多传感器信息融合技术在现代防空中的应用

在分析空间环境信息的复杂性、现代传感器的多样性基础上,将多传感器信息融合技术用于地面防空C3I系统、雷达和图像传感器融合、雷达和红外融合、多雷达融合系统。展现了信息融合技术在解决防空问题中具有增强生存能力、扩大覆盖范围、增大信息可信度等优势,可增强防空能力。     

一致性多传感器数据融合技术在引信信息融合中的应用

运用一致性多传感器数据融合技术思想及多源数据的互补性和容错性来排除由于传感器性能、故障等因素引起引信控制系统在控制过程和解除保险过程中产生误动作,以提高信息的可靠性。     

联合卡尔曼滤波在多传感器信息融合技术中的应用

多传感器信息融合技术在目标跟踪领域已经得到了广泛的应用,末制导融合技术是多传感器跟踪系统中的关键技术之一.本文运用联合卡尔曼滤波的先分散处理,再全局融合的思想,对主动雷达、红外传感器的数据融合问题进行了研究.仿真结果和实验表明,利用此方法可使雷达、红外传感器达到较好的数据融合效果.     

多传感器信息融合在航天侦察中的应用

针对从情报信息中提取正确可靠信息时存在的问题,对多传感器信息融合在航天侦查中的应用进行研究。在阐述多传感器信息融合的基本概念和基于D-S证据理论的多传感器信息融合的基础上,重点分析D-S证据理论在多传感器航天侦察信息融合中的应用,并以实例进行验证。结果表明:该方法能弥补单一信息的不完整和不确定性,提高信息的确定性和可靠性。     

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。     

多源信息融合技术在军事装备试验中的应用

信息融合是现代信息处理的一种通用模式,其方法已应用于信息与控制的各个领域。随着试验靶场建设的不断需求,对多源信息的综合利用,提高空间信息的利用率,已成为靶场试验指挥控制系统应用研究的重点。文章基于对信息融合理论与方法的分析,给出了信息融合的不同结构模型和常用的融合算法,并且结合靶场信息融合技术的应用现状,提出了对未来靶场信息化建设的一些建议。     

组合D-S证据理论在多传感器信息融合中的应用

在多传感器的目标跟踪领域中,Dempster-Shafer证据理论及其组合方法得到了广泛的应用,但该理论本身也存在一些不足之处.针对D-S组合规则无法解决冲突证据这一情况,根据传感器的优先级不同,提出了采用组合的改进算法来取得合乎直观的合理结果.该算法简单,避免了复杂的数学运算,具有良好的工程应用背景.给定方法与传统D-S理论相比,提高了决策的准确性.     

多传感器信息融合技术及其在导弹多模复合制导中的应用

介绍了多传感器信息融合技术及其在导弹多模制导中的应用，并针对文献[4]的最小方差全局最优算法提出了修正方法。通过仿真分析，证明该修正方法优于未修正的方法。     

多传感器目标检测的模糊信息融合技术研究

在多传感器目标检测系统设计中，往往需要对传感器虚警率和检测率进行数学描述，原来的经典概率值不能对这种本性不确定的量进行充分描述，利用模糊集合对这种不确定性进行模糊建模更符合所研究物理现象的客观事实。文中将模糊集合理论应用到分布式多传感器检测系统的一种信息融合算法中，对原算法进行了改进。     

多传感器信息融合在自行火炮发动机故障诊断中的应用

针对单一传感器信息反映故障的模糊性和不确定性，发动机故障诊断精度较低的情况，提出了一种基于模糊逻辑的发动机喷油器故障MSF诊断方法。某12缸发动机喷油器上设置的5种故障分别是喷孔堵塞、针阀卡滞、弹簧断裂、针阀开启压力过低和针阀开启压力过高。将8个特征参数融合到模糊逻辑推理诊断系统中，根据实验统计，分别建立了8个特征的隶属度函数和6种状态的输出隶属度函数。该方法能有效地提高发动机故障诊断精度。     

多传感器数据融合技术研究现状及军事应用

多传感器数据融合分像素级、特征级和决策级融合.多源信息在多层次上的数据融合过程含检测、关联、跟踪、估计和综合.其航迹融合过程包括低层次上的状态和属性估计及高层次上的战场态势和威胁评估.该技术在军事上的应用已涉及海上监视、空-空和地-空防御、战场侦察、监视和目标捕获、战略防御与告警等领域.     

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。     

基于优化向量场直方图法的机器人避障方法

为解决移动机器人在未知环境下的路径规划问题,从多传感器信息融合入手,研究了基于向量场直方图法的移动机器人避障方法,分析了向量场直方图法的特点,并对向量场直方图法进行了优化;仿真结果表明：该方法能在复杂未知环境中避开障碍物并寻找最优路径,验证了该优化算法的正确性和有效性.     

基于改进D S 理论在无人化武器系统信息融合中的应用

针对无人化武器系统多传感器数据之间存在的信息融合问题,提出一种将AHP法和D-S证据理论相结合的无人化武器系统信息融合算法。根据多个传感器信息融合时所在环境条件对各传感器精确程度的影响,通过AHP法确定在多个传感器基本概率赋值中各传感器的权值,并利用D-S证据理论进行改进,实现了目标识别。实例分析结果证明:改进后的识别结果明显优于传统D-S证据理论的识别结果,在一定程度上改善了目标识别系统的性能。     

无人地面平台多传感器的联合外标定方法

针对现有的传感器标定方法的不足,提出一种采用3D标定物的无人地面平台多传感器联合外标定方法。在参考和借鉴国内外学者的智能移动机器人传感器标定研究成果的基础上,建立了无人地面平台和多传感器坐标系;并从3D标定物、多层激光测距仪的外标定、多层激光测距仪和CCD摄像机的联合外标定、坐标系之间的齐次变换和L-M非线性最优算法等几个方面论述多传感器的外标定方法和步骤;对标定结果进行了验证和误差分析。现该方法已经成功应用于中型无人地面平台项目。应用结果表明:该方法能修正各传感器的安装位姿误差,保证标定后的各传感器的测量精度和目标(障碍物)在平台坐标系的一致性。     

火灾预警系统中的信息融合

基于多传感器数据融合的火灾预警系统由传感器、数据处理融合、集中控制器、报警、执行和通信等模块组成.传感器、处理器和控制器间采用Lonworks总线,在LonTalk协议协调下形成网络控制系统.该火灾预警系统中,利用Lonworks的Neuron C芯片对数据预处理,然后用通信网络传输数据,再由上层的芯片对压缩数据融合,提高了火灾探测灵敏度.     

无人机平台用多源信息融合导航技术

为满足无人机平台的导航要求,提出了一种新型多源信息融合导航方案.该方案以伪距、伪距率差分信息,惯导航向与磁航向的差值信息,以及惯导高度与气压高度的差值信息作为观测量.跑车实验表明:该系统能够提供可靠的导航信息,并且很好的解决了传统组合导航系统工程中航向误差角无法估计以及3颗星状态下组合效果差的缺陷.研究结果可为无人机平台导航方案的选择和设计提供参考.     

多传感器信息融合技术在目标飞机类型识别上的应用

目标飞机类型的识别有助于了解战场态势,增强对抗攻击能力。在系统模型的基础上结合实战提出影响目标飞机类型识别的证据,并按照影响程度进行优先权排序;联合数据库,提出证据概率计算的数学表达式;采用深度优化搜索的融合模式,按照D—S证据理论进行融合计算;在传感器管理模块的作用下,对融合结果进行反馈控制;结合实例,对系统进行仿真验证,证明其可靠有效。