基于多分类支持向量机和证据合成方法的多传感器信息融合研究

为克服支持向量机和Dempster方法的不足,提出一种基于SVM多分类器的识别结果概率输出方法。以BPA函数的形式输出SVM多分类结果,对Dempster证据合成方法进行了改进：根据证据之间的相似性程度判断是否存在证据;中突,对于证据数目在3条以上且存在冲突的证据组合,引用统计理论中马氏距离的计算公式计算各证据与其余证据组合之间的距离,导出各证据的重要性权系数,由此对证据的BPA函数进行转化,采用Dempster方法对转化后的BPA函数进行合成。然后,将SVM多分类器的BPA输出作为参与融合的各传感器对应的BPA函数,采用改进的证据合成方法进行合成,得到最后识别结果。结果表明,SVM识别方法能降低错误率,其输出形式包含更多信息量。     

一种基于观测支持度的动态加权融合算法

为对无人机通过各种同类传感器获取的数据进行融合处理,得到更精确的导航数据,提出一种动态加权 融合算法。引入观测支持度的概念对传统的平均加权算法进行改进,通过计算各传感器测量数据间的相互支持度信 息,并依据观测支持度的变化特征,实时动态更新融合权重进行多传感器数据的融合。将算法应用到实际飞参数据 的分析处理,结果表明：该算法能够根据传感器数据特征实时调整权重分配,融合结果较传统的平均加权算法更加 准确、可靠。     

一种多传感器目标检测的模糊信息融合算法

由于受到各种不确定因素的影响以及越来越严格的工程应用需求.传统的概率表示法已经不再能理想的表征某些特定传感器的检测率和虚警率。文中利用模糊集合来描述上述两量.提出了一种多传感器目标检测的模糊信息融合算法.并给出了一个双模复合导引头目标检测的具体算例,仿真结果表明算法合理。     

基于相关性函数和模糊贴近度的多传感器数据融合

针对多传感器数据融合中,各传感器测量数据的可靠程度难以确定以及如何提高数据融合结果的精度问题.文中提出了利用模糊理论中的相关性函数来计算多传感器的相互支持程度,并基于模糊贴近度,对支持程度高的传感器数据进行融合.仿真结果表明,相比同类融合方法,该方法获得的结果具有更高的精度和可靠性.     

基于加权聚焦度的多焦点图像融合算法

为保留更多的源图像信息特征,克服基于梯度等融合算法容易产生伪影的缺陷,提出一种基于加权聚焦度的图像融合算法.计算每个源图像的聚焦度量值空间频率、改进的修正拉普拉斯算子和和梯度加权和,得到聚焦状态图 MSF、Mi-SML和 MSoG,根据隶属函数求出相应隶属度值μSF(z)、μi-SML(z)和μSoG(z),得到各源图像的权重,根据线性归一法生成最终的融合图像,并将该算法与当前几种典型图像融合算法进行主客观评价.结果表明:该算法的标准偏差(σ)高出4.699,平均梯度(G)高出0.382,信息熵(H)也是最高的,其他评价参数也在可接受的范围内,融合图像更清晰,没有产生伪影.     

具有多传感器的引信信息融合技术研究

采用多传感器的引信系统是获取更多的目标信息,提高引信抗干扰性,可靠性,改善引战配合的有效途径之一。多传感器系统在引信中应用时,应该根据工程要求不同采用不同的结构及数据融合方法。     

一种改进的加权融合算法

加权融合算法由于实现起来特别容易,所以在实际工程上得到了广泛的应用。但其加权因子直接影响融合结果,导致算法性能很不稳定。通过对多传感器航迹估计融合算法的深入研究,提出了一种改进的自适应加权融合算法,解决了算法性能不稳定的问题。仿真结果表明,文中改进的算法性能优于其他加权融合法。     

一种新兴信息处理技术:多传感器集成技术发展综述

概括地介绍了目前国际上一项应用广泛的新兴信息处理技术－多传感器集成技术，比较全面地介绍了该技术目前在国际、国内的研究发展状况，特别着重介绍了该技术的主要基本概念和技术方法，主要有信息融合的层次，信息集成的方法（或计算与控制结构）和信息融合的方法。     

多传感器信息融合的模糊神经Petri网络型

将模糊产生式规则应用到多传感器融合系统是得到一种模糊信息融合方法，再用Ｐｅｔｒｉ网对此信息融合系统建模。在此基础上将人工神经网络与Ｐｅｔｒｉ网相结合，提出了一种多传感器信息融合的模糊神经Ｐｅｔｒｉ网模型。     

多传感器数据融合技术研究

多传感器数据融合技术是近几年发展起来的一门新兴技术,在军事和工业中有着广阔的应用前景.文中论述了多传感器融合的基本工作原理、数据融合结构和功能模型、数据融合方法和应用领域,简单介绍了多传感器数据融合在组网雷达系统中的应用,总结了当前数据融合研究中存在的问题和研究方向.     

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。     

基于矩阵分析的加权证据时空融合算法研究

在多传感器目标识别系统中．为解决各传感器可信度不一致的问题，提出加权证据的方法。为便于采用计算机实现，采用基于矩阵分析的D-S证据理论。考虑融合系统的时间性和空间性．先从空间域对多传感器进行空域信息融合．然后在此基础上对时间序列进行融合。最后进行判决，识别出目标。识别实例表明了该方法的正确性和有效性。     

基于多传感器的水下航行器航迹融合技术

基于传统卡尔曼滤波算法和最小均方准则，利用全局状态估计反馈，修正了常用的track-to-track航迹融合算法，在此基础上进行了鱼雷导引系统的仿真研究。仿真结果验证了多传感器数据融合技术在提高水下航行器导引精度中的有效性。     

多传感器信息融合联邦滤波一般模型的理论与仿真研究

对多传感器信息融合联邦滤波一般理论模型及其实现方法进行了研究。结合应用需求分析了联邦滤波一般模型的特点,给出了实用的信息分配系数求取方法及该模型具体的算法实现途径。以惯性/卫星(GPS/北斗双星)/多普勒/星光(INS/GPS/RDSS/Doppler/CNS)飞行器组合导航系统为例进行了联邦滤波一般模型算法的仿真分析。仿真结果表明,所给出的一般模型实现算法,在保持该模型全局最优性的同时,具有数值计算稳定性好、计算量小、数据传输量小等优点,是一种改进型算法。     

基于分布式网络的多传感器试飞数据融合系统实现研究

采用事后分析的处理手段对机载多路传感器的导航信息进行有效融合,可获得较高的融合精度,并以此精度为基准可对试飞过程中各导航传感器的性能进行有效评价.结合多传感器信息融合仿真技术,文中提出了基于分布式网络结构的多传感器数据融合总体架构,重点研究了系统中关键的网络通信技术,并采用VC++编程语言完成系统整体设计,实现了系统协调运行.     

分布异质传感器下的神经网络集成目标识别法

针对分布式信息融合结构、异质传感器条件下的目标识别问题,在以往采用单个神经网络进行目标识别的基础上,提出了基于神经网络集成的目标识别方法.给出了生成神经网络集成的具体方法,并构造了一个实际的空中目标识别系统.仿真结果表明,系统的目标识别性能明显优于单个神经网络的目标识别性能,具有较高的应用价值.     

多传感器目标特性测量及数据融合应用

通过对单一探测模式的特点以及典型地面装甲的多种光电特性曲线及图像特征的分析，阐述了多模探测复合原则，以及多模复合回波数据融合结构，讨论了多传感器信息融合的模型和分析方法。基于多传感器信息融合技术有利用不同传感器工作方式上的协同作用和所获取目标信息的互补性，提高对目标的识别能力达到改善系统性能的效果。     

基于联邦粒子滤波器的多传感器信息融合算法

提出了一种新的SINS/CNS/GPS组合导航观测方程,并给SINS/CNS/GPS组合导航系统设计了一种新的联邦式数据融合结构。使用粒子滤波器对联邦滤波子系统的多源数据进行融合处理,从而摆脱了经典卡尔曼滤波器的限制。仿真结果表明所提算法在SINS/CNS/GPS组合导航系统的信息融合中是有效性的。     

多模复合制导中多传感器分布式融合技术研究

多模复合制导是导弹制导的发展趋势,估计融合是多模复合制导的关键技术之一,而分布式融合由于其诸多的优势成为估计融合的热点。本文研究了基于卡尔曼滤波的分布式融合算法以及一个统一的线性融合规则,并分析了各种算法的特点和应用,对两种典型的融合算法进行了闭环回路的制导仿真。最后,对复合制导中多传感器分布式融合的发展提出了一些看法。