基于新型AFCM的多传感器目标跟踪航迹融合

多目标跟踪是多传感器系统信息融合中的核心技术之一.采用新型的AFCM模糊算法实现对多目标交叉状态下航迹数据关联.该算法定义了一种新的度量空间中的距离,通过新的距离定义有效抑制含有噪声点的样本及目标航迹交叉在迭代中对数据关联聚类中心点的大幅偏差.同时应用改进带加权的航迹融合算法对红外和毫米波雷达传感器测量的航迹数据进行融合.仿真试验证明,新的算法在综合多传感器探测优势的基础上,对航迹的融合结果优于SF算法.新的数据关联算法和改进的加权航迹融合算法为多源信息融合提供了一种可靠有效的多目标跟踪技术.     

多传感器多目标跟踪及航迹融合系统

多传感器数据融合能够实现信息互补以提高目标跟踪精度、识别能力以及增强系统的抗干扰性,因此受到广泛关注。本文主要针对雷达和红外跟踪及航迹融合的体系结构,对目标跟踪、航迹关联和航迹融合的各个算法进行详细描述及仿真。仿真结果表明,基于雷达和红外传感器数据融合跟踪相对于单传感器的跟踪,性能有所提高。      

航迹融合算法在多传感器融合中的应用

研究寻的制导优化控制问题,针对传统单一传感器导引不能满足性能要求,提出采用多传感器复合制导.航迹融合是多传感器数据融合中一个非常重要的方面.由于公共过程噪声的原因,使在应用状态估计融合系统中,来自不同传感器的航迹估计误差未必有独立性,为了使航迹与航迹关联和融合,提出自适应航迹和协方差加权航迹融合的算法.通过仿真研究说明自适应航迹融合和协方差加权航迹融合的算法对多传感器数据融合技术有很明显的作用,数据融合效果好,为复合寻的制导优化设计提供了依据.     

基于改进加权航迹关联的异步融合算法与仿真

在分布式多传感器信息融合系统中,来自各传感器的局部航迹往往是不同步的。针对分布式多传感器异步航迹关联与融合问题,文中提出一种基于改进加权航迹关联的异步航迹顺序融合算法。把多传感器异步航迹外推校准到同一时刻,实现异步航迹的同步化,再用改进的加权航迹关联算法进行航迹关联,并利用顺序融合算法对已关联航迹进行融合。仿真结果表明了该算法的有效性。     

交互式多模型异步航迹融合算法

对分布式融合系统中的异步航迹融合算法进行了研究.已有的异步航迹融合算法要求传感器所采用的状态方程与目标运动模式相同,这在实际应用中很难满足.针对已有异步航迹融合算法的不足,建立了基于状态方程集合的异步航迹融合模型.所有传感器均采用基于同一状态方程集合的交互式多模型(IMM)算法来实现航迹生成,融合中心对来自于相同状态方程的异步航迹数据进行加权平均来获得同步航迹,提出了交互式多模型异步航迹融合(IMMASTF)算法.仿真结果验证了IMMASTF算法的有效性.     

一种基于点迹重构的异步序贯航迹融合算法

针对异步航迹融合问题,提出了一种基于伪点迹异步序贯航迹融合算法,伪点迹由局部估计结果重构形成,从而无需对局部估计间的相关误差进行处理。同时,对重构的异步伪量测数据情况采用序贯处理方式,这种串行合并式数据处理过程,不但避免了对异步数据进行时间校正的麻烦,反而利用了异步数据增加了多传感器系统的总体数据率,提高了多传感器系统对目标的跟踪精度。并用仿真结果证明了该算法的有效性。     

分布式系统模糊航迹关联算法分析

目标航迹关联是分布式多传感器系统数据融合研究中的一个关键问题,传统航迹关联多采用统计相关的方法,计算较为复杂,且存在较大的不确定性.文中以分布式系统的航迹关联问题为研究对象,采用多因素模糊综合决策方法,建立了该算法的模糊因素集、评价集、单因素模糊矩阵、多因素模糊综合决策准则以及航迹关联质量域脱离质量等数学模型,最后给出了典型环境下的仿真结果,并与最近邻域法和K近邻法进行了比较,显示了该算法的优越性.     

多传感器异步航迹融合算法与仿真

针对分布式多传感器数据融合系统,提出了一种多传感器异步航迹融合算法。由于不同传感器的采样时间各不相同,融合算法首先利用最小二乘法将局部航迹统一到融合中心的融合时间点,然后利用多传感器自适应航迹融合算法,将局部航迹进行融合,得到系统航迹。仿真结果表明该算法能够较好的解决异步航迹的融合问题,以较小的计算量达到了接近加权协方差(WCF)算法的融合精度。     

一种高性能航迹融合反馈系统的设计与实现

根据数据融合功能层次性,数据融合多集中在测量融合和航迹融合两方面。在具有较高稳定性、可靠性和易实现性的航迹融合系统中,航迹关联和航迹融合是主要研究内容,系统结构设计也围绕这两个核心展开。本文详细介绍了具有评估反馈的多传感器异步航迹融合系统模型,该模型可分为航迹预处理、航迹关联、误差检测、航迹融合几个模块,在此基础上给出了相应算法。仿真结果表明,该系统模型具有较好的航迹关联与航迹融合性能。     

一种高性能航迹融合反馈系统的设计与实现

根据数据融合功能层次性,数据融合多集中在测量融合和航迹融合两方面.在具有较高稳定性、可靠性和易实现性的航迹融合系统中,航迹关联和航迹融合是主要研究内容,系统结构设计也围绕这两个核心展开.本文详细介绍了具有评估反馈的多传感器异步航迹融合系统模型,该模型可分为航迹预处理、航迹关联、误差检测、航迹融合几个模块,在此基础上给出了相应算法.仿真结果表明,该系统模型具有较好的航迹关联与航迹融合性能.     

多传感器数据融合的通讯复杂性问题

通讯复杂性理论是一个计算抽象模型,它关心的是系统内部之间的数据通讯量的大小。多传感器数据融合是指多个传感器跟踪多个目标,是一种多层次的、多方面的处理过程,这个过程是对多源数据进行检测、结合、相关、估计和组合以达到精确跟踪不同目标的目的。该文把复杂性秩理论应用到多传感器融合,以获得多传感器之间数据融合所需的最小的通讯条件。     

Tracking Multiple Occluding People by Localizing on Multiple Scene Planes

Occlusion and lack of visibility in crowded and cluttered scenes make it difficult to track individual people correctly and consistently, particularly in a single view. We present a multi-view approach to solving this problem. In our approach we neither detect nor track objects from any single camera or camera pair; rather evidence is gathered from all the cameras into a synergistic framework and detection and tracking results are propagated back to each view. Unlike other multi-view approaches that require fully calibrated views our approach is purely image-based and uses only 2D constructs. To this end we develop a planar homographic occupancy constraint that fuses foreground likelihood information from multiple views, to resolve occlusions and localize people on a reference scene plane. For greater robustness this process is extended to multiple planes parallel to the reference plane in the framework of plane to plane homologies. Our fusion methodology also models scene clutter using the Schmieder and Weathersby clutter measure, which acts as a confidence prior, to assign higher fusion weight to views with lesser clutter. Detection and tracking are performed simultaneously by graph cuts segmentation of tracks in the space-time occupancy likelihood data. Experimental results with detailed qualitative and quantitative analysis, are demonstrated in challenging multi-view, crowded scenes.     

Choosing a track association method

This paper examines the problem of selecting a track association method. This is the first stage of the track fusion process and the performance of such a method is essential to the overall success of this process. It is shown that more issues must be considered than just examining the probability of correct association when judging the performance of an association technique. A method that provides a high probability of correct association may well have poor performance in other areas. This paper examines several additional features that should be considered as they also have a significant effect on the quality of the combined tracks that are the final outcome of the fusion process. The problem is illustrated by examining several track-to-track association techniques for the problem of correlating radar tracks with electronic support measures (ESM) tracks for airborne sensors.     

多雷达站数据融合处理的聚类方法

该文提出了一种针对多个雷达站对空中多个目标采集数据的数据融合方法,包括时间数据融合,空间融合,时空数据融合和参数时空插补方法,该方法简单方便,计算量小,便于实现。     

TM与ETM影像融合用于地质构造解译

多源遥感影像数据融合是一种通过高级影像处理技术来复合多源遥感影像的技术，其目的是将单一传感器的多波段信息和不同传感器提供的信息加以综合，以提高获取信息的有效性和准确性，解译的可靠性，以及形成对目标的完整一致的描述。本采用TM与ETM经图像处理和融合，用于对地质构造解译，取得良好效果。     

基于小波多分辨率分析的多通道遥感图像数据融合方法及实现

对同一目标的多波谱遥感图像进行融合、是富集有用信息、提高图像空间分辨率和解释水平的有效手段，本文提出了基于小波多分辨率分析的多通道遥感图像数据融合的原理、方法及实现过程，实例分析其结果良好。     

一种面向互联概率加权的JPDA多传感器数据融合方法

针对单传感器联合概率数据互联(Joint Probabilistic Data Association, JPDA)在复杂环境下难以跟踪多个目标的问题,提出一种基于JPDA量测目标互联概率统计加权并行式和序贯式多传感器数据融合方法。首先,给出单传感器JPDA算法。然后,介绍多传感器JPDA数学模型,基于这一模型,使用互联概率加权,推导并行式和序贯式多传感器数据融合公式,这对多传感器数据融合有一定指导意义。最后,对单传感器JPDA方法在不同杂波密度、不同过程和不同观测噪声下目标跟踪的距离RMSE进行仿真,结果表明,随着这3项指标皆增大,目标距离RMSE增大;同时,对本文的2类多传感器JPDA方法与其他几类跟踪方法在数据集PETS2009下有关行人跟踪性能进行仿真,结果表明,本文并行式和序贯式多传感器JPDA方法相较于其他方法在跟踪准确性、跟踪位置准确性、航迹维持以及航迹遗失上皆为最优,而且序贯式融合略优于并行式多传感器JPDA。     

基于B样条曲线的断层离散数据平滑算法

通过二维断层图像进行三维对象重建是现今较为活跃的研究领域，而二维断层数据的质量将直接影响到三维重建的效果。提出了一种对医学断层离散数据在三维重建前进行预处理的方法，通过单层轮廓平面内平滑以及多层轮廓基于层间关系的B样条曲线拟合对原始数据进行了平滑处理，减少了重建后层与层之间的锯齿现象，使得在此基础上的三维重建效果得到了明显的改善。算法具有一定的通用性，同样适用于其它领域的数据处理。