含无序量测的多传感器信息融合算法研究

由于通信时间的延迟性,在多传感器系统中常常会出现无序量测情况.为提高估计的精度,系统须对无序量测进行处理,状态更新法是处理无序量测问题的一种有效方法.对于多传感器信息融合问题,给出了一种处理无序量测的状态估计更新算法.仿真计算表明该算法能有效的提高融合估计的精度.     

基于多传感器不完全量测下的机动目标跟踪算法

针对传感器探测概率小于1的不完全量测情况下的非机动目标跟踪问题,提出一种基于多传感器不完全量测下的扩展Kalman滤波算法。首先,利用残差检测的野值剔除方法,确定目标状态估计过程中传感器是否接收到正确的量测数据;其次,基于每个传感器的量测数据,在不完全量测下采用改进的扩展卡尔曼滤波算法分别对目标运动状态进行估计;进而结合多传感器最优加权融合方法求解基于多传感器观测数据的状态估计;最后,将算法应用到光电跟踪系统中。仿真实验得到不完全量测下传感器探测概率对滤波效果的影响,验证了算法的有效性,其跟踪精度接近完全量测下的状态估计精度。     

基于异质多传感器的网络分布数据融合的一种算法

针对多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,提出了一种异质多传感器异步量测融合算法,即首先将量测方程线性化,再在砷合中心通过建立伪量测方程,得到同步的量测数据,然后利用噪声相关的伪序贯思想进行融合处理得到全局估计,与现有算法进行仿真比较,结果表明了该算法的有效性。     

量测不确定下多传感器一致性数据融合算法

针对量测不确定下多传感器信息采集系统中数据有效融合处理,提出一种量测数据一致性融合算法.首先,引入马氏距离实现两传感器量测数据一致性的近似估计;然后,结合模糊理论中隶属度函数的性质定义一种度量局部量测信息提取和利用效率的支持度函数,进而构建综合全局量测数据间相互支持程度的支持度矩阵;最后,通过对支持度矩阵的计算求解各传感器量测数据在评估系统状态估计中的权重,并通过加权融合方式实现对系统状态真值的估计.理论分析和仿真实验验证了算法的有效性.     

噪声相关的一步滞后无序量测递推融合算法

因传感器网络特殊的通信方式,以及传感器节点预处理量测的时间也各有不同,常会出现源于同一目标有序的测量数据却经网络传输后无序地到达融合中心的现象,即无序量测问题.加之,现有的相关融合算法大都是在各量测数据间噪声独立情况下建立的.为此,针对一个由多个子系统组成的传感器网络无序量测系统;其中假定每个子系统均是由两个分别与融合中心同步与异步且采样率相同的传感器组成;并在考虑各传感器测量噪声相关条件下,利用顺序加权融合技术,在融合中心建立一个能实现对目标状态实时估计且在线性最小均方误差意义下最优的递推加权融合算法.理论分析与计算机仿真表明,与现有方法相比,新算法在适用范围、实时处理能力、存储量和融合估计精度等方面均有显著的优势.     

毫米波/红外复合制导信息融合技术研究

研究红外复合制导问题,对于复合制导中的集中式融合,与共同的噪声环境等因素使得各传感器的量测误差之间存相关性,且相关程度未知,对得到的融合估计不是最优的.红外导引头测量存在不完全可观性,一般的分布式融合也难以实现.针对以上问题,提出了一种基于协方差交叉法的信息融合算法,在估计相关性未知时利用信息空间上的均值和协方差凸组合,通过寻找行列式的最小方差阵,融合各传感器的局部估计,可以得到不低于单个传感器估计的融合估计精度.进行量测相关数据,并通过UKF滤波仿真验证,证明算法的有效性.     

多通道解耦事件触发机制及其在光电传感网络中的应用

针对传感器网络融合估计中由能量受限引发的通信资源受限问题,提出了一种基于多通道解耦的事件触发量测传输机制.单独设计各传感器输出分量的事件触发条件并给出了估计算法误差有界性的条件,在保证融合估计精度的同时,可一定程度上降低传感器网络数据传输量.与现有三种方法的对比仿真结果以及火力控制系统中的光电传感网络实例,表明了所提算法的有效性和工程应用的可行性.     

具有形状信息的多传感器群目标跟踪算法

针对多传感器环境下具有形状信息的扩展/群目标跟踪问题,提出了两种融合算法,即高斯逆韦氏并行PHD滤波算法和高斯逆韦氏序贯PHD滤波算法。新算法分别结合并行滤波和序贯滤波算法思想,能够对扩展/群目标的质心状态进行跟踪,对形状进行有效估计。高斯逆韦氏并行PHD滤波算法将各个传感器产生的量测集合并到一个量测集中,统一对量测集进行划分。在滤波更新阶段,对划分后的量测集进行扩维,从而在形式上将多传感器环境下的跟踪问题转化为单传感器环境下的跟踪问题。高斯逆韦氏序贯PHD滤波算法则先对各个传感器产生的量测集依次进行划分,再依次对每一个划分后的量测集进行滤波,从而达到融合多个传感器量测的目的。仿真结果表明该算法的可行性和有效性。     

基于模糊推理的多传感器数据融合方法

针对多传感器目标跟踪系统可能出现的传感器漏检现象,提出了一种基于模糊推理的消除漏检现象影响的方法。该算法根据各传感器的量测变化,及时调整参与融合的各传感器量测的数目及其加权系数,保证量测融合值的有效性。通过对两个传感器进行数据融合和目标跟踪的仿真表明,该算法是一种简单有效,有工程应用前景的数据处理算法。该方法同样适用于多于两个传感器的多传感器融合系统。     

加权融合法处理无序量测问题

针对集中式多传感器目标跟踪系统中存在的无序量测问题,基于协方差加权融合的思想,在融合估计误差协方差矩阵迹最小意义下,建立了基于最优融合的多步延迟无序量测更新算法。该算法先将无序量测配准到最新状态估计的时刻,将其与之进行协方差加权融合。为进行无序量测与各传感器量测噪声相关性的计算,引入了等效量测。通过理论分析和仿真实验说明该算法能有效处理无序量测多延迟问题,其性能接近最优且随延迟步数增加性能下降非常小,而且有与最优的数据缓存法相同的滤波精度,以及较小的额外存储量。     

分组故障检测证据融合多星故障隔离算法

针对卫星导航星座数增加导致的多星故障率上升问题,提出一种分组故障检测证据融合多星故障隔离算法.该算法首先将可见星分组并作为证据,利用故障检测量计算每个证据的故障置信指派和正常置信指派;然后,针对加权分配冲突法融合结果受证据融合次序影响的问题,给出一种基于可靠程度的权值计算方法,实现加权分配冲突法的多证据融合,并得到当前卫星的单星故障置信指派和正常置信指派信息;最后,利用所有卫星的单星故障置信指派均值作为故障隔离阈值,实现故障卫星隔离.在GPS/BDS双星座导航模式下,对算法的分组个数与故障隔离效果关系进行分析,并将其与随机搜索法及置信指数法进行多星故障隔离效果对比,理论分析与实验结果表明所提出算法具有更高的准确性.     

基于支持度的限定记忆二次融合算法*

在先验知识未知的情况下对多传感器信息进行融合,提出了基于支持度的限定记忆二次融合算法。为了保证融合权重分配的合理性,算法利用绝对距离度量传感器观测值之间的相互支持程度,并引入限定记忆控制项来防止陈旧信息引起的数据饱和。为了进一步保证故障发生时的融合效果,在一次融合的基础上,引入灰关联度对量测数据进行优势分析,并对分析调整后的数据进行二次融合。仿真结果表明,该算法可进一步提高融合精度,具有较强的容错和抗干扰能力。     

一种基于证据理论的数据融合算法

针对传感器测量值存在系统误差的情况,基于证据理论的思想,提出一种新的数据融合算法。该算法首先将所有测量值根据其与真值的偏差进行分组,并分配不同的基本信任;然后将其构成的集合视为辨识框架,进而将各个测量值转换为相应的证据并进行证据组合,所得合成证据的Mass函数即为各个测量值的权值分配函数;最后对所得分组融合测量值进行加权求和,即得融合结果。仿真结果验证了该算法的有效性。     

多传感器数据融合的概率权方法

针对多传感器对某一特性指标进行多次测量实验的数据融合问题,提出了一种基于概率基本理论的融合方法。该方法把各传感器的测量数据作为一随机变量,利用测量值的样本数据,确定测量值随机变量的取值范围,估计出样本均值和样本标准差,从而得到各传感器数据融合的概率权,并给出数据融合公式。应用实例验证了该方法的有效性和稳健性。     

外测数据融合准则及最优权值计算方法

航天发射对火箭飞行弹道数据处理的精度要求日益增高，对参与外测融合解算的雷达信息可靠性也提出了较高的要求。为解决航天发射时异常测量数据参与外测融合求解可能会导致火箭弹道精度降低的问题，提出了外测数据融合准则和短时多测元快速遴选方法，可有效识别、剔除异常测量数据，确保同目标高精度测元参与融合解算；并针对不同体制、不等精度的测量数据设计了一种最优权值快速计算方法，该方法综合考虑了测控设备的实际测量精度及布站几何对弹道精度的影响，确保在设定步长内融合权值最优。仿真结果证明该算法简单适用，可确保关键节点测控信息源的准确度，有效提高了发射场火箭弹道参数的处理精度。     

自抗扰控制技术在高低温环境模拟系统中的应用

针对现有健康状态评估方法主观性较强,准确度不高等问题,提出一种基于DSmT理论和模糊综合评判的健康状态评估模型。首先,确定评估对象的评价指标体系,对采集的原始数据进行预处理;然后利用模糊综合评判理论确定广义基本信度赋值;接着采用DSmT融合规则对广义基本信度赋值合成,得到健康状态等级。对于多级的系统评估,可将融合后的结果作为新的广义基本信度赋值进行DSmT融合。实例验证表明,该状态评估模型能够准确有效地实现对系统的健康状态评估,而且能够克服高冲突证据的融合问题,具有良好的应用价值。     

Partition belief median filter based on Dempster–Shafer theory for image processing

A novel median-type filter controlled by evidence fusion is proposed for removing noise from images. The fusion of evidence based on the Dempster–Shafer evidence theory, providing a way to deal with the uncertainty in the evidence fusion, indicates to what extent a noise is considered. The filter proposed here is obtained as a weighted sum of the current pixel value and the output of the median filter, and the weight is set based on the belief value of the input signal sequence. The efficient step-like function is used to partition the belief space, and the least mean square (LMS) algorithm is applied to obtain the optimal weight for each block. Moreover, to improve the performance, the new filter is recursively implemented. Experimental results have demonstrated that the proposed filter can outperform many well-accepted median-based filters in preserving image details while effectively suppressing impulsive noises, and it also works satisfactorily in reducing Gaussian as well as the mixture of Gaussian and impulsive noise.     

基于曲波变换的红外/可见光图像融合

和小波变换相比较,曲波变换能更好地表示图像的边缘信息.在此基础上给出了一种基于曲波变换的图像融合方法,并将其应用于红外和可见光图像融合.首先,对红外图像和可见光图像分别进行曲波变换,得到两幅图像的低频分量和不同尺度的高频分量.在对源图像的各分量融合时,对低频分量采用平均加权进行融合.对高频分量采用取绝对值较大的方法进行融合,得到融合后的低频分量和不同尺度的高频分量,最后对这些融合后的分量进行重构,得到融合图像.仿真结果表明:和基于小波变换的融合算法相比较,该算法较好地保留了源图像的细节信息,提高了融合的效果.     

舰载机多雷达传感器任务分配与采样间隔融合优化算法

针对舰载机协同探测中多雷达传感器资源配置问题,提出一种多目标跟踪场景下的多传感器数据率管理与任务分配融合优化算法.在基于协方差控制的多传感器分配模型基础上,加以目标优先级和传感器效能条件约束,建立一种多传感器数据率管理与任务分配融合优化模型.将驻留时间改进因子引入序贯卡尔曼滤波算法,计算不同采样间隔下传感器组合状态估计...     

一种基本概率指派的模糊生成及其在数据融合中的应用

DS证据组合规则可以在没有先验信息的情况下进行融合,这一优点使得DS证据理论在多传感器融合系统中应用非常广泛.但是各个证据的基本概率指派如何生成仍然是一个有待解决的问题.本文基于模糊匹配,提出了一种基本概率指派生成方法,并应用到多传感器目标识别中.用一个多传感器目标识别的实验表明:所提出的方法可以合理地生成基本概率指派,能够准确的识别目标.