多传感器一步延迟OOSMs序贯融合滤波

该文提出了一种序贯式多传感器一步延迟无序量测的融合估计算法.针对现有系统中存在的延迟量测问题,在单传感器一步延迟无序量测最优更新A1算法的基础上,引入序贯递推的思想,在线性最小方差准则下,提出了一种序贯式的多传感器一步延迟无序量测最优融合算法,提高了多OOSMs融合估计的实时性.仿真验证了该文算法的有效性和最优性.     

两个异类传感器数据融合

介绍了一种基于两种传感器———雷达和红外传感器的数据融合算法 .假定这两种传感器具有不同维数的测量数据 ,并且以不同的采样周期传送到中央处理器 ,通过时间配准技术 ,对两个异步采样数据进行融合处理后 ,再对融合后的数据进行滤波更新 .结果表明滤波精度得到提高 .     

一种基于多特征融合的视频目标跟踪方法

针对复杂场景下多特征跟踪算法适应性不强的问题,提出一种多特征有效融合和更新的目标跟踪方法.该方法首先在粒子滤波框架下采用加权融合的方式对目标进行多特征观测和相似性度量,通过分析粒子的空间集中度和权值分布建立一种有效的融合系数计算方法,使融合结果更加准确可靠.然后选取可信度高的特征检测遮挡,并动态调整目标模型的更新速度,以降低算法受目标变化和部分遮挡的影响.实验证明该方法对复杂的跟踪场景具有更强的鲁棒性,并适用于目标被遮挡时的跟踪.     

多模型融合故障诊断技术的研究

随着工程应用的需要,基于模型的故障诊断技术已经成为可靠性工程的重要研究内容。在基于模型的故障诊断技术中,定性模型与定量模型各有其优缺点,一个实用的系统需要将二者有机地结合在一起。给出一种由定量模型产生定性模型的方法。最后给出一个二阶系统的算例,说明本方法具有较大的工程实用价值。     

基于交互多模型的改进无迹粒子滤波算法

为了提高机动目标的跟踪精度,提出了适用于非线性非高斯系统的基于预测残差的交互多模型自适应无迹粒子滤波算法.该算法将无迹粒子滤波与交互式多模型的优点相结合,通过UT变化构造粒子滤波的建议分布函数,利用预测残差在线对测量协方差和状态协方差进行自适应调节,以改进执行和计算的有效性从而降低计算误差.仿真结果表明,与交互式多模型粒子滤波、交互式式无迹粒子滤波算法相比,该算法具有更好的跟踪精度.     

基于多传感器融合的鸡肉新鲜度检测方法

为了快捷、无损检测鸡肉新鲜度,建立了一套基于电子鼻和力学参数两种传感器以及神经网络识别技术的智能检测系统。根据鸡肉腐败机理,合理选择传感器。采用RBF神经网络作为模式识别方法。经理化试验证明系统检测鸡肉新鲜度准确率达93.65%,结果表明设计的融合系统检测鸡肉新鲜度是可行的。     

一种车辆机动目标跟踪的多传感器信息融合估计算法

为了保证自动高速公路系统对车辆机动目标的实时、精确跟踪,提出了一种车辆机动目标状态的多传感器信息融合估计算法.建立了车辆运动状态的离散时间多模式非线性动态系统模型,利用当前时刻的各个传感器量测数据,结合交互式多模型和扩展卡尔曼滤波器得到各个局部状态估计值和滤波误差协方差阵,并采用动态加权信息融合准则获得更为精确的车辆融合航迹估计值.通过仿真验证表明这种多传感器信息融合估计算法能实时有效地提高车辆机动目标跟踪精度.     

多传感器信息融合技术研究

多传感器信息融合技术被广泛应用于自动目标识别、医疗诊断、图像处理、模式识别、工业监控等领域。本文主要阐述了多传感器信息融合技术的概念,并对多传感器信息融合的常用算法进行了介绍。     

基于多传感器的数据融合技术

近年来,多传感器数据融合技术已受到广泛关注,它的理论和方法已被应用到许多研究领域。主要论述了多传感器数据融合技术,介绍其概念、原理、结构、方法及应用,并总结了当前数据融合研究中存在的主要问题及其发展趋势。     

基于多源数据融合的统计数据空间网格化模型研究

统计数据调查多以行政单元为空间范围,为解决其在多源数据综合应用分析等方面的空间范围局限性,需对其进行网格化转换.提出一种基于多源数据融合的通用模型,先确定影响统计指标分布的因子,然后对单元格进行各因子的影响权重计算,将各因子的权重值叠加,最后通过单元格上的权重值和去调整统计指标值的分布.实验表明,该模型在基于遥感、地形、生态等数据融合基础上,能使网格结果在空间分配上更科学化.     

基于矩阵加权多模型融合的认知跟踪波形设计

针对机动目标状态跟踪问题,认知雷达能够调整发射端波形来获取持续、稳健目标跟踪信息.本文基于矩阵加权多模型融合思想引入一种新的面向机动目标跟踪的认知雷达自适应波形设计方法(Adaptive waveform design method based on Matrix-weighted Interacting Multiple Model,AMIMM).首先,利用多模型思路对机动目标状态进行建模,并考虑各模型目标状态估计及其误差协方差矩阵中元素间相关性,以矩阵加权融合方式代替传统概率加权方式,进而构造基于矩阵加权多模型信息融合的跟踪算法框架;然后,以多模型状态融合后的状态估计误差协方差矩阵为基准,利用特征值分解(Eigen Value Decomposition,EVD)技术求取融合后状态估计误差协方差矩阵对应椭圆参数;最后,通过分数阶傅里叶变换(fractional Fourier transform,FrFT)来旋转雷达量测误差椭圆,使得量测误差椭圆与融合后目标状态估计误差椭圆正交,从而获得下一时刻认知波形参数,实现波形自适应捷变.仿真实验表明,与当前流行多种算法相比,本文所提算法能够进一步提高机动目标跟踪精度和稳健性.     

基于决策融合的异构网络选择算法

在异构网络重叠覆盖的环境下,为满足用户QoS需求、实现网络负载均衡,提出了一种基于决策融合的网络选择算法,通过融合多种主观赋权法和客观赋权法的赋权结果,利用Kendall一致性系数检验和平均灰色关联度作为一致性准则来确定各权向量的一致性,并结合TOPSIS法决定组合权向量的权重系数。仿真结果表明,该算法能够满足用户QoS需求,平衡各网络负载,有效减少网络乒乓切换次数。     

多方法融合的粒子滤波算法的神经丝自动跟踪

神经丝蛋白质是医学中研究肌萎缩侧索硬化症病情进展的标志物.为了能精确捕获某种神经丝蛋白质在神经鞘中的活动特性,引入了一种多方法融合的粒子滤波算法跟踪神经丝蛋白质的运动.该算法汲取颜色直方图法、核函数法及图模法等的优点,融合粒子滤波算法,实现自动跟踪神经丝蛋白质.此外,为了解决粒子滤波中样本贫化,即在粒子滤波计算中很大一部分粒子重叠到一个单独的点上的情况,需要重采样计算解决此问题.但在重采样过程中,容易造成一些粒子丢失各向异性而导致跟踪精度降低,甚至跟踪目标失败,故结合粒子滤波算法提出了一种改进重采样约束方法.实验结果表明,基于改进重采样法及多方法融合的粒子滤波算法较传统算法能有效地减少样本贫化问题,并且可以高精度地跟踪移动、变形的神经丝蛋白质,为医学中神经丝蛋白质研究提供了新支撑方法.     

基于数据融合技术的多目标跟踪算法研究

针对多目标跟踪问题,提出了一种基于数据融合技术实现多目标定位、确定航迹的算法．经仿真实验,使用该算法可获得较为满意的效果．     

基于信息融合技术的汽车状态估计算法

以信息融合技术为基础,根据状态估计理论,对汽车的纵向速度、横摆角速度和质心侧偏角进行了估计。仿真计算与场地实验结果对比表明,应用该方法可以有效地解决汽车纵向速度、横摆角过度和质心侧偏角的测量问题。     

一种基于多特征自适应融合的运动目标跟踪算法

针对复杂背景下的运动目标跟踪问题,提出了一种基于多特征自适应融合的运动目标跟踪算法。通过构建目标与背景的图像特征分布方差的比值函数来衡量目标与背景间的区分度,采用各特征的区分度对特征集进行线性加权自适应表示运动目标并集成在基于核的跟踪方法中。为了克服模板更新过程中的漂移,通过计算前后相邻两帧间目标模型的相似度函数,对跟踪模板进行自适应更新。基于生物视觉认知理论,目标的颜色、边缘特征以及纹理特征被用来实现基于多特征自适应融合的运动目标跟踪算法。仿真实验表明:采用本文算法能有效地对复杂背景下的运动目标进行跟踪。     

基于多支持向量机分类器的增量学习算法研究

为了将一般增量学习算法扩展到并行计算环境中,提出一种基于多支持向量机分类器的增量学习算法.该算法根据多分类器对新增样本集的分类结果,以样本到分类超平面的平均距离为条件重新构造支持向量集更新分类器,直到所有分类器的分类精度满足指定阈值.实验结果表明了该算法的可行性和正确性.     

基于图像融合模型的矢量逆半调算法

针对矢量误差分散半调图提出了一种彩色逆半调算法。首先,分析了基于矩阵增益模型的误差分散系统,发现矢量逆半调问题可等效为相关性高频噪声的抑制问题;然后利用K-L变换去除相关性并基于Laplacian金字塔构造图像融合模型,该模型能将未知特性的高频噪声转化为易处理的脉冲噪声;最后使用维纳滤波器和中值滤波器去噪。实验表明,该算法能克服色偏,减少杂色,较准确地再现连续色调图像,逆半调图像的峰值信噪比传统算法提高2~3dB。     

基于多传感器信息融合的人体姿态解算算法

针对传统人体姿态解算算法中存在的稳定性差和解算精度低等问题,提出一种基于多传感器信息融合的姿态解算算法。利用四元数计算人体的姿态变化,将惯性测量模块的姿态测量值与观测值之间的偏差通过PI调节进行控制;采用互补滤波对多传感器数据进行融合,求取人体实时姿态。实验表明,该算法能够实现稳定地输出高精度姿态数据。     

双精度温度传感器静动态融合方法

研究使用Pt膜电阻和热敏电阻两种传感器同时对温度进行测量,通过对其输出数据的融合处理,利用两者静动态特性的不同特点求得比较好的测量结果.其中,应用加权平均的方法进行静态融合,融合测量方差分别为σL=3.9×10-3和σC=3.59×10-2的双传感器,获得了σ=3.5×10-3的测量结果;应用分布式多尺度动态融合理论进行动态融合,针对上升时间分别为80 s和60 s的两只传感器,获得了62 s的融合结果.试验表明:应用双精度传感器的融合数据综合提高了测量系统的准确性和动态响应特性.