传感器管理及其在相控阵雷达中的应用

传感器管理是数据融合的一部分。介绍了传感器管理的概念和框架 ,概述了国内外传感器管理算法的研究现状。主要工作是针对相控阵雷达这一传感器 ,通过对其不同工作模式以及不同参数的管理 ,来说明传感器管理的原理。提出了一种新的自适应采样周期算法 ,仿真结果表明该算法的优越性     

多目标跟踪系统性能评估及软件包

提出了多目标跟踪性能分类测试体系，完成了多目标跟踪性能测试评估的各种功能软件及相应的软件包。     

新的AdaBoost算法评价体系

工程实际中,往往通过对比两个AdaBoost算法在相同弱分类器数量条件下的错分率来比较算法性能,这样就忽略了在弱分类器数量增加时,错分率的波动会造成对比不准确的问题。为此,分别针对分类器性能的分类准确率、收敛速度和稳定性,提出了稳态错分率、调节规模、振荡度三个量化指标,构成了一个相对完备的评价体系。实验表明,该评价体系能更全面反映AdaBoost的分类效果。     

基于证据距离和矛盾因子的加权证据合成法

针对Dempster-shafer (DS)理论直接对高冲突证据合成时会有融合结果不合理的问题,本文提出了一种加权证据合成法.在多个证据融合时,该方法综合利用证据距离和矛盾因子表示证据冲突.并根据各证据与其它证据的冲突程度确定其权重系数,基于此又分别采用两种适用于不同情况的方法对证据基本置信指派函数修正,然后用DS规则合成.算例实验表明了本文方法对高冲突证据融合的有效性,并且其融合结果还具有良好的收敛性.     

基于进化采样的粒子滤波算法

在粒子滤波算法中, 重采样的引入有效地改善粒子退化现象, 但同时也导致了粒子多样性减弱问题的产生. 本文给出了一种基于进化采样的改进粒子滤波算法. 该算法在重采样过程后, 首先根据马尔可夫链蒙特卡罗(Markov-Chain-Monte-Carlo, MCMC) 技术和遗传算法中的模拟二进制交叉原理生成候选粒子, 并利用适应度函数完成对于其权重的度量. 然后结合当前时刻的重采样粒子构建候选粒子集, 进而提升了重采样后粒子的多样性, 最终依据粒子自身的权重实现粒子的优选. 仿真结果表明: 该算法可有效地提高     

无线传感器网络中基于信息收益的多目标跟踪

目标跟踪是无线传感器网络应用的一个很重要的研究领域,节点有限的通信能力、处理能力、存储能力限制了传统跟踪算法的使用.为了提高网络的信息感知能力和降低能量消耗,提出基于信息收益的加权质心多目标跟踪算法,算法通过信息收益函数选取并唤醒节点对目标感知,通过传感器属性信息解模糊,并利用加权质心算法实现了多目标跟踪.仿真结果表明,与Bayes滤波协同多目标跟踪算法相比,算法虽精度略低,但时间复杂度低、失跟率低、实时性高,总体性能优于前者.     

有色量测噪声下带广义未知扰动的递推上限滤波

针对博弈对抗环境下利用快速采样雷达进行非合作目标跟踪带来的有色噪声和未知干扰共存问题, 本文提出有色量测噪声下带广义未知扰动的随机动态系统递推上限滤波. 这里, 有色量测噪声用于描述由于快速采样或持续干扰带来的噪声相关性, 广义未知扰动用于建模博弈对抗对雷达观测带来的异常影响(先验信息缺失). 针对所考虑系统, 通过参数优化实现状态估计误差协方差上限(而不是理论值)的在线递推, 提出有色噪声下上限滤波(CU-BF), 给出状态估计误差协方差最小上限的近似实现, 讨论了所提CUBF的存在性条件. 在具有时变未知扰动和有色量测噪声的目标跟踪仿真中验证了所提方法的有效性.     

图像矩特征匹配的快速算法(英文)

针对图像匹配过程中矩特征计算量大的问题,从矩特征求解特点出发,提出了一种快速的矩特征匹配算法.该算法利用匹配过程中相邻待匹配子图间的相关性,通过设置十个和表,使得每个待匹配子图低阶矩的计算只需很少的几次加乘运算,大大降低了矩特征的计算复杂度,缩短了匹配耗时.同时,由于所提算法矩特征的计算是基于图像灰度值的精确计算,且匹配过程采用遍历搜索策略,因此其匹配精度与传统遍历搜索的匹配精度相当.仿真结果验证了所提算法的有效性.     

多传感器数据融合系统闭环控制模式的构成与分析

本文从闭环控制的角度,通过对数据融合系统 功能的划分,提出了由传感器子系统、数据融合子系统、决策支持子系统和传感器管理子系 统构成的数据融合系统的闭环控制模式;然后分析了该控制模式中四个子系统的功能、构成 及采用的融合算法;最后论述了闭环控制模式的整体优化功能．