多传感器状态融合估计在雷达跟踪中的应用

采用Carlson最优数据融合准则,将基于Kalman滤波的多传感器状态融合佑计方法应用到雷达跟踪系统.仿真实验表明,多传感器Kalman滤波状态融合佑计误差小于单传感器Kalman滤波得出的状态佑计误差,验证了方法对雷达跟踪的有效性.     

多传感器多目标跟踪的粒子PHD滤波算法

针对单传感器跟踪系统的缺陷,提出了基于粒子概率假设密度(PHD)滤波的多传感器多目标跟踪算法.这种算法不仅避免了多传感器多目标跟踪的数据关联问题,而且在漏检、目标密集、航迹交叉、小范围内目标数多的杂波环境下能够稳定、精确地估计目标状态和目标数.仿真实验比较了单传感器粒子PHD滤波与多传感器的粒子PHD滤波的跟踪性能,验证了该方法的跟踪性能和精度.     

基于交互式CPHD的多传感器多机动目标跟踪

针对多传感器高速多机动目标的跟踪问题,提出一种多传感器交互式贪婪势概率假设密度(MS-IMMGreedy-CPHD)滤波器.该滤波器在预测阶段,通过交互式多模(IMM)算法对势概率假设密度(CPHD)滤波中目标的状态、势分布和运动模型同时进行预测;在滤波的更新阶段,利用贪婪(greedy)量测划分机制选取多传感器量测子集和拟分区,并通过拟分区量测子集对不同模型下CPHD预测的目标状态和势分布以及模型进行交互式更新.仿真结果表明,所提出MS-IMM-Greedy-CPHD滤波能够对高机动多目标进行稳定有效的跟踪,相较于多传感器势概率假设密度(MS-CPHD)滤波,跟踪结果的OSPA误差更小且势估计更加准确.     

具有形状信息的多传感器群目标跟踪算法

针对多传感器环境下具有形状信息的扩展/群目标跟踪问题,提出了两种融合算法,即高斯逆韦氏并行PHD滤波算法和高斯逆韦氏序贯PHD滤波算法。新算法分别结合并行滤波和序贯滤波算法思想,能够对扩展/群目标的质心状态进行跟踪,对形状进行有效估计。高斯逆韦氏并行PHD滤波算法将各个传感器产生的量测集合并到一个量测集中,统一对量测集进行划分。在滤波更新阶段,对划分后的量测集进行扩维,从而在形式上将多传感器环境下的跟踪问题转化为单传感器环境下的跟踪问题。高斯逆韦氏序贯PHD滤波算法则先对各个传感器产生的量测集依次进行划分,再依次对每一个划分后的量测集进行滤波,从而达到融合多个传感器量测的目的。仿真结果表明该算法的可行性和有效性。     

有序粒子概率假定密度跟踪算法

针对由单传感器概率假定密度滤波到多传感器情形推导困难的问题,提出了一种有序粒子概率假定密度跟踪算法。首先,推导出集中式多传感器粒子概率假定密度滤波模型,再根据集中式融合系统的特点,选取与多传感器相关的重要性密度函数,通过多传感器多步更新重采样粒子,从而实现多传感器多目标有序粒子概率假定密度跟踪。仿真结果表明,该算法的跟踪误差距离差要小于单传感器粒子概率假定密度跟踪算法,且具有更优越的跟踪性能。     

基于强跟踪滤波和反馈综合的多传感器分布式航迹融合

研究基于强跟踪滤波和反馈综合相结合的多传感器分布式航迹融合算法.首先,以反馈 前后形成的跟踪门的交集构造有效跟踪门.然后,将强跟踪卡尔曼滤波和概率数据关联算法相结 合.利用构造的有效跟踪门,提出了一种新的多传感器分布式航迹融合算法.最后,对原有算法和 所提算法进行了仿真研究.     

辐射限制下有源无源协同跟踪技术

为了提高作战飞机的隐蔽性,提出了一种辐射限制下有源无源传感器目标跟踪与协同管理的方法,给出了基于辐射控制的机载多传感器系统协同跟踪方法.利用跟踪过程中目标残差范数与门限的比较结果,判断雷达开关机,用序贯和IMM(interacting multiple model)联合滤波算法对目标进行跟踪.对利用该方法的机载多传感器目标跟踪性能进行了仿真分析,仿真结果证明了该方法的合理性和有效性.     

一种基于Rényi信息增量的机动目标协同跟踪方法

针对传感器网络中的动态跟踪问题,提出一种基于 R′enyi 信息增量的机动目标协同跟踪方法.首先利用粒子滤波计算每个传感器 R′enyi 信息增量;然后以 R′enyi 信息增量最大为原则选择传感器进行目标跟踪,并在跟踪时通过多模型的交互作用实现对机动目标状态的准确估计.仿真结果表明,在非线性非高斯环境下,所提出的方法与传统方法相比能够有效提高跟踪精度,动态分配传感器资源,实现协同跟踪.     

一种基于Rényi信息增量的机动目标协同跟踪方法

针对传感器网络中的动态跟踪问题,提出一种基于Rényi信息增量的机动目标协同跟踪方法.首先利用粒子滤波计算每个传感器Rényi信息增量;然后以Rényi信息增量最大为原则选择传感器进行目标跟踪,并在跟踪时通过多模型的交互作用实现对机动目标状态的准确估计.仿真结果表明,在非线性非高斯环境下,所提出的方法与传统方法相比能够有效提高跟踪精度,动态分配传感器资源,实现协同跟踪.     

基于分布式有限感知网络的多伯努利目标跟踪

针对感知范围受限的分布式传感网多目标跟踪问题, 在多伯努利滤波跟踪理论基础上提出分布式视场互补多伯努利关联算术平均融合跟踪方法. 首先, 通过视场互补扩大传感器感知范围, 其中, 局部公共区域只互补一次以降低计算成本. 其次, 每个传感器分别运行局部多伯努利滤波器, 并将滤波后验结果与相邻传感器进行泛洪通信使得每个传感器获取多个相邻传感器的后验信息. 随后, 通过距离划分进行多伯努利关联, 将对应于同一目标的伯努利分量关联到同一个子集中, 并对每个关联子集进行算术平均融合完成融合状态估计. 仿真实验表明, 所提方法在有限感知范围的分布式传感器网络中能有效地进行多目标跟踪.     

基于Android的多传感器信息融合技术应用

介绍基于Android的多传感器信息融合技术在气溶胶自动化检测中的应用。多个传感器采用统一接口方式组网,每一个独立传感器采集的数据通过蓝牙传输到网内的Android处理终端进行融合和分析。通过对5种传感器进行组网采集数据,结果证明多传感器信息融合技术的应用增强了信息处理系统的适应性,实现了传感器之间的数据互补,提高了系...     

输电铁塔塔身光纤光栅结构监测与时序融合研究

输电铁塔多处复杂地质结构,受不同地质灾害、风作用等影响易发生压坏、倒塔等现象,严重威胁电力系统稳定运行。常规目视巡视方法经济损耗大,不能及时发现问题。选取具有三层横担形式的双回路直线型输电塔,通过对输电塔ANSYS仿真分析获得应力分布。采用一种基于光纤Bragg光栅（FBG）传感网的输电铁塔在线监测系统测得塔身应变数据。通过分批估计与基于标准差的加权平均时序融合分析处理方法分别对4只FBG应变传感器在近半年采集的样本数据进行了融合,得到4支FBG应变传感器的时序融合值为：61.67με、61.37με、61.97με、61.82με。融合后的值可用于提高损伤识别的准确率,常规的目视巡视方法得到改善。     

TM与ETM影像融合用于地质构造解译

多源遥感影像数据融合是一种通过高级影像处理技术来复合多源遥感影像的技术，其目的是将单一传感器的多波段信息和不同传感器提供的信息加以综合，以提高获取信息的有效性和准确性，解译的可靠性，以及形成对目标的完整一致的描述。本采用TM与ETM经图像处理和融合，用于对地质构造解译，取得良好效果。     

无线传感器网络在边坡监测中的应用

将无线传感器网络技术应用于高边坡监测中,设计了一种自动化、智能化的边坡监测系统。采用IEEE802．15．4协议将传感器采集的应力数据和环境的温度、湿度和光照数据传送到基站,基站再通过GPRS将数据发送到GSM网络．监测中心的计算机通过Internet网络接收这些数据来监测边坡的状态。监测计算机中的应用软件能显示、存储、分析数据,并在数据超标时发出报警提示。这对非稳态边坡和泥石流高发地区的交通安全具有实际意义。     

基于GIS的震裂坡地降雨量监测预警系统设计

为了解决在汛期阶段,由过量降雨引发的震裂带山体崩塌问题,设计一种基于GIS的震裂坡地降雨量监测预警系统。按照GIS平台的开发标准,连接WebApp构件与其它硬件模块设备,完成震裂坡地降雨量监测预警系统的概要设计。在此基础上,根据震裂坡地质环境条件、气象水文特征和其它性能统计结果,完成监测预警系统的主要需求分析。再通过分析监测预警系统组成与GIS体系结构的方式,处理常规GIS体系的巡检操作功能,实现震裂坡地降雨量监测预警系统的顺利应用。实用测试结果表明,应用监测预警系统后,震裂坡地降雨量空间插值的最大数据结果不超过4.0×1017T,降雨区域的危险性等级也出现明显下降,汛期过程中存在的震裂带山体崩塌行为得起有效控制。     

示教机械臂姿态解算改进方法仿真研究

在示教机械臂姿态解算精度优化的研究中,针对使用单组传感器进行数据融合,姿态解算的传统方法中存在的精度低,稳定性差的问题,设计了一种组合MEMS传感器的姿态解算方法。将六组传感器安装于载体坐标系三个轴上,分别测量两组传感器数据。以传感器量测数据与四元数估计数据的向量积代替姿态角误差作为互补滤波器的输入量,分别利用模糊控制器和PI控制器,根据互补滤波原理调节陀螺仪输出量。通过拓展卡尔曼滤波器进行姿态估计,得到更精确的四元数,进而转化为姿态角。仿真结果表明,在静态和动态情况下,多组传感器组合调节后的姿态角数据相比单组传感器PI调节在姿态角精度和系统稳定性上有进一步提高。     

Interdependence and information loss in multi‐sensor systems

Often, information cues obtained by the sensors of the multi‐sensor system are not completely independent. This is true since sensors operate in a close vicinity and are subjected to the same disturbances in the working environment. In some instances the observations made by the different sensors of the systems are somewhat redundant. For example, there is always a possibility that a certain degree of overlap among these observations exists, and, hence, the estimates may be based, at least in part, on the same data. This problem could become more pronounced in intelligent sensors, where sensors are expected to possess some overlapping inferring ability, which in many cases leads to the possibility that two sensors or more base their decisions on similar underlying assumptions, theories, or common methods of analysis. Dependence in this case is not informative and therefore should be properly modeled so that its effect can be eliminated. Ignoring or improperly modeling this dependence may result in less informative observations and therefore sensors will tend to overestimate the importance of information cues communicated to them by other sensors. Consequently, the sensors may be perceived as being more accurate than they actually are. This article presents an information theory model for capturing dependence in multi‐sensory data. A data fusion algorithm which revolves around the proposed dependency model for minimizing the impact of dependence among sensors is also presented. ©1999 John Wiley & Sons, Inc.     

基于Agent人工智能的异构网络多重覆盖节点入侵检测系统设计

异构网络具有结构复杂、多重覆盖面积大等特征,使得网络入侵检测较为隐蔽,为网络安全运行造成威胁,为此,设计基于Agent人工智能的异构网络多重覆盖节点入侵检测系统。通过检测Agent和通信Agent装设主机Agent,以Cisco Stealthwatch流量传感器作为异构网络传感器检测攻击行为,采用STM32L151RDT6 64位微控制器传输批量数据,由MAX3232芯片实现系统电平转化,实现硬件系统设计。软件部分设计入侵检测标准,利用传感器设备捕获网络实时数据,通过Agent技术解析异构网络协议并提取数据运行特征,综合考虑协议解析结果及与检测标准匹配度,实现异构网络多重覆盖节点入侵检测。通过系统测试得出结论:设计的基于Agent人工智能的异构网络多重覆盖节点入侵检测系统入侵行为的漏检率和入侵类型误检率的平均值仅为6%和5%,能够有效提高检测精度,减小检测误差。     

An automatic method for synthetically preprocessing multi‐source NOAA‐AVHRR series and FY‐1D 1A.5 data

Polar orbiting meteorological satellites have been used successfully in many fields in which applications, such as dynamic monitoring, need multi‐temporal remote sensing data imaged in the same region but at different times and with different sensors. The basis of these quantitative applications is automatic and synthetic preprocessing of different satellite data. In order to ensure the direct comparability of multi‐source satellite National Oceanic & Atmospheric Administration‐Advanced Very High Resolution Radiometer (NOAA‐AVHRR) series and FY‐1D 1A.5 data, based on its imaging mechanisms, the paper discusses radiant and geometric preprocessing methods used for visual and near‐infrared and thermal infrared channels. This is performed by analysing the technical parameters of the satellites and the sensors, theoretical numerical simulation and image data comparison. For synthetic radiance preprocessing, radiance calibration, spectral calibration for different sensors and calibration of the Sun elevation angles or the satellite zenith angles at the imaging time are included. Based on normalization of spatial resolution in scan‐line directions, rough geometric correction and precise registration are sequentially processed for geometric preprocessing with a higher precision. Combining the detailed steps introduced in the paper, automatic preprocessing of polar orbiting meteorological satellites can be realized.     

基于多传感器的刀具状态监测系统

以铣削加工为对象,研究了多刃切削加工过程的刀具状态监测问题,从系统的角度分析了刀具状态的多传感器监测原理,并以此为依据确定了采用声发射（ＡＥ）传感器和动态切削力传感器可有效地监测加工过程。文中提出了一种多传感器信号的特征提取方法,该方法利用偏最小二乘法计算样本矩阵的本征值,根据置信因子确定特征维数。为验证该方法的有效性,建立了一个铣削加工实验系统,实验结果表明,该方法可在多种切削条件下获得较高的识别率。