协方差交叉融合鲁棒Kalman滤波器

对于带未知互协方差的两传感器系统,提出一种协方差交叉（CI）融合鲁棒稳态Kalman滤波器,它关于未知互协方差具有鲁棒性.严格证明了该滤波器的实际精度高于每个局部滤波器的精度,但低于带已知互协方差的最优融合Kalman滤波器的精度.基于协方差椭圆给出了精度关系的几何解释.进一步将上述结果推广到一般多传感器情形.一个跟踪系统的Monte-Carlo仿真例子表明,其实际精度接近于带已知互协方差的最优融合器的精度.     

快速对角阵权系数协方差交叉融合容积卡尔曼滤波器

针对互协方差信息未知的多传感器系统,本文提出了一种快速对角阵权系数协方差交叉融合算法(FDCI).本文首先提出了一种对角阵权系数协方差交叉融合(DCI)方案,并证明了所提出DCI算法在融合估计精度上高于经典批处理CI融合(BCI)算法.在此基础之上,针对非线性等复杂的互协方差未知的多传感器系统,提出FDCI算法,并证明了所提出FDCI算法的无偏性及鲁棒精度. FDCI融合算法虽然在融合估计精度上低于DCI,但FDCI无需进行多权系数的非线性代价函数的优化问题,进而大大降低了计算负担,提高了系统的实时性.最后,结合容积卡尔曼滤波算法(CKF)提出了快速对角阵权系数协方差交叉融合容积卡尔曼滤波算法.仿真实例验证了所提出算法的正确性和有效性.     

带观测滞后和不确定噪声方差的多智能体传感网络鲁棒序贯协方差交叉融合Kalman滤波

针对带观测滞后和不确定噪声方差的分簇多智能体传感网络系统,研究鲁棒序贯协方差交叉融合Kalman滤波器的设计问题.应用最邻近法则,传感网络被分成簇.应用极大极小鲁棒估计原理,基于带噪声方差最差保守上界的最差保守传感网络系统,提出了两级序贯协方差交叉(SCI)融合鲁棒稳态Kalman滤波器,可减小通信和计算负担并节省能量,且保证实际滤波误差方差有一个最小保守上界.一种Lyapunov方程方法被提出用于证明局部和融合滤波器的鲁棒性.提出了鲁棒精度的概念且证明了局部和融合鲁棒Kalman滤波器的鲁棒精度关系.证明全局SCI融合器的鲁棒精度高于每簇SCI融合器的精度且两者的鲁棒精度都高于每个局部鲁棒滤波器的精度.一个跟踪系统的仿真例子证明了鲁棒性和鲁棒精度关系.     

噪声特性未知的多传感器协方差交叉融合姿态估计

针对噪声特性未知的多传感器航天器姿态估计过程中互协方差未知的问题, 提出一种鲁棒的协方差交叉(CI) 融合算法. 首先采用容积卡尔曼滤波(CKF) 器获取局部的估计信息; 然后以最小化非线性性能指标为原则求取局部的估计信息权重; 最后使用CI 算法融合各局部估计信息. 此外, 对于由四元数描述航天器姿态时存在的冗余问题, 采用了以误差四元数和误差广义罗德里格参数相互切换的方法来替代. 仿真结果验证了所提出算法的有效性.

     

基于参数估计的多传感器数据融合算法研究

为提高多传感器数据融合精度,结合传感器网络的特点及应用实例,研究分批估计、自适应加权和方差估计算法在数据融合中的有效性、准确度和实时性,提出按测量方差的自适应加权数据融合算法,利用600个传感器所提供的实例数据,对几种算法进行仿真,并比较了几种算法的有效性及其融合精度的差异,其结果表明采用自适应加权算法可以有效提高融合精度,对考虑了环境噪声的多传感器数据采集系统较为适合.     

带丢失观测和不确定噪声方差系统改进的鲁棒协方差交叉融合稳态Kalman滤波器

对带丢失观测和不确定噪声方差的线性定常多传感器系统,引入虚拟噪声将原系统转化为仅带不确定噪声方差的系统.根据极大极小鲁棒估值原理,用Lyapunov方程方法提出局部鲁棒稳态Kalman滤波器及其实际方差最小上界,并利用保守的局部滤波误差互协方差,提出一种改进的鲁棒协方差交叉(covariance intersection,CI)融合稳态Kalman滤波器及其实际方差最小上界.证明了所提出的鲁棒局部和融合滤波器的鲁棒性,并证明了改进的CI融合器鲁棒精度高于原始CI融合鲁棒精度,且高于每个局部滤波器的鲁棒精度.一个仿真例子验证所提出结果的正确性和有效性.     

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.     

带不确定协方差线性相关白噪声系统改进的鲁棒协方差交叉融合稳态Kalman 估值器

对于带有不确定协方差线性相关白噪声的多传感器系统, 利用Lyapunov 方程提出设计协方差交叉(CI) 融合极大极小鲁棒Kalman 估值器(预报器、滤波器、平滑器) 的一种统一方法. 利用保守的局部估值误差互协方差, 提出改进的CI 融合鲁棒稳态Kalman 估值器及其实际估值误差方差最小上界, 克服了用原始CI 融合方法给出的上界具有较大保守性的缺点, 改善了原始CI 融合器鲁棒精度. 跟踪系统的仿真例子验证了所提出方法的正确性和有效性.

     

高斯混合概率假设密度无序估计分布式融合

针对分布式传感器网络中多目标随机集状态混合无序估计问题,本文提出了一种基于高斯混合概率假设密度无序估计分布式融合算法.在高斯混合概率假设密度滤波器的框架下,首先基于概率假设密度递推滤波特性,建立适用于多目标随机集状态混合无序估计的最新可利用估计判别机制,然后利用扩展协方差交叉融合算法对经过最新可利用估计判别机制获得的无序概率假设密度强度估计进行融合处理,针对融合过程中高斯分量快速增长的问题,在保证信息损失最小的前提下,对融合过程的不同环节实施高斯混合分量裁剪操作,给出了一种多级分层分量裁剪算法.最后,仿真实验验证了文中所提的算法的有效性和可行性.     

决策融合算法在车辆类型判断中的应用

文章以运动目标分类为例,介绍了在无线传感网络中利用信息决策融合对两种车辆进行分类的过程.在单节点上采用最大似然分类器,并通过多节点的贝叶斯决策融合,然后对原有融合算法改进,在融合中加入了距离的影响.并利用真实的两种车辆的测试集数据进行实验,观察融合结果.实验表明,融合的结果与训练数据的数量有关,多节点的融合结果比单个节点的精确,并且加入距离信息后可以提高类型识别正确率.     

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.     

一种射束与像素的快速遍历和求交算法

针对ART(algebraic reconstruction technique)算法重建速度慢的问题,提出了一种射束与像素的快速遍历和求交算法.该算法通过一个距离参数来确定射束穿过的像素索引并计算出射束覆盖像素的面积,距离参数采用增量计算,因而运算效率很高.利用该算法在图像重建过程中实时计算权因子,不但节省了大量的内存空间,而且大大提高了图像重建的速度.实验结果表明,提出的算法非常有效,与传统方法相比取得了17倍以上的重建加速比.     

一种快速图像融合新算法

针对小波变换的特点,研究了图像融合规则,定义了图像小波方向导数和方向能量、图像纹理和轮廓的小波特征度,并提出了一种全新的图像快速融合算法.算法融合判据有效,结构设计简单.通过对多聚焦和遥感图像融合实验表明:该算法能有效地融合源图像的信息,保持源图像的纹理和轮廓特征.与同类优秀算法相比,主观评价效果相近,客观评价效果更高,运算时间更短.     

不确定系统改进的鲁棒协方差交叉融合稳态Kalman预报器

针对带随机参数和噪声方差两者不确定性的线性离散多传感器系统,利用虚拟噪声补偿随机参数不确定性,原系统可转化为仅带不确定噪声方差的系统.根据极大极小鲁棒估值原理,用Lyapunov方程方法提出局部鲁棒稳态Kalman预报器及其误差方差最小上界,并利用保守的局部预报误差互协方差,提出改进的鲁棒协方差交叉（Covariance intersection,CI）融合稳态Kalman预报器及其误差方差最小上界.克服了原始CI融合方法要求假设已知局部估值及它们的保守误差方差的缺点和融合误差方差上界具有较大保守性的缺点.证明了鲁棒局部和融合预报器的鲁棒性,并证明了改进的CI融合器鲁棒精度高于原始CI融合器鲁棒精度,且高于每个局部预报器的鲁棒精度.一个仿真例子验证了所提出结果的正确性和有效性.     

基于无迹变换的协方差交集算法研究

针对分布式数据观测系统中数据融合存在数据线性化过程误差较大、滤波过程中的错误无法修正的问题,提出了一种基于无迹变换的协方差交集算法。该算法首先对系统数据进行无迹变换,然后对数据采用协方差交集算法滤波,可得到较好的滤波性能。实验结果表明,该算法弥补了协方差交集算法的不足,能够修正数据线性化误差及滤波产生的错误,是一种有效的数据融合算法。     

一种快速BP网络训练算法及应用

针对基本BP算法在接近最优点时收敛速度变慢的缺点,提出一种快速BP网络训练算法。该算法将网络训练过程分为两个阶段,首先采用变学习率BP算法使其接近最优点,再改用PRP共轭梯度法以加快收敛速度,其中学习率通过不精确一维搜索方法寻找得到。并采用Widrow—Nguyen初始化规则选取初始权值。通过两个仿真试验表明该算法是一种高效、快速的BP网络训练方法。同时,该算法具有简单、易于实现的优点,具有较为广阔的应用前景。     

红外与可见光图像快速融合算法

为了增强融合效果,提高融合速度,提出一种快速有效的红外与可见光图像融合算法.首先采用局部直方图均衡和中值滤波对红外与可见光图像进行对比度增强和去噪处理;然后对增强后图像进行线性融合,生成伪彩色融合图像;最后简化Lab颜色空间与RGB颜色空间之间的转换模型,并在简化的Lab空间实现全局颜色迁移,将可见光参考图像的一阶统计信息融合进伪彩色图像,获得自然感的真彩色图像.对比实验结果表明,采用文中算法生成的融合图像更加清晰、自然,速度更快、更简单.     

一种适用于移动机器人的障碍物快速检测算法及其实现

针对传统的用于机器人检测障碍物的算法存在的不足,提出了一种基于视觉传感器与超声波传感器信息融合的快速障碍物检测算法.该算法通过位十机器人头部的超声波传感器获取机器人到障碍物(本算法采用矩形障碍物)的距离信息,通过改进型快速直线检测方法和约束条件确定障碍物在视觉传感器所采集的图像中的直线边缘,根据成像过程中-三角形相似的...     

STAP中的协方差矩阵求逆快速算法研究

研究机载雷达平台问题,空时自适应处理(STAP)是新一代机载相控阵雷达杂波抑制与目标检测的关键技术.在工程化过程中.运算量巨大是其面临的首要问题.为了改善STAP在采样矩阵维数较高情况下求逆运算的实时性能和有效提高雷达抑制杂波和抗干扰能力,提出了一种改进的Strassen矩阵求逆算法,算法结合了Strassen矩阵求逆的高效性以及采样协方差矩阵是Hermite正定阵的特点,具有运算最小,算法结构简单,便于工程实现的优点.DSP处理器的实测数据证明了方法的有效性和可行性.结果表明与目前工程中改进方法性能改善效果明显.     

海量信息融合方法及其在状态评价中的应用

针对证据理论无法有效处理海量信息融合的不足,提出一种结合聚类和凸函数证据理论的海量信息融合方法,旨在解决状态评价等普遍而重要的应用问题.该方法首先基于聚类算法BIRCH对采集的海量信息进行预处理,形成多个簇;然后,针对状态评估类问题所用数据大多为数值数据和序数数据这一特点,计算每个簇的质心,并将其作为该簇的代表信息,基于广义三角模糊隶属函数对每个质心信息进行基本概率指派形成证据;最后,基于凸函数证据理论完成各证据的组合,从而完成了海量信息的融合.仿真实验结果表明:该方法既高效又合理地融合了海量信息,为海量信息融合技术的发展提供了一条探索途径.