带反馈信息的多传感器分层估计算法

为了改善局部节点和传感器级的跟踪性能,本文研究带反馈信息的多级式多传感器系统中的状态估计技术.在给出有反馈信息情况下传感器级状态估计解的基础上,本文提出多坐标系中有反馈信息的两层集中、分布和混合估计方程.在不同笛卡尔坐标系中,本文提出了几种带反馈信息的三层多传感器系统中的航迹级融合方法,其中包括集-分估计、分-分估计和混-分估计,并以定理的形式证明有、无反馈信息情况下的两类三层状态估计是等价的、最优的.仿真结果表明,在多传感器信息融合系统中引入反馈机制可以明显改善一些局部节点和传感器级的跟踪精度.     

两级混合多传感器信息融合中的状态估计

在混合式多传感器信息融合中,一部分传感器通过处理它们的数据产生局部航迹,另一顺则只提供检测报告,这些航迹和检测报告传到融合中心完成航迹融合和组合滤波。本文提出适合于两级混合式多传感器系统的全局最优状态估计解,在这种经 融合中心首先需要融 来自Ｌ个传感器的局部估计,然后基于其它Ｎ－Ｌ个传感器的观测,利用Ｋａｌｍａｎ滤波技术更新已融合的航迹,本文还考虑了各传感器分布拓不同地理位置时的状态估计问题。     

两级混合多传感器信息融合中的状态估计

在混合式多传感器信息融合系统中,一部分传感器通过处理它们的数据产生局部航迹,另一部分传感器则只提供检测报告,这些航迹和检测报告被传送到融合中心完成航迹融合和组合滤波。本文提出适合于两级混合式多传感器系统的全局最优状态估计解。在这种结构中,融合中心首先需要融合来自L个传感器的局部估计,然后基于其它N-L个传感器的观测,利用Kalman滤波技术依次更新已融合的航迹。本文还考虑了各传感器分布在不同地理位置时的状态估计问题。     

带反馈信息的分布多传感器航迹融合算法

为了改善传感器级的跟踪性能,本文研究带反馈信息的多传感器状态估计技术,在给出有、无反馈信息情况下的局部节点状态估计解的基础上,该文提出多坐标系中有、无反馈信息情况下的航迹融合方程,并指出有、无反馈信息情况下的两种融合解是等价的、最优的。仿真结果表明,在分布式多传感器信息融合系统中引入反馈机制可以明显改善局部节点估计精度,其性能又接近融合中心。在集中和雷达反隐身系统中,就空间重叠、覆盖而论,融合系统     

船舶动力定位多传感器闭环分级融合算法

为了改善船舶动力定位多传感器的融合性能,提出了一种多传感器闭环分级融合算法.该算法包括基于卡尔曼滤波的局部和全局两级估计,以全局融合信息的反馈作为局部估计的初始值进行时间更新,定义两级估计的映射关系并引入调节系数,自适应地调节全局融合增益.全局估计融入各局部估计过程中,两级估计组成了一个相互补偿的闭环系统.利用船舶半实物仿真系统的试验,仿真验证了该算法的有效性.     

带反馈信息的分布多传感器航迹融合算法

为了改善传感器级的跟踪性能,本文研究带反馈信息的多传感器状态估计技术。在给出有、无反馈信息情况下的局部节点状态估计解的基础上,该文提出多坐标系中有、无反馈信息情况下的航迹融合方程。并指出有、无反馈信息情况下的两种融合解是等价的、最优的。仿真结果表明,在分布式多传感器信息融合系统中引入反馈机制可以明显改善局部节点估计精度,其性能已接近融合中心。在集中和雷达反隐身系统中,就空间重叠、覆盖而论,融合系统局部节点一般选2至4个为宜。     

基于异质传感器的空间目标融合识别系统设计

在空间目标识别中有电磁、光度、红外、无线电等多种传感器信息可以利用,不同类型的传感器获得的信息在时域、频域和特征域上的冗余和互补,可以提高识别的正确率,扩展识别的时间和空间覆盖范围,而对于复杂的空间目标识别问题,不可避免的要用到多种分类方法,这些分类器的自动优化组合是融合识别获得良好性能的关键.本文分析了空间目标分布式传感器信息处理系统中的单传感器优缺点,并设计了基于多级增强融合结构的空间目标融合识别方案,给出了其系统级融合的软件设计.该方案能根据不同传感器和分类器的性质自动的对其进行优化组合,充分开发多分类器系统的潜力、提高异质多传感器融合识别的效率和稳健性.     

不同类型传感器的分层融合算法研究

在分布式多传感器数据融合系统中,各单传感器类型不同情况下的融合问题是一类普遍的问题.本文从分层融合算法的推导过程提出了一种解决这一类问题的方法,包括融合状态设定方法、对单传感器滤波结果的状态及其相应方差阵的扩维方法、扩维后的融合与预测方法.同时明确了这种扩维融合算法的实质.     

基于LMI方法的参数不确定多传感器系统的集中式融合估计

研究了范数有界不确定描述模型和多胞形不确定描述模型所代表的一类参数不确定多传感器系统的集中融合估计问题。应用H∞理论详细地比较了基于不同模型的两种融合方法时域和频域功能，给出了集中鲁棒融合估计的理论结果。并应用MATLAB的LMI工具箱，分析了仿真计算结果。     

基于线性融合模型的多传感器图像融合

本文提出了一种新的基于小波变换的多传感器图像融合算法,在线性融合模型中引入了传感器噪声项,算法首先给出了基于期望融合图像局部方差最大的多传感器融合系数估计方法,然后利用多传感器图像和融合系数估计期望融合图像.最后的实验结果表明了本文图像融合方法具有明显的噪声抑制能力,能够得到更好的融合效果.     

多传感器和数据融合(续)

文中介绍了多传感器集成及数据融合的概念、优点、结构、方法和应用,列举了传感器四种不同集成度的特点。数据融合把来自不同传感器或其它信息源的数据加以综合、相关、互联,以便提高定位和特征估计的精度。在数据融合过程中建模包括信号模型、噪声模型、变换器模型、数据变换模型以及融合模型。数据融合模型包括事例的方法和结构,文章介绍了集成式、分布式和混合式融合结构,并进行了比较。此外,还介绍了国外一些数据融合的试验     

多传感器和数据融合(一)

文中介绍了多传感器集成及数据融合的概念、优点、结构、方法和应用,列举了传感器四种不同集成度的特点。数据融合把来自不同传感器的、或其它信息源的数据加以综合、相关、互联,以便提高定位和特征估计的精度。在数据融合过程中建模包括信号模型、噪声模型、变换器模型、数据变换模型以及融合模型。数据融合模型包括融合的方法和结构,文章介绍了集成式、分布式和混合式融合结构,并对它们进行了比较。此外,还介绍了国外一些数据融合的试验系统,商业软件和应用的例子。     

一种基于分步式滤波的数据融合算法

本文提出了一种基于分步式滤波的多传感器动态系统数据融合算法.在由多传感器组成的分布式动态系统中,当对目标状态的所有观测值到来时,首先基于系统先前信息对该时刻目标状态进行预测估计,利用Kalman滤波器和各局部观测值依次对该时刻目标状态的估计值进行更新,从而得到该时刻目标状态基于全局信息的融合估计值.文中详细推证了融合算法的具体形式,并与传统的集中式数据融合算法在计算复杂度上进行了比较,计算机仿真表明该算法与传统的集中式算法对目标状态具有相同的估计精确度.     

多传感器网络系统基于无序估计的分布式信息融合

无线传感器网络的局部节点往融合中心传输信息时,不确定的随机延迟易使得信息无序现象频繁发生,从而导致传统信息融合方法的应用面临诸多难题和挑战。该文以带有任意随机延迟的多传感器同步采样系统为对象,研究无序估计(“Out-Of-Sequence” Estimate, OOSE)信息系统的最优分布式融合问题,最终建立一种新型的通用最优OOSE融合算法。与现有基于集中式框架的无序量测融合方法相比,新算法在融合精度和算法复杂度上均具有显著优势。算法分析和计算机仿真验证了新算法的有效性和优越性。     

多传感器分布式融合白噪声反卷积滤波器

基于Kalman滤波方法和白噪声估计理论,在按矩阵加权线性最小方差最优融合准则下,提出了带ARMA有色观测噪声系统的多传感器分布式融合白噪声反卷积滤波器,其中推导出用Lyapunov方程计算最优加权的局部估计误差互协方差公式。与单传感器情形相比,可提高融合估值器精度。它可应用于石油地震勘探信号处理。一个三传感器分布式融合Bernoulli-Gauss白噪声反卷积平滑器的仿真例子说明了其有效性。     

测量噪声相关线性系统异类传感器航迹融合

研究了异类传感器航迹融合问题。在测量噪声相关的条件下,利用线性无偏最小方差估计的基本理论,通过对异类传感器的状态估计采用顺序滤波的方法,得到了相关测量噪声线性系统异类传感器测量融合算法和状态矢量融合算法。计算机数字仿真结果表明,由于考虑了测量噪声之间的相关性,该算法比噪声不相关融合算法具有更好的跟踪性能,航迹跟踪的精度得到了改善。     

多目标多传感器的跟踪

多目标多传感器的跟踪是一个非常复杂的问题，其关键是数据的融合。单个传感器的多目标跟踪主要是解决数据的关联问题，多个传感器的多目标跟踪虽然有时也是解决数据关联问题，但是多传感器的数据关联就要复杂得多，它是一个多维的问题。文中主要介绍多目标多传感器跟踪网络构成策略及分级分布传感器跟踪的数据和轨迹融合方式。