火箭飞行测量数据多分辨率处理研究

为提高火箭飞行测量距离处理精度,建立了基于测量距离的四阶差分动态模型和用于分析测量距离的多分辨率动态模型,利用小波变换在不同分辨率间起的桥梁作用。提出了基于Bar-Shalom公式的测量距离的多传感器多分辨率数据融合的算法,给出了理论弹道加噪声处理的实例。结果表明,提出的多分辨率处理算法较好地解决了火箭飞行弹道测量数据处理精度的问题,与标准Kalman滤波算法相比,误差方差改善了近16%。     

一种火箭主动段弹道数据融合方法

提出了一种火箭主动段弹道数据融合方法,该方法利用各类测量弹道数据进行融合计算,得出一组综合弹道数据为测量设备提供数字引导,并作为判断火箭飞行轨迹的依据。通过以往某次火箭主动段任务实测数据复演,验证了这种方法的可行性和有效性。     

一种多传感器数据融合算法的研究

一个传感器往往难以实现对目标的辨识,使用多个传感器收集来自多种物理现象产生的信号,就可以比较容易地实现对目标的辨识。传感器信息融合方法是当今研究的关键技术,它产生于军事领域并在多学科、多领域得到极大发展。本文介绍了一种基于统计方法的数据融合分类算法——DempSter—Shafer算法,并举例介绍了应用该算法如何融合多传感器数据。     

一种轨道衡的数据融合方法

分析了轨道衡普遍采用的多传感器输出并联产生误差的原因.介绍了应用基于算术平均值与分批估计的数据融合方法处理轨道衡多传感器输出的数据,提高轨道衡准确度。     

一种多传感器数据自适应空间分级融合算法

当采用分布在不同空间位置上的多传感器观测值对测量噪声干扰下的参数进行融合估计时,被测量的空间分散性对融合结果影响较大.针对该问题,以自适应加权融合算法为基础,提出了自适应空间分级融合算法,并给出了误差分析和应用方法.该算法将融合过程分解为两次寻优,第1次是局部空间的自适应加权寻优,第2次是在全局空间内的融合寻优.计算机仿真结果表明:该算法在估计空间分布不均匀的被测量时优于自适应加权融合算法.     

一种多传感器数据融合目标识别新方法

在多传感器目标识别中，传统方法是直接将多元的局部决策送入融合中心，进行最后的整体决策。该方法是化多元检测为多个二元检测，使送入融合中心的局部决策是二元的，从而可利用现有成熟的二元检测技术进行基于置信度的整体决策，使识别问题得到简化。     

一种新的位置数据融合方法的研究

给出了一新的基于团队一致法的多传感器位置数据融合方法，该方法按传感器队中的每个成员的测量不确定性，构造团队期望效用函数（或密度），并基于该期望效用函数求得位置参数估计，其优点是可消除失效传感器和测量值为野值的传感器的影响，本文给出了仿真结果。     

一种基于模糊理论的一致性数据融合方法

在多传感器检测系统中,每个传感器只能得到环境的部分信息。为作出合理的决策,并识别出有错误的传感器,有必要将传感器的局部观测值组合成全局估计。利用模糊集合理论中的隶属函数获得各传感器的局部决策,并采用“决策距离”的概念对各个传感器的一致性进行检验     

一种改进的分布式航迹估计融合算法研究

在航迹估计融合算法研究中,加权融合估计算法实现起来特别容易,因此得到了广泛应用。但由于其加权因子直接影响融合结果,一般说来都根据平时经验制定其加权因子,导致算法性能很不稳定,设计起来也不方便。针对此问题,设计了一种改进加权融合算法,并与其它算法进行比较,结果表明,算法稳定性更高,设计更科学,融合效果更好。     

多传感器数据融合的一种方法

在多传感器数据融合的过程中,首先必须验证各个传感器的可靠程度,即确立正确的关系矩阵。一般做法是根据门限值判断两个传感器是否相互支持,或者用分段直线等方法表示其支持程度。在分析的基础上,提出了应用椭圆曲线表示支持程度,并分别给出了融合结果。     

基于LMS算法的多传感器数据加权融合方法

针对目前多传感器数据融合过程中,传感器观测噪声不易确定,提出了一种基于LMS算法的多传感器自适应加权数据融合方法。该方法将传感器最优加权系数的求解,转化为估计值的均方误差性能表面的最优解搜索,通过加入自适应阶段,采用自适应最小均方误差（LMS）算法调整传感器加权系数。仿真结果表明该方法的有效性。     

多传感器异步线性测量系统的数据融合

由于采样速率和传送数据到融合中心的通信延迟的不同,现代工业生产过程中用于对未知的常值或缓变参数进行估计的多传感器通常是异步工作的,且受到加性测量噪声的干扰。在最小二乘估计意义下,对于测量噪声互不相关的多传感器异步线性测量系统,提出了集中式和分布式递推参数估计数据融合算法,两种算法完全等价,且都是全局最优的。数值仿真实验的结果表明,通过利用多传感器的测量数据,增大了对参数测量的数据流和数据率,传感器测量参数的估计准确度得到明显改善。     

有翼飞行器外弹道测量数据融合处理研究

提高大气层内具有复杂弹道特性的飞行器外测弹道数据处理精度一直是困扰研究学者和数据处理人员的课题.本文应用已有的数据融合理论,结合大气层内机动飞行器的运动特性,提出了一种基于分段三次样条函数的外弹道数据融合处理算法.仿真和实测处理结果表明:该算法显著地提高了数据处理精度,在相关数据处理任务中具有一定的应用价值.     

基于最小二乘法的冗余信息数据融合算法实现

为了有效融合多传感器冗余系统量测信息,使状态的估计值更接近于状态的真实值,实现高精度和高可靠性的状态估计,采取了基于最优加权的最小二乘算法、有限窗加权的最小二乘算法和自学习加权最小二乘算法,分别对多传感器实测数据进行融合处理,融合后数据的方差大幅度降低,估计精度显著提高。并与传统的最小二乘算法进行了仿真对比,结果表明,这3种方法较最小二乘算法融合精度更高,其中,自学习加权的最小二乘融合算法既考虑了历史数据的作用,又考虑了环境噪声和新的采样值的影响,增强了对噪声检测的敏感性,估计效果较好。     

基于平均值迭代的多目标数据融合算法

针对多平台多目标量测数据的通信、量测等方面的不确定性,提出了一种基于平均值迭代法的多平台集中式数据融合算法。该方法首先采用最近邻法进行多平台多传感器数据关联,进而利用关联后数据的平均值循环迭代更新测量数据中的最大、最小值,直到满足规定的精度要求,从而实现多平台多传感器数据融合。避免了一些传统算法的复杂计算过程,提高了计算速度,且能满足融合结果的精度需求。通过仿真实例,验证了该算法的可行性和有效性。     

模糊数据融合算法在设备状态监测中的应用

在对设备进行状态监测时,常采用传感器固定阈值检测法实现对设备的故障监测。为了克服该种方法所引起的信息损失问题,基于模糊集系统理论,提出一种应用多传感器模糊数据融合的融合监测方法,将监测设备的多个传感器所获取的信息模糊化,再将其融合,从而获取设备精确的状态估计。实验表明:该方法优于传统的设备故障监测方法。     

基于量测自适应辨识的多传感器数据融合算法

针对量测不确定条件下多传感器量测数据的合理利用和有效融合问题,提出了一种量测不确定下多传感器量测自适应数据融合算法。算法实现中考虑到传感器量测受扰动影响的具体情况,通过单个传感器的量测似然度的求解确认等效量测,并利用传感器量测数据间统计距离的构建完成对等效量测优化,进而实现不含扰动影响传感器量测数据的合理选择和融合。理论分析和仿真实验验证结果表明:新算法不仅有效改善扰动对于滤波精度的不利影响,并且相对于分布式融合方式降低计算复杂度。     

基于多传感器的温室环境数据融合算法研究

无线传感器网络中采集的数据存在着较大的冗余与误差,影响数据的可靠性;而在温室环境监测中,对数据的准确性要求比较高。因此,为了提高多传感器采集数据的准确性,在研究了现有的几种数据融合算法以后,提出一种基于多传感器的综合数据融合算法。给出了采用格罗布斯准则消除粗大误差,并引入哈夫曼树的思想对数据进行项融合的方法。结果表明,该算法可以有效提高测量数据的准确性。     

数据融合算法在煤自然发火实验系统中的应用

煤自燃是矿井的主要灾害之一,煤自然发火实验台的建造为煤自然发火的实验模拟提供了有效的解决方案;实验中温度数据的准确、可靠测量是目前亟待解决的技术问题。对煤自然发火实验台的温度数据采用改进的一致性数据融合算法进行处理,该方法的应用使融合结果有更高的精度,更强的抗干扰能力。     

一种同质的多传感数据融合新算法

提出一种同质的多传感数据融合新算法,充分利用了所得信息,克服了融合过程中必须依赖于多传感数据之间关系阀值的人为经验设置问题。并把新算法应用于测控装置中,计算结果表明:新算法能对多传感数据进行有效融合,提高了抗扰动性,保证融合结果有较好的精度和高可靠性。