基于声矢量传感器阵的酉MUSIC算法

声矢量传感器同时拾取空间同点的声压振速信息,为阵列信号处理提供了更多的信息。酉MUSIC算法可以降低计算复杂度,提高方位估计性能。综合二者优点,提出了基于声矢量传感器阵的酉MUSIC算法。构造了广义转换矩阵,通过合成复观测数据及其共轭,实现了协方差矩阵的实值特征分解,降低了计算量。仿真与湖试结果表明,与已有算法相比,该方法具有计算量小和背景噪声低等优点。     

双基阵纯方位目标跟踪无偏最小二乘估计算法

纯方位目标跟踪是非线性估计问题,伪线性估计算法是主要的纯方位目标跟踪算法之一,其计算简单,但对测量方程进行线性化处理后其运动要素的估计会出现发散或偏置现象.为了克服伪线性估计算法的估计有偏性,本文提出一种带约束条件的最小二乘估计算法,使得伪线性化后的均方等效误差最小来实现目标运动要素的无偏估计.通过仿真说明了利用该方法所得到的位置、速度跟踪误差曲线能很好快速地逼近CRLB,比双基阵EKF滤波器及伪线性估计算法有着更好的收敛速度和跟踪精度,证明了该方法的有效性.     

多传感器分布式区间估计融合

考虑了对未知参数θ的多传感器分布式区间估计融合问题. 建立了一种最优区间估计融合模型———凸线性组合融合, 并给出搜索最优权系数的Gauss Seidel迭代算法, 另外, 给出了一种近似的区间估计融合, 它能减少大量的计算量, 并且在某些情况下可以达到最优的估计性能. 最后采用计算机数值模拟, 用以上方法得到的融合区间估计均优于每个传感器的区间估计的性能.     

声传感器阵列的实验研究

海洋中对目标的判决主要依靠于水听器阵列对水声信号的检测.为了对比声压阵与矢量阵对信号的检测能力,首先计算机仿真了声压阵和矢量阵的增益及其对目标方位的估计,而后加以实验验证.实验结果表明,矢量阵的增益高于声压阵,且其克服了声压阵左、右舷模糊的问题,能精确的对目标方位进行估计并完成对水下运动目标的航迹跟踪,从而验证了矢量阵的优越性.     

声发射源多传感器数据融合识别技术

波形数字发射技术的发展给声发射源的特性识别带来了可能性。由于各种噪声的影响，以及声发射信号传播过程的复杂性，又给声源的识别带来一定的困难。为了解决干扰情况下声发射源的定性问题，文章提出了在决策层上的多传感器数据融合的识别方法。利用定位传感器组中各个传感器得到的数据，同时考虑在同一个定位组中各个传感器所得数据 的置信度不同，对声发射源的性质进行了识别。实验结果证明了数据融合后，声发射源特性识别的可靠性明显大于单个传感器的识别效果，这也表明了多传感器融合识别的可能性和有效性。     

多传感器异步航迹融合算法与仿真

针对分布式多传感器数据融合系统,提出了一种多传感器异步航迹融合算法。由于不同传感器的采样时间各不相同,融合算法首先利用最小二乘法将局部航迹统一到融合中心的融合时间点,然后利用多传感器自适应航迹融合算法,将局部航迹进行融合,得到系统航迹。仿真结果表明该算法能够较好的解决异步航迹的融合问题,以较小的计算量达到了接近加权协方差(WCF)算法的融合精度。     

异步多传感器数据融合

由于传感器自身以及通信延迟等原因,使得异步多传感器数据融合问题比同步问题的研究更切合实际。对连续时间系统在融合中心和各传感器节点分别进行异步离散化处理,离散后过程噪声与测量噪声以及测量噪声之间相关,虽然相应连续时间系统中的噪声是不相关的。最后推导了相关噪声情况下的异步融合算法,仿真结果说明了算法的有效性。     

一种用于管道地面标记的阵列式MEMS矢量声传感器仿真研究

针对目前对管道内检测器标记难和测量精度差的现状,提出了一种新型单片集成阵列式矢量声传感器。克服了现有矢量声传感器在油气管道内检测器方位估计中判断信号方位的不足,消除了左右舷模糊的问题。通过用ANSYS软件对阵列式矢量声传感器结构进行仿真,得出该阵列式矢量声传感器的灵敏度为2.05 mV/Pa,一阶模态为438 Hz,固有频率为438 Hz。最后根据分析得出阵列式矢量声传感器在管道内检测器方位估计中的定位角度公式。     

声表面波传感器

评述了用于物理敏感和化学敏感的声表面波传感器的现状和进展。     

一种异类传感器的异步数据融合算法

由于雷达具有较好的测距性能,红外传感器具有高精度的测角性能。由于上述技术特点,使得两者具有良好的信息互补性,雷达和红外数据融合引起了广泛的注意。异类传感器数据处理是数据融合中的一个难点。考虑到两种传感器具有不同的测量维数,量测数据异步采样并以不同的速率传输到融合中心站点,提出了一种新的异类传感器异步数据融合算法。通过最小二乘法完成两种异步数据关联同步,然后对于相似性测度进行数据关联,与数据压缩技术完成目标状态信息融合。利用上述方法,进行了仿真实验验证了算法的有效性。     

一种机动目标跟踪的异步航迹融合算法

为实现机动目标跟踪,提出一种异步序贯航迹融合算法。融合中心包含匀速和匀加速2种融合模型,均通过信息去相关方法实现序贯航迹融合,并利用调整过程噪声的方法抑制融合发散。对匀加速融合模型的加速度估计进行显著性检验,实现机动检测。当检测到机动时输出匀加速融合模型的结果,反之输出匀速融合模型的结果。仿真结果表明,该算法能实现对机动目标的稳定跟踪,具有较高的跟踪精度。     

交互式多模型异步航迹融合算法

对分布式融合系统中的异步航迹融合算法进行了研究.已有的异步航迹融合算法要求传感器所采用的状态方程与目标运动模式相同,这在实际应用中很难满足.针对已有异步航迹融合算法的不足,建立了基于状态方程集合的异步航迹融合模型.所有传感器均采用基于同一状态方程集合的交互式多模型(IMM)算法来实现航迹生成,融合中心对来自于相同状态方程的异步航迹数据进行加权平均来获得同步航迹,提出了交互式多模型异步航迹融合(IMMASTF)算法.仿真结果验证了IMMASTF算法的有效性.     

无线传感器网络中的信息融合算法

无线传感器网络是一种新兴前沿技术. 节省能耗和延长网络寿命是无线传感器网络研究的核心课题之一, 通过信息融合算法减少数据传输量是延长网络节点寿命的有效途径, 研究了无线传感器网络中三种主要的信息融合算法, 并总结了算法的不足与改进方法.     

Decentralized Architecture for Asynchronous Sensors

This paper presents an efficient method of multi-sensor estimation that can be used with asynchronous and synchronous sensors. A decentralized architecture is used for the fusion of information obtained from several asynchronous measurements. The issue of the synchronization of the information, which is critical in the proposed method, is addressed. The information form of the Kalman filter (information filter) is used as the main algorithm for estimation. The method is demonstrated with the implementation of a navigation system for an autonomous land vehicle. The integrity issue is also addressed with the implementation of multiple independent estimation loops. The proposed method allows for efficient fusion of information obtained from different measurements for covariance reduction, while providing the benefits of decentralized estimation architecture for integrity purposes. The resulting estimates are equivalent to an optimal centralized filter when the loops incorporate all the information available in the system. The information obtained from each measurement is then broadcast to the other loops after being synchronized. This information is used in an assimilation stage to achieve more accurate estimates. The assimilation frequency is also discussed considering the trade off of fault detectability and estimation covariance reduction. The performance of the navigation method is examined by comparing the resulting position estimates to those of independent navigation loops.     

多传感器检测系统的 多步反馈融合算法

通过分析分布式检测系统的工作原理，提出了一种新的局部检测器融合方法，该方法利用检测器局部判决结果与融合中心融合结果的误差多步累积平均值对检测器下一步判决进行修正，从而达到提高检测器检测概率的目的。分析表明，该算法能有效提高系统的性能。     

基于声学传感器的目标跟踪扩展算法

针对机动的目标跟踪,提出扩展的卡尔曼滤波器/多假设跟踪方法(EKF/MHT),该算法具有结构和计算简单,鲁棒性好的特点,同时研究了和声学传感器相联系的目标数量、位移量和探测分辨率对跟踪性能的影响,并通过仿真,充分说明了文中所提出的跟踪算法能够较好地弥补传统的Kalman滤波/MHT方法在跟踪机动目标时的不足。     

异类传感器实时信息融合的STMHM算法

异类传感器实时信息融合由于两类设备的数据率不同和数据误差的限制,一直未得到有效解决,提出一种空时二维多假设模型( STMHM)算法来解决该问题.设计的融合数据模型,将异类传感器的测量数据映射在二维直角坐标系下;按照新的融合数据模型分别构建两类传感器的目标量测空间和融合空间;设计量测空间时间初始化方法和目标实体空间的滤波算法;通过仿真验证表明:该算法能够实现异类传感器的信息融合,初次融合成功的确认时间在3～5个主动传感器扫描周期.     

基于数据融合的战场声目标识别系统算法研究

现代战争越来越多地使用高科技武器,各种武器车辆坦克的声音相互混叠,进行声目标识别是极有挑战性的.为了在嘈杂的战场环境中多传感器网络仍能正确识别各种目标信号,结合无线多传感器网络的特点和数据融合理论,设计出了适合于战场环境的声目标识别算法.使用小波包进行预处理及特征提取,人工神经网络进行分类识别,并运用数据融合算法得出最终识别结果.通过对采集到的声目标信号进行识别,结果表明方法应用于战场声目标识别中是可行有效的.