基于传感器网络的多目标跟踪和特征管理方法

针对传感器网络下多目标跟踪时目标数量不断变化这一复杂情况,文中对多目标的跟踪和特征管理方法进行了研究。该方法由数据关联、多目标跟踪、特征管理,和信息融合所组成。其中未知数量多目标的跟踪和数据关联通过马尔科夫蒙特卡罗数据关联实现。通过信息融合来整合本地信息,获取所有相邻传感器的本地一致性,最终实现特征管理。试验证明,本方法能够在分布式的传感器网络环境下对多目标进行准确有效地跟踪和特征管理。     

多传感器信息融合的车载定位方法的研究

阐述一种利用多传感器信息融合技术提高车辆定位精度和可靠性的方法。首先,通过建立陀螺仪、加速度计和里程计传感器的数学模型和联邦卡尔曼滤波器数学模型,对SINS/GPS/OD传感器采集到的数据进行信息融合处理,提高系统定位精度和可靠性;其次,采用MATLAB对纯惯性导航系统、SINS/GPS/OD组合导航系统及其各子系统进行了数字仿真。仿真实验结果表明:本系统较纯惯性导航系统定位精度显著提高,并具备一定的容错能力。     

物联网安全体系及关键技术

从网络体系结构入手,详细阐述了电子产品代码(EPC)系统、信息物理融合系统(CPS)和无线传感器网络(WSN)系统的工作特点、安全现状、面临的安全攻击及其需要的安全防御方法.结合技术应用和发展,在提出融合不同物联网子系统的泛在物联网结构的基础上,重点从多业务数据融合和可靠控制方面,对其安全实现方法和管理机制进行了研究,并对所涉及的关键技术进行了讨论.     

农业物联网中多传感器数据智能融合方法研究

针对传统多传感器数据融合方法融合置信度较低的问题,提出一种农业物联网中多传感器数据智能融合方法,利用证据理论对农业物联网中多传感器数据的时空积累信息进行获取,利用获取的时空积累信息建立多传感器数据智能融合模型,通过该模型实现多传感器数据的智能融合。为了验证该方法的融合置信度,将该方法与基于Rough集理论的多传感器数据融合方法、基于数据信息转换的多传感器数据融合方法进行比较,实验结果表明,这三种方法的融合置信度分别是0.965,0.812,0.68。通过对比实验能够证明农业物联网中多传感器数据智能融合方法的融合置信度最高,充分说明了该方法相较于传统多传感器数据智能融合方法更加适用于农业物联网。     

一种导航传感器试飞基准获取方法研究

在简要分析导航传感器试飞现状的基础上, 提出了利用数据融合算法获取导航传感器数据基准的实现方案, 在方案中充分考虑了不同导航传感器的性能特性, 提出了基于集中Kalman滤波的试飞导航数据初步融合和在Kalman滤波基础上利用固定区间平滑滤波实现全局信息优化融合的导航传感器基准获取方法, 并利用试飞数据对融合算法进行了验证。结果表明: 该方法有效利用了不同传感器的特性和事后数据处理的优势, 融合输出精度较融合前有明显提高, 为导航传感器的试飞评估提供了新的思路和方法。     

基于接近度的多传感器数据融合方法研究

针对多个传感器对某一特性指标多次测量的数据融合问题,提出了一种基于接近度的多传感器数据融合新方法.该方法将各传感器的测得数据视为一个模糊集合,利用模糊集合的最大、最小接近度对不同传感器测得数据间的接近程度进行量化处理,并通过接近度矩阵度量各传感器测得数据的综合接近程度,以合理地分配测得数据在融合过程中所占权重,得到数据融合估计的最终表达式,从而实现了多传感器数据的融合.实例分析表明应用所提出方法可达到比传统方法更高的融合精度,方差估计进一步验证了该方法的有效性.     

D-S证据理论和粗集理论在数据融合中的应用

提出了一种由粗集理论和D S证据理论结合的多传感器数据融合方法 ,并将其应用于目标识别中。在目标识别的数据融合中 ,利用粗集理论对大量的传感器数据进行处理 ,判断出冗余传感器 ,得到传感器的最简组合 ,从而简化特征数据。然后利用D S理论实现目标的分类 ,改进分类的效果。因此 ,将两种方法结合起来应用于数据融合技术中来进行目标识别 ,为解决传感器数据超载以及不完整传感器信息融合提供了一种方法 ,且提高了识别的速度和效果     

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。     

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     

多传感器自主跟踪中的数据融合方法

为了提高光电跟踪系统的稳定性和自主跟踪能力,对多传感器数据融合算法和数据的有效性估计进行研究,提出一种多传感器自主跟踪算法。首先按照统计学方法,实时估计各传感器数据的误差协方差。然后按照均方误差最小准则,对各路数据进行融合。将最小二乘多项式拟合法和记忆衰减因子应用到误差协方差估计中,提高了融合结果的可信度。最后,提出一种多传感器跟踪数据切换策略,自动选择有效传感器数据中置信度最高、跟踪效果最优的一路数据,从而实现自主稳定跟踪的目的。实验结果表明,使用改进后的数据融合算法比原始方法的最终传感器选择结果正确率提高37.5%左右。在几种典型的传感器数据异常情况下,该数据融合算法和多路数据切换策略能够完成自主跟踪的目的。     

宽带微波被动/红外复合制导数据管理策略研究

多传感器数据管理策略是多模复合制导数据融合的核心问题之一.实际战场环境中传感器数据状态复杂多变,为了充分利用各传感器资源使系统性能达到优化,需要根据不同的数据状态采取相应的管理策略来有效控制和管理这些传感器.提出了基于多传感器实时测量数据状态的数据管理策略问题并分析了其重要性和复杂性.在分析宽带微波被动/红外复合制导数据融合处理流程的基础上进行了数据管理策略的分解和设计.最后通过仿真实验验证了该策略的有效性.     

一种多传感器数据融合系统方案研究

随着科学技术的飞速发展,战场中传感器的种类和数量不断增加,战场的环境也变得越来越恶劣,迫切地需要多传感器的数据融合来为指挥员提供高可信度的数据,供指挥员参考。通过对融合源数据进行分析,提出基于表决法和证据理论的多传感器融合系统方案。对框架的各部分功能模块进行分析,针对性的选择二阶预测、证据理论等算法。在融合模块中,对于不同性质的数据也选用不同的算法。通过仿真验证了系统的有效性。     

基于改进D-S 证据理论的多雷达自适应数据融合

针对多雷达数据融合时融合结果精度较低问题,提出一种基于改进D-S 证据理论的自适应融合算法。该算法将单传感器多时刻时域融合和多传感器空域融合相结合。首先,利用盒状图对单传感器测量值分类优化,进行单传感器时域融合;再根据文中提出的改进证据冲突程度判据,对高冲突的局部证据进行修正,并选择相应的多传感器空域数据融合算法。仿真分析表明,文中算法具有较好的可行性与有效性,同现有的多雷达数据融合算法相比,文中算法能够有效降低融合过程中产生的系统误差,且融合结果更加可靠、精确。     

用反演理论建立抗干扰新方法

回顾了反演理论基本方法及其在地球物理学、传感数据融合与太阳地震学中的应用范例。提出了运用反演理论研究通信抗干扰新方法的总休思路，论述了其关键问题，建立并用数学形式化语言描述了通信抗干扰反演的基本原理与基本方法。给出了通信抗干扰反演实例。     

基于分辨力的融合目标识别系统中的传感器管理方法研究

针对融合目标识别系统传感器管理过程信息不确定性的特点,首次提出了一种基于分辨力的目标识别系统中的传感器管理方法.该方法从分辨力的角度出发,利用D-S证据理论进行推理,在满足约束的条件下,依据使系统预测识别分辨力最大的原则进行优化,实现传感器资源的管理.实验仿真证明了该方法的有效性和合理性.     

D-S证据理论在雷达目标识别中的应用

为解决雷达终端目标识别问题,采用基于推理的数据融合方法。分析了Dempster-Shafer(D-S)证据理论用于多传感器数据融合的基本概念和理论,并结合最小风险准则将其应用于雷达终端目标识别的数据融合中。实验结果证明了基于融合后的识别结果较单传感器单周期的识别结果好,验证了这一方法的正确性和有效性。     

多传感器信息融合技术应用研究

近年来,情报、监视和侦察领域的多传感器信息融合技术研究飞速发展,应用领域不断扩展,显示出巨大的优越性,发挥了重要作用。战场的数字化对战场侦察监视领域的多传感器信息融合的质量和效率都提出了更高的要求。根据多传感器信息融合技术的研究现状,从运用的角度出发,结合当前建设中存在的一系列问题,对战场侦察监视领域多传感器信息融合技术的主要作用和工作特点进行了比较深入的研究,分析了多传感器信息融合技术在战略预警探测、地面传感侦察、雷达组网监视、图像情报处理和机载多传感器集成等ISR领域的应用特点和前景。     

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。     

基于证据理论的ATR系统传感器管理方法

随着信息融合技术和传感器技术的发展,融合目标识别系统的应用更为广泛,其规模也在不断地增大.为了满足战场应用的需求,一套识别系统中往往包含有多个不同种类、不同性能的传感器,而对于它们的综合管理方法的研究则甚少.为了更好地管理融合系统中的多个传感器,使识别系统的整体性能和效能达到最优,提出了一种新的基于D-S证据理论的融合目标识别系统中的传感器管理方法,分析了其合理性、可行性以及可能存在的问题,并给出了初步的解决方案.最后通过仿真实验及结果分析说明了方法的有效性和合理性.