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。     

多传感器系统误差特性匹配的动态估计与补偿算法

针对非合作目标场景下多传感器系统误差估计的工程应用问题,提出了一种面向工程应用的多传感器相对系统误差动态估计与适配性处理算法(μ-DECA),提高了多传感器融合系统的精度和稳定性.建立了系统误差实时估计模型,设计了一种多传感器相对系统误差动态迭代估计与补偿算法,使得各传感器原始点迹和融合航迹的误差特性趋于一致,克服了多...     

时间偏差校准分布式多传感器多目标跟踪算法

由于信号处理、量测采集延时等原因,导致多传感器系统中存在量测时间戳不准确,即量测时间偏差。针对量测存在时间偏差的分布式多传感器系统,提出一种时间偏差校准分布式多传感器多目标跟踪算法。在局部处理器,针对传感器量测存在虚警和漏检的情况,基于联合概率数据关联(JPDA)和扩展卡尔曼滤波(EKF)算法进行多目标跟踪,估计出存在时间偏差的局部航迹。在全局处理器,针对局部航迹时间偏差导致全局航迹精度下降的问题,首先,采用逆卡尔曼滤波基于局部航迹构造等效量测,针对匀速直线运动目标,推导出相对时间偏差伪量测方程并给出计算方法;然后,提出一种基于伪量测的相对时间偏差估计算法,采用递推最小二乘估计与卡尔曼滤波在空域及时域实现了相对时间偏差的联合估计;最后,设计一个时间偏差校准分布式多传感器多目标跟踪架构,联合进行时变时间偏差估计与补偿、"等效量测-全局航迹"关联和全局航迹更新。虚警和漏检下的多传感器多目标跟踪仿真结果表明:量测存在时间偏差情况下,所提算法可以有效提高融合后的全局航迹精度。     

自适应选取聚类中心K-means航迹起始算法

为揭示多传感器观测数据的正态分布态势,实现对源于异类目标的跟踪,提出一种新的多传感器航迹起始算法,本算法主要特点是初始聚类中心的自适应选取以及对逻辑估计法的起始夹角修正。估计算法中采用不相似性度量阈值的角度衡量方法,同时还结合聚类数目自适应归纳及初始聚类中心的推演逼近,从而使单传感器的航迹起始估计算法可以应用于多传感器的航迹起始根据;然后对聚类后的数据采用修正的逻辑航迹起始算法起始目标航迹。蒙特卡洛估计表明,新的自适应K-means聚类估计区分呈团状分布的不同目标的能力好,且通过估计算法得到的目标非常接近真实目标位置。经过自适应聚类处理后的目标航迹起始估计可有效滤除杂波干扰,降低虚警概率,能够获得较好的多传感器航迹起始。     

基于极大似然估计的最优航迹关联算法

针对两传感器以上的分布式多传感器航迹关联问题,提出了一种基于极大似然估计的最优航迹关联算法,并且使用一种剪枝方法来快速求解该关联算法的最优解．最后,在不同的目标间隔距离条件下进行了仿真实验．仿真结果表明,该算法有较高的正确关联率,是有效可行的．     

基于加权最小二乘法的异质传感器数据融合

针对异质传感器受限于测量噪声且数据融合结果精度较低的问题,提出了一种基于加权最小二乘法的数据融合新算法。在分析多传感器测量模型的基础上,依据最小二乘原理,推导出多个异质传感器对多个测量参数进行融合估计的加权融合公式,并得出了各传感器加权融合的权系数以及误差矢量的估计方差阵。通过与单传感器及平均估计的测量误差进行比较,证明了应用加权最小二乘数据融合的异质传感器具有较高的测量精度。数值示例与理论推导一致,进一步验证了所提方法的有效性。     

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.     

基于分布式融合的传感器网络拓扑配置

采用2种最优分布式异步航迹融合方法研究异步采样传感器网络的动态拓扑配置策略设计.其主要核心思想是：每一个传感器跟踪节点执行局部Kalman滤波,再将滤波估计结果传输到融合中心;融合中心利用各自不同的融合方式执行预测估计校准和最优递推加权融合,同时利用当前所有传感器信息的全局递推融合估计与系统精度要求的阈值进行实时比较,以决定是否终止或继续进行融合;实现下一时刻网络拓扑的动态配置和网络节能.基于特定的计算准则分析网络能量消耗,并通过计算机仿真验证算法的有效性.结果显示：2种方法都能实现异步采样多传感器网络的动态拓扑配置和节能,且最优异步融合配置方法的效果优于次优异步航迹融合方法.     

舰船航迹相关指标体系的建立与计算方法

在水面舰船信息融合系统中，为了得到更为精确的目标状态估计，将来自不同传感器的航迹数据进行综合，建立了正确判别相关航迹的数学基础，并给出了多种类信息指标和多种类目标识别指标的计算方法．     

用卡尔曼滤波方法实现运动平台多传感器配准

目的针对运动平台的多传感器系统,研究一种能有效地估计配准误差并消除其影响的算法．方法提出用卡尔曼滤波方法估计失调误差和姿态误差,该方法首先估计失调误差,然后利用不含失调误差的模型,估计并消除姿态误差．结果该算法能有效地估计多传感器系统的配准误差,使融合数据确定性明显增强．结论将卡尔曼滤波算法应用于运动平台的多传感器数据配准,它能有效估计配准误差,对于传感器的数据融合有重要的意义．     

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．     

曲线拟合技术在信息融合性能评估中的应用

融合航迹逼近误差是军事数据融合系统评估指标体系中的一个量化指标，用于评价航迹融合精度。该文以一个军事信息融合系统为背景，给出了融合航迹逼近误差的定义，并对获得此指标的计算方法进行了探讨，提出了用曲线拟合的方法来计算融合航迹逼近误差的思想。通过该方法得到的误差统计图能够显示各个融合周期中航迹融合精度的波动状况以及整个融合过程的融合航迹误差，为性能评估提供了一定的评估标准。     

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。     

利用时戳的变采样率目标跟踪算法

变采样率跟踪是相控阵雷达的一种重要工作模式，是基于网络或栅格多传感器异步融合跟踪的基础．引入时戳的概念并基于固定采样率的卡尔曼跟踪算法扩展到变采样率的情形，给出了具体的算法步骤，最后进行了Monte—Carlo仿真比较．结果表明了该算法的有效性．     

基于小波变换的模糊航迹关联算法

航迹关联是实现分布式多传感器信息融合的关键技术.针对传统的模糊关联算法正确关联率低的问题,基于小波变换对传统的模糊关联算法进行了改进,提出一种新的航迹关联算法.首先,通过小波分析对目标航迹数据序列进行处理,获取新的航迹特征;然后,采用模糊均值聚类法确立隶属度函数、综合相似度和阈值判决准则,完成对已获取的新航迹特征的分类关联.仿真实验表明：与模糊算法相比,该算法的正确关联率提高约0.30.     

监控系统中的多摄像头协同算法

提出了一种监控系统中的多摄像头协同算法(PDA).该算法引入了依赖目标可见性的权函数、任务优先级、目标与摄像头之间的距离,根据这些参数来选择最合适的摄像头,将其分配给距离摄像头最近、且有最高优先级的目标.为了可靠地跟踪目标,使用了多摄像头协同系统中的数据融合方法.在分布式监控系统中验证了PDA和数据融合方法.实验结果表明,提出的PDA算法能协同多摄像头可靠地跟踪人.     

分布式雷达航迹融合关键技术研究

为实现全国范围内的空中交通动态监视,必须将分布于全国各地的管制中心的雷达融合数据经通信线路传送到全国空情融合中心,常用的办法是进行动态雷达数据拼接,在拼接边界存在航迹平滑度差,航迹易跳变等问题。考虑采用分布式融合算法来处理各融合节点输出的雷达航迹,解决了航迹在融合边界质量差的问题。并针对分布式雷达数据融合过程中的几个关键问题：误差校正、航迹关联、融合算法展开分析,分别给出了有效的处理方案,并在实际工作中进行验证,均取得了良好的效果。     

两个异类传感器数据融合

介绍了一种基于两种传感器———雷达和红外传感器的数据融合算法 .假定这两种传感器具有不同维数的测量数据 ,并且以不同的采样周期传送到中央处理器 ,通过时间配准技术 ,对两个异步采样数据进行融合处理后 ,再对融合后的数据进行滤波更新 .结果表明滤波精度得到提高 .