工作在188 MHz时的能耗是52.7 mA,低于Imote在104 MHz时的66 mA工作电流;当错包率接近0时,网络实际带宽约36 kb/s;基于Shape Matching的目标跟踪数据处理策略有效地降低了能量消耗。     

基于渐进多源域迁移的无监督跨域目标检测

针对目标检测任务中获取人工标注训练样本的困难, 提出一种在像素级与特征级渐进完成域自适应的无监督跨域目标检测方法. 现有的像素级域自适应方法中, 存在翻译图像风格单一、内容结构不一致的问题. 因此, 将输入图像分解为域不变的内容空间及域特有的属性空间, 综合不同空间表示进行多样性的图像翻译, 同时保留图像的空间语义结构以实现标注信息的迁移. 此外, 对特征级域自适应而言, 为缓解单源域引起的源域偏向问题, 将得到的带有标注的多样性翻译图像作为多源域训练集, 设计基于多领域的对抗判别模块, 从而获取多个领域不变的特征表示. 最后, 采用自训练方案迭代生成目标域训练集伪标签, 以进一步提升模型在目标域上的检测效果. 在Cityscapes & Foggy Cityscapes与VOC07 & Clipart1k数据集上的实验结果表明, 相比现有的无监督跨域检测算法, 该检测框架具更优越的迁移检测性能.     

基于流形结构的多源自适应迁移学习算法及应用研究

迁移学习是将源域的知识迁移解决目标域问题的方法,能有效解决数据分布不一致的问题.针对多源域迁移时传统方法缺乏对多源域的可迁移性的合理分析和迁移效果的有效处理问题,提出一种基于流形结构的多源自适应迁移学习的方法,旨在提高单源域迁移效果的同时实现多源域的有效迁移.首先,对多源域进行可迁移性分析,选择可迁移的源域;然后,适配边缘分布和条件分布并引入均衡因子得到均衡分布适配,同时利用流形正则化约束数据结构,使单源域的信息使用最大化;最后,通过加权因子对不同源域分类器进行自适应加权,充分利用多源域的信息求解目标域问题.将该算法应用于滚磨光整加工中滚抛磨块的优选,通过建立滚抛磨块的相似度匹配方法,构建基于流形结构的多源自适应迁移学习的滚抛磨块优选模型.大量对比实验表明所提出方法表现更佳,准确率最高至73.44%,可以为滚磨光整中滚抛磨块的选择提供更有效的决策指导.