基于贴近度及分布图法的数据深度融合算法研究

针对船舶柴油机 SCR 系统中,氮氧化物传感器的测量值易受温度和其他气体干扰的特点,提出了基于贴近度及分布图法的数据融合算法;在建立扩维贴近度矩阵的基础之上加以改进,利用分布图法排除野值,弥补了基于贴近度的可靠性融合算法不能剔除无效信息的缺陷,动态地选取有效信息和权值分布进行加权融合,实现多传感器数据融合;通过数字仿真表明：该算法具有较强的抗干扰性能,相较其他的算法有一定的优势,融合精度较高。     

自动相关监视与多雷达数据融合的关键技术

提出了基于模糊聚类原理的多雷达与自动相关监视(Automatic Dependent Surveillance,ADS)数据融合的方法,该方法利用模糊C-均值聚类算法计算航迹关联的隶属度,通过直接将ADS的估计航迹作为聚类中心,避免了聚类划分的迭代运算,使算法十分方便,实验分析表明,该方法能够得到可靠的航迹关联性能.     

自动相关监视与多雷达数据融合综述

对自动相关监视与多雷达数据融合的关键技术进行综述。将各种参与数据融合的监视信息进行统一,保证了信息的一致性;选择ADS与多雷达数据融合的变更周期,确保了数据的精度与可靠性;ADS与多雷达数据融合中的系统误差配准,使融合的数据更加准确;利用模糊聚类的方法使多雷达与自动相关监视数据关联,使系统能够得到可靠的关联性能;在复杂环境下对野值进行剔除,提高了融合精度。给出了ADS与多雷达航迹融合的方法,生成飞行器最终的航迹。     

多种异类传感器联合跟踪的异步航迹融合算法

针对多种异类传感器联合跟踪的数据不同步问题,提出了一种适应于工程应用的异类传感器的异步航迹融合算法。首先利用最小二乘估计对红外测角信息进行数据压缩预处理,将预处理之后的红外测角信息与激光测距信息作为光电测量值代入扩展卡尔曼滤波,再利用分布式异步融合算法将光电与雷达进行航迹融合。仿真结果表明,该算法具有很好的跟踪精度、收敛速度和实时性。     

基于SKF 多传感器融合的无人机航迹规划

针对无人机在未知环境下航迹规划难的问题,提出一种基于开关卡尔曼滤波器(switching Kalman filter, SKF)无人机定位和航迹规划的方法。根据多假设理论,建立地图观测数据,结合基于INS/GPS/GIS 多传感器融合 的航迹匹配方法,使用SKF 算法完成多传感器融合和多模型的参数估计,实现无人机的自主定位和航迹规划。仿真 试验结果表明：该算法稳定性好、收敛速度较快、计算复杂度小,具有较高的航迹估计精度。     

基于数据融合技术的航迹处理

基于数据融合技术的航迹处理采用多雷达获取航迹信息,再用卡尔曼滤波算法进行融合.采集数据并提取有关数据项后进行格式转换、数据辨识.再对多源数据进行取舍、验证、修改等处理,生成综合信息.通过建立备选与正式航迹,进行航迹点互连和对多部雷达滤波数据进行线性加权融合处理,得到唯一航迹.     

时戳动态修正的多传感器跟踪航迹同步融合

文中提出一种基于LMS的动态时戳修正算法．对两个传感器的时钟源同步误差进行自适应估计．实现在GPS时钟源失效的情况下多传感器跟踪航迹同步融合。仿真结果表明。进行时戳动态修正的多传感器融合系统的跟踪精度明显好于未进行时戳修正的融合系统。     

分布式多传感器系统的航迹融合算法研究

分析了三种适用于分布式多传感器的航迹融合算法,对其算法机理进行了描述.并对其中的加权平均法以及分层融合法的跟踪航迹和方差进行了仿真分析比较,这样就可以根据实际情况,在复杂性和精确性之间权衡选择合理的融合算法.     

分布式系统的航迹融合算法研究

分析了三种适用于分布式多传感器的航迹融合算法,对其算法机理进行了描述.并对其中的加权平均法以及分层融合法的跟踪航迹和方差进行了仿真分析比较,这样就可以根据实际情况,在复杂性和精确性之间权衡选择合理的融合算法.     

多传感器航迹相关的区域匹配算法

由于存在传感器丢失目标观测值的情况,将造成拓扑序列法等高性能航迹相关算法失效。文中提出了区域匹配算法,以区域内所有目标的最大匹配支持度为基础,从整体上优化航迹的对应关系。算法考虑了存在误差的情况下,不同雷达所形成目标观测值的偏差最大值,把绝对距离作为匹配航迹的约束条件,大大减少了匹配的计算量。文中以目标丢失率为条件,仿真了误匹配率和正确匹配率性能指标,它们都具有较好的鲁棒性。