基于权重一致性优化的实时Marginalized粒子滤波算法

针对Marginalized粒子滤波中随机量测噪声对于非线性状态估计精度的不利影响以及线性状态估计中计算量较大问题,提出了一种基于权重一致性优化的实时Marginalized粒子滤波算法.首先,结合量测系统建模中先验信息的提取和利用,通过粒子权重间一致性距离和一致性矩阵的构建,提出了量测提升策略下权重的一致性优化方法,以改善粒子滤波在非线性状态估计中的滤波精度.其次,通过对Marginalized粒子滤波实现中时间更新和量测更新环节的结构优化,给出了实时Marginalized粒子滤波,以降低蒙特卡罗仿真实现下卡尔曼滤波在状态线性估计中的计算复杂度.最后,在两者的动态结合基础上给出了新算法具体实现步骤.利用基于单站雷达目标跟踪仿真场景,分析了算法性能.理论分析和仿真实验结果验证了算法的可行性和有效性.     

贝叶斯框架下基于凸优化的系统偏差估计方法

针对多传感器协同探测系统中系统偏差呈现出的随机性和突变性,以及估计方法的误差增加、估计鲁棒性较难保证等问题,在贝叶斯估计框架下,提出了基于凸优化的系统偏差估计方法。该方法首先依据最大似然估计准则推导出量测最大似然函数,并将其变形为与状态参数无关的多传感器量测最大似然函数;其次,结合系统偏差投影等式和待估参数范围不等式两类约束条件,将最大似然估计问题转化为具有目标函数、约束函数的凸优化问题;最后,利用拉格朗日乘子方法构造系统偏差二次函数,并在约束条件下利用凸优化技术实现多传感器系统偏差的优化求解。仿真结果表明,相比于同等条件下的其他方法,所提方法提高了估计精度,降低了时间复杂度。     

量测提升卡尔曼滤波

滤波器设计是系统辨识和状态估计的重要基础.卡尔曼滤波通过状态预测和量测更新的实现框架,在最小方差准则下实现对目标状态的最优估计,但在单传感器量测环境中其滤波精度易受量测噪声随机性的影响.本文提出一种基于量测提升策略的卡尔曼滤波算法实现框架,新方法依据当前时刻量测和量测噪声先验统计信息构建虚拟量测,并通过对虚拟量测采样以及融合提升系统量测信息可靠性,进而改善状态估计精度.同时,针对算法在工程应用中实时性、准确性以及鲁棒性等需求,设计了分布式加权融合和集中式一致性融合的两种实现结构.理论分析和仿真实验结果验证了算法的可行性和有效性.     

测量方差自适应的多传感器数据融合算法

针对测量方差预先设定对滤波精度的影响，提出了一种基于时空综合分析在线估算测量方差的方法，以充分利用多个传感器单次采样数据和单个传感器多次采样数据中蕴含的冗余和互补信息。改善了由于被测目标所处环境的先验信息匮乏而造成的建模误差问题。同时根据滤波误差协方差阵具有表示滤波精度的特性，实现系统中各传感器权系数动态合理的分配。最终给出了一种基于测量方差自适应的多传感器数据融合算法。通过蒙特卡罗仿真验证了该算法的有效性。     

基于ARMA的无线传感器网络流量预测模型的研究

无线传感器网络(WSN)的流量预测研究对于WSN管理具有至关重要的意义.基于WSN的特点,结合自回归滑动平均(ARMA)模型,该文提出了一个面向WSN的流量预测算法.仿真结果表明,该算法具有较高的预测精度;利用本算法对WSN的多路径路由机制进行改进后,可进一步提高WSN的生存期.     

一个基于H.323的多点QoS保证方案

文中针对实际基于PC应用的H．323系统，给出并实现了基于拥塞控制的QoS保障方案。在实际的H．323系统中进行的实验分析结果表明，我们制定的QoS控制策略能够实时地对视频参数进行动态调整。     

一种改进的一致性数据融合算法

针对目前数字滤波算法中存在对先验信息要求苛刻及定义数据间支持度中门限的预先设定问题,在基于测量方差加权算法基础上,引入相对距离和置信距离的思想对其次优融合估计结果进行改进。仿真结果直观地说明了该估计算法的有效性。     

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．     

基于信息熵的一种传感器管理算法

通过对目标搜索区域不确定性定量描述的信息熵及信息熵变化而产生的信息增量,本文提出了一种多传感器对多目标进行检测与分类的优化算法,即针对每一检测单元计算该时刻的信息熵及预测下一时刻的信息熵,产生信息增量最大的检测单元就是下一次要搜索的单元.仿真结果证明了该算法的有效性.