基于多传感器异步数据融合的目标跟踪方法

在具有伪测量次优滤波器的基础上，提出多传感器异步融合的目标跟踪算法。通过蒙特卡罗模拟结果证明了该算法的有效性。     

多传感器异步数据融合算法

由于传感器的采样速率和通信延迟,传感器的不同步问题大大降低了多传感器系统数据融合的精度。研究多传感器异步融合比同步数据融合更为迫切。该文利用误差协方差阵的迹最小准则建立了多传感器异步融合模型,给出了具有普遍意义的多传感器异步融合模型,弥补了目前多传感器异步数据融合仅限于两两传感器的局限性,并从理论上对多传感器异步融合的性能进行了分析。仿真结果表明该异步融合模型是有效的,能够对多传感器的异步数据进行优化处理,并且优于单一传感器的性能。     

一种有效的异质多传感器异步量测融合算法

提出一种不同类型传感器异步量测融合算法,即首先将量测方程线性化,再在融合中心通过建立伪量测方程,得到同步化的量测数据,然后利用一种扩维滤波的思想进行融合处理得到全局估计,最后进行仿真分析。结果表明了该算法的有效性。该算法体现一种并行处理的思想,故数据处理的速度高,特别适用于异步数据的融合处理。     

一类多速率多传感器系统的状态融合估计算法

基于不同传感器以不同采样率对同一目标状态进行观测的多传感器单模型动态系统,该文提出了一种状态融合估计算法。不同传感器之间采样率之比可以是正有理数。该算法不仅具有好的实时性,而且在线性最小方差意义下是最优的。进一步可以证明：融合多个传感器获得的最高采样率下状态的估计值优于单传感器的估计结果,而减少任何一个传感器的信息所获得的估计值的误差协方差都将增大。仿真结果验证了算法的可行性与有效性。     

一种基于异步数据融合的传感器管理方法

针对多传感器系统存在观测数据过多,数据融合中心处理负担过重的问题,在引入一种基于传感器观测数据序贯处理的最优异步融合算法的基础上,提出一种基于目标协方差控制的传感器选择算法对异步观测数据进行优化组合,从而实现以最小的计算量达到所要求的目标状态估计精度。最后的仿真结果证明了该算法的有效性和可行性。     

基于全局状态估计的多传感器加权数据融合算法

自学习最小二乘加权数据融合算法已被广泛地应用于融合多传感器系统中的量测信息.但是,通过深入的理论分析和实验仿真发现,自学习最小二乘加权数据融合算法在进行双传感器数据融合时具有较差的融合精度,同时该算法还具有较差的抗干扰性及稳定性.基于以上研究结果,提出了一种基于全局状态估计的多传感器加权数据融合算法,采用卡尔曼滤波的状态估计特性及相关历史信息,使得状态的估计值能够充分逼近真实值,从而使得算法具有较高的融合精度及抗干扰性.最后,MonteCarlo仿真结果显示,相比于已有算法,提出的算法在融合精度及抗干扰性方面具有明显地提高.     

基于有理数倍采样的异步数据融合算法研究

本文研究了一类具有不同采样率的分布式多传感器动态系统的数据融合问题,针对一类采样率呈有理数倍关系的动态系统,提出一种基于多源异步采样数据的新融合算法.新算法首先是将来自各个传感器的测量值在融合中心的坐标系中和时钟下进行映射统一;其次,以对目标状态下一时刻的预测值与目标在该时刻状态的估计值之差为基础,建立起描述该融合周期内各个观测点处的目标状态向量之间的动态模型;然后,以该时刻目标状态基于全局信息的估计值为条件,结合建立的新模型和传统的Kalman滤波器,利用本周期内按序到达的各传感器观测值,依次对各个观测点处目标的状态进行估计和更新;最后,在顺序得到本周期内各个观测点处目标估计值的同时,也将获得下一时刻目标状态基于全局信息的估计值或预测估计值.文中在给出新算法基本思想的同时,也较为详细地对融合算法进行了推导,并通过计算机仿真的方法,将新算法与基于时间校准的算法在估计精确度上进行了比较,从而验证了新算法的有效性.     

多传感器导航系统状态估计一致性检验

本文论述多传感器导航系统中检验联合卡尔曼滤波器状态估计一致性的系统错误检测方法。联合卡尔曼滤波器是基于信息共享原理的分块估计算法，在正常工作情况睛，各分块滤波结果之差是均值为零、方差一定的高斯矢量，估计一致性检验特别适用于此，并能有效地改进系统的容错水平。     

基于Kalman滤波的多传感器信息融合研究

多传感器信息融合是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术。单一传感器只能获得环境或被测对象的部分信息段,多传感器信息融合后可以完善地、准确地反映环境特征。本文介绍多传感器数据融合的基本理论。数据融合是把来自不同传感器数据加以综合、相关、互联,提高定位和特征估计的精度。文章对Kalman融合算法进行仿真,对结果进行分析。验证算法的可行性。     

A Sequential Asynchronous Multirate Multisensor Data Fusion Algorithm for State Estimation

To generate the optimal state estimate, the fusion of information from multirate multisensors with asynchronous sampling rates is studied. The problem is formulated by linear time-vary dynamic system combined with multiple sensors observing a single target with asyn- chronous and different sampling rates. Unlike the traditional interpolation or batch process approaches, the state estimate is achieved by system prediction followed by sequential update along sensors. In updating, Kalman filter and the orthogonal projection theorem are used. The optimality of the algorithm in the sense of linear minimum variance is verified. Experimental results show the feasibility and the effectiveness of the presented approach.     

基于MHT的多传感器数据融合算法

提出了一种基于多假设跟踪算法(MHT)的分布式多传感器数据融合算法,可进行航迹的更新、删除、保持及初始化等一体化操作,既适用于点迹融合,也适应于航迹融合.这里描述了算法的主要处理流程,指出了分布式多传感器数据融合的MHT实现中面临的技术难题.仿真测试和实装测试结果验证了基于MHT多传感器数据融合算法的可行性和实用性.     

一种改进的多传感器数据融合方法

最优加权法在数据融合时需要确知噪声方差信息,其权值固定不变,而联合卡尔曼滤波法需要确知噪声协方差信息。在噪声先验信息与实际数值差别较大或传感器系统噪声相关时,这两种方法的参数估计精度将急剧下降。针对以上不足,文中提出了一种新的动态最优加权和最小二乘滤波相结合的数据融合方法,该方法能随传感器信号起伏的变化动态调整权值,不需要噪声的统计信息,在系统噪声相关时仍能获得较高的测量精度,具有较强的稳健性。仿真结果验证了新方法的有效性。     

多传感器信息融合技术应用研究

近年来,情报、监视和侦察领域的多传感器信息融合技术研究飞速发展,应用领域不断扩展,显示出巨大的优越性,发挥了重要作用。战场的数字化对战场侦察监视领域的多传感器信息融合的质量和效率都提出了更高的要求。根据多传感器信息融合技术的研究现状,从运用的角度出发,结合当前建设中存在的一系列问题,对战场侦察监视领域多传感器信息融合技术的主要作用和工作特点进行了比较深入的研究,分析了多传感器信息融合技术在战略预警探测、地面传感侦察、雷达组网监视、图像情报处理和机载多传感器集成等ISR领域的应用特点和前景。     

多传感器数据融合发展评述及展望

结合近年来国内外的研究成果,回顾数据融合研究的发展历程,介绍了多传感器数据融合的概念和模型,探讨了数据融合的多层式体系结构,对数据融合理论的发展和研究现状进行了分析,对未来研究方向进行了展望。     

一种多传感器融合的多维数据互联算法

多传感器融合的数据关联问题一直是目标跟踪领域的核心与难点之一.文中提出了一种多传感器融合的多维数据互联算法.首先进行多目标跟踪模式的判断,根据跟踪模式选取不同维数的数据互联算法,对现有的多维数据互联算法存在问题进行了分析和改进,给出了算法实现的伪代码.仿真与实验结果表明,该算法对弹道目标跟踪具有较好的效果,对复杂环境下的多目标也能进行稳定地跟踪.