一种异类传感器之间的异步航迹融合算法

结合红外雷达测角精度与主动雷达测距精度相对较高的特性,提出了测量数据优势互补融合的方法,主动雷达和红外雷达间进行距离和方位匹配,给出了数据融合算法.仿真结果表明,所提方法具有较好的航迹融合效果.     

多分辨率图像基于分步式滤波的融合算法

在多个传感器对同一个目标场景获得多个分辨率是非整数倍关系的图像的情况下,该文提出了基于分步式图像滤波的融合算法。首先利用小波多尺度分解变换获取相应的低频子图像,并将图像间分辨率的关系从非整数倍转化到整数倍。然后采用分块建模方法,以卡尔曼滤波器为工具,对图像进行分步式融合估计,从而获得目标场景基于多个观测图像的融合结果。最后用仿真实验验证新算法的可行性与有效性。     

一种改进的自适应航迹融合算法

讨论了C.Beugnon等提出的自适应航迹融合算法，分析表明该算法中隐含一个不正确的假设，即传感器航迹与全局航迹之间互不相关。鉴于此，提出一种新的改进算法，该算法修正了原算法中的错误假设，航迹相关性在两种距离测度的计算中予以考虑；并在继承原算法能自适应系统环境变化的优点的同时将航迹关联与融合相结合，降低了融合计算的复杂度。仿真结果表明，此算法对系统环境变化造成的跟踪精度损失具有更强的鲁棒性。     

一种新的数据融合航迹关联算法

最近邻域经典算法在求解航迹关联问题时,由于过度依赖特征阈值以及缺乏全局性考虑,在航迹密度较高的情况下容易出现错误关联．针对这一问题,引入全局搜索策略并采用动态规划和跟踪门技术,提出了一种新的全局最优航迹关联算法．在真实的海上目标航迹关联环境下对两种算法进行了实现,与最近邻域算法相比,新算法不仅获得了较高的关联正确率,同时减少了关联结果对特征阈值的依赖．     

异步多传感器的MAP航迹融合

异步航迹融合是多传感器跟踪系统的一个重要问题。针对实际应用中多传感器采样速率的不同步性,提出了多传感器系统存在反馈情况下异步多传感器的极大验后(MAP)航迹融合估计算法,分析表明,同步多传感器MAP航迹融合算法是该算法的一个特例;仿真计算也表明,该融合算法具有良好的估计精度。     

混有高斯和脉冲噪声图像的一种新滤波方法

针对数字图像中的高斯噪声和脉冲噪声,提出了采用递推最小最大值法与中值滤波相结合的滤波方法。对数字图像首先采用递推最小最大值方法来除去脉冲噪声,然后采用中值滤波方法,并选择合适的窗口尺寸,可得到质量很好的图像。实验结果表明,递推最小最大值方法在抑制脉冲噪声的同时,还能保留良好的图像细节,特别是在多种脉冲噪声存在的条件下,效果更加明显,而中值滤波可以有效地除去剩余噪声,最终得到满意结果。     

基于逆协方差交叉的分布式航迹融合算法

针对航迹融合中数据相关性未知的情况,本文首先研究了航迹融合预处理手段,实现了局部航迹向全局航迹的坐标转换与航迹间的时间对准。然后研究了基于逆协方差交叉的分布式航迹融合算法,并利用结合位置均方根误差、状态协方差矩阵及海林格距离等指标的航迹融合评价指标对算法性能进行全面公允的分析,避免了单一指标的局限性。通过理论分析以及计算机仿真,与协方差交叉算法进行对比验证了该算法的有效性,同时验证了本文航迹融合评价指标的合理性。     

一种基于协方差控制的异步数据融合方法

针对异步融合中心计算量大、实时性差的问题，基于估计协方差控制理论提出了一种多传感器异步数据融合算法．该算法在每步卡尔曼滤波的同时进行下一步的传感器选择，以最少的运算量得到较优的结果．通过计算机模拟仿真，证明了该算法的有效性及可行性．     

一种基于Kalman滤波的实时校准算法

雷达组网融合多雷达的观测数据,可监视大范围的空中态势。但是首先要解决各雷达的系统偏差校准问题,雷达组网才能发挥效能。传统的雷达组网校准技术多基于固定雷达站给出,没有考虑姿态角及其偏差对校准的影响,因此不适合机动雷达偏差校准。该文针对这一问题进行了研究,通过泰勒级数展开推导了系统偏差和量测之间近似的线性关系,在此基础上提出了一种基于Kalman滤波的实时机动雷达系统偏差校准算法。仿真表明,本文提出的算法能有效地对机载雷达的系统偏差和姿态角偏差进行实时估计。     

一种改进的裂变自举粒子滤波算法

退化现象是粒子滤波应用中存在的主要问题,自举粒子滤波虽然可解决退化问题,但易导致粒子耗尽。裂变自举粒子滤波算法虽能增加粒子的多样性,但其裂变过程对权值信息的利用不充分,且权值计算过于简单,滤波精度改进不大。采用高权值粒子裂变小、低权值粒子裂变大的裂变繁殖方法和权值递推计算方法,对裂变自举粒子滤波算法进行了改进,估计精度有所提高。     

一种变步长LMS自适应滤波算法及分析

文章对已有的一些变步长LMS自适应滤波算法进行了分析,在此基础上,提出了一种新的自适应算法,并且分析了参数的取值对算法性能的影响。该算法具有快速收敛性和较小的稳态误差,而且能够快速跟踪系统的变化和不受非相关噪声的影响,仿真结果表明,该算法的性能优于已有的算法。     

基于Kalman滤波算法角度测量信号融合技术研究

针对车载激光通信转台姿态角控制中陀螺仪传感器存在漂移误差等问题,提出了以陀螺仪传感器和加速度传感器作为测量元件对车载转台的姿态角进行测量的方法,并在MATLAB软件平台上建立卡尔曼滤波器将传感器采集的信号进行融合,以加速度传感器输出的姿态角信息对陀螺仪测量的姿态角进行修正、补偿,以提高姿态角测量的精度。通过建立试验系统完成测试,结果表明：应用Kalman滤波算法对陀螺仪和加速度传感器信号进行融合后,有效地减小姿态角的测量误差,为准确获得转台姿态角信息提供了理论依据。     

不同维状态的多传感器MAP航迹融合方法

在分布式多传感器数据融合结构中,各传感器通过处理各自的观测数据把形成的航迹在融合中心进行处理.在实际中各传感器的观测信息维数不一致,也即各传感器可能采用不同的模型观测同一目标;为解决上述问题,通过建立状态映射,提出了输出目标估计状态之间维数不同情况下的带反馈极大验后(MAP)估计融合方法,并通过计算机仿真验证了该算法的有效性.     

不确定性量测的融合估计

为了解决多传感器环境下各传感器观测的有效性具有时变不确定性时,难以恰当地构造系统观测向量与观测矩阵的困难,提出一种不确定性观测向量的量测融合算法.该方法对现有并行滤波量测融合估计算法进行推广,为各传感器观测向量的每一维定义其有效度函数,来构造能表示量测不确定性的广义观测向量以及广义误差方差阵,获得形式上的有效量测,就可以利用现有的量测融合方法获得最优融合估计.为了便于数值计算,同时给出一种次优的融合估计算法.实验结果表明,文中方法能适应量测有效性时变情况下的多传感器量测融合估计,且计算量与现有确定性量测的融合估计方法基本相同.     

一种基于多模态特征融合的垃圾邮件过滤方法

近年来,垃圾邮件制造者为了逃避基于文本的垃圾邮件过滤系统的检测,将垃圾信息嵌入到图像中,并将其附着在邮件正文中进行传播。传统的基于文本的过滤方式无法处理此类包含垃圾信息的邮件图像。为了应对这种同时包含文本和图像的垃圾邮件,本文提出了一种基于多模态特征的融合文本、图像等多媒体信息的过滤方法。首先通过抽取邮件的文本特征和图像特征构建多个分类器,然后采用多分类器融合技术对各分类器的输出结果进行综合。通过对TREC垃圾邮件语料集的测试实验表明,本文提出多模态特征融合的方法获得了比单个分类器更好的效果,准确率达到90%以上。     

分层卡尔曼滤波融合精度的研究

目的分析了传统分层卡尔曼滤波融合算法,指出传统卡尔曼滤波融合算法不能很好地提高跟踪精度且算法复杂的缺陷,提出了一种加权分层卡尔曼滤波融合算法,方法应用理论分析和蒙特卡洛仿真方法,对传统融合算法和新算法进行比较,并给出了各种情况下均方根误差的统计值比较,结果分层融合算法并不优于加权平均和反馈加权平均算法,加权及反馈滤波融合算法原理简单、数据处理量小、速度快、容错性好,结论加权分层融合算法特别适用于失效传感器的处理,特别当一传感器有较大的绝对误差和相对误差或与其它的传感器的采样周期略有不同和与其它传感器采样不同步时,将融合结果反馈给单传感器,可提高各单传感器的跟踪精度。     

履带式行走机器人的多超声波传感器信息融合方法

采用多超声波传感器来获得履带式行走机器人的环境信息,并利用Dempster-Shafer理论、卡尔曼滤波的数据融合方法对获取的信息进行分析和融合,从而完成对周围环境的准确认识,试验结果表明效果良好,具有一定的使用价值.