综合运用模式识别与回归分析的数据融合算法

在混合式系统融合框架下,提出综合运用模式识别和回归分析的数据融合算法．在融合中心,首先处理的是各目标航迹起始段的本地航迹,其次是经粗处理的原始测量．基于模式相似性测度分析形成起始段的融合航迹,并利用融合航迹信息对原始测量数据进行回归分析,估计融合点和置信区间,跟踪滤波形成航迹．通过仿真实验,验证了算法的有效性和实用性．

     

基于伪测量的分布式最优单步延迟航迹融合估计

融合中心如何处理无序局部数据,对分布式多传感器系统的运行品质至关重要．本文将系统中的局部估计转化为伪测量,将分布式融合估计转化为二级集中式融合估计．将所得的伪测量兼分布式融合估计算法与单步延迟的无序测量数据（out-of-sequencemeasurements,OOSM）最优滤波-A1算法进行组合,得出了分布式多传感器系统的最优单步延迟无序航迹（out-of-sequence tacks,OOST）估计算法,适用于航迹无序局部数据融合估计．该算法具有最优估计性能．     

雷达和QAR数据的融合处理

基于数据融合技术,在研究雷达数据与快速访问记录器(QAR,quick access recorder)数据构成的基础上,提出了一种将雷达数据与QAR数据进行航迹融合的处理方法。通过坐标变换,能在平面内绘出飞行航迹;利用卡尔曼滤波算法对接收的数据进行处理,能有效地减少了报文丢失及乱码对跟踪精度的影响;同时,采用时间对准算法实现不同航迹数据的同时性。结果表明,雷达数据与QAR数据进行加权融合的处理方法,实现了两类数据的融合以及对有效信息的综合利用,从而降低雷达测量误差对系统监视精度的影响。     

基于多传感器的无人机航迹实时数据融合处理系统

基于某无人机测控系统现有的多种体制的测量设备,设计开发基于多传感器的无人机航迹实时数据融合处理系统,介绍系统组成和所采取的数据融合处理技术及方法,给出仿真实例,结果表明经该系统融合后的航迹数据得到明显优化,精度和可信度大大提高.     

不同维状态的多传感器航迹融合􀀂

在多传感器环境下,多个传感器在同一区域观测目标,各传感器可能采用不同的目标模型处理各自的测量数据,形成各自的目标航迹送到融合中心.当多个传感器观测到同一目标时,融合中心则需要对源于同一目标的传感器航迹进行融合处理.通过建立状态之间的映射,提出了不同跟踪模型下的输出目标估计状态之间的融合算法.仿真试验表明了算法的有效.     

观察哨和只测角传感器航迹融合算法

在对观察哨获得的目标位置数据和只测角跟踪航迹数据进行融合时,两者观测维数不一致,数据采样率也不一致,而且观察哨数据时间间隔相对要长。在简单航迹融合算法的基础上,针对对空观察哨和只测角局部航迹的融合问题,提出了一种新的融合算法,与传统的简单航迹融合算法相比,该算法不但对时刻一致的航迹数据进行修正,而且对被修正数据相邻的数据也进行不同程度的修正。仿真结果表明,新算法在对空观察哨与只测角传感器航迹的融合中具有较好的融合性能。     

被动传感器航迹起始算法

针对目标数目未知和被动传感器测量精度不同情况下的航迹起始问题,提出一种基于多站被动传感器系统的航迹起始算法.该算法首先利用多规则法对测量数据进行预处理,消除一部分“鬼点”,然后将模糊集的思想引入Hough变换,利用模糊函数的隶属度作为参数空间累积量,最后通过序列Hough变换检测航迹.仿真实验表明:该算法可有效改善航迹簇拥现象,抑制虚假航迹的产生,适合于杂波环境下目标的航迹起始.     

在目标航迹断续下雷达和ESM数据关联的新方法

雷达和ESM是获取敌方目标电子信息最重要的传感器,通过航迹关联、估计处理,可以提高对空域的态势感知能力.当雷达和ESM的探测目标航迹处于断续情况下,角度直接关联的不确定性很容易造成错误关联或漏关联,从而不断起始新的融合航迹.论文将测量的角度转换为证据,再利用DS理论进行频谱、属性等证据综合推理,能较好地提高关联正确率,维持融合航迹的连续性.     

基于新型AFCM的多传感器目标跟踪航迹融合

多目标跟踪是多传感器系统信息融合中的核心技术之一.采用新型的AFCM模糊算法实现对多目标交叉状态下航迹数据关联.该算法定义了一种新的度量空间中的距离,通过新的距离定义有效抑制含有噪声点的样本及目标航迹交叉在迭代中对数据关联聚类中心点的大幅偏差.同时应用改进带加权的航迹融合算法对红外和毫米波雷达传感器测量的航迹数据进行融合.仿真试验证明,新的算法在综合多传感器探测优势的基础上,对航迹的融合结果优于SF算法.新的数据关联算法和改进的加权航迹融合算法为多源信息融合提供了一种可靠有效的多目标跟踪技术.     

雷达与ACARS数据融合研究

为了更好地利用雷达与ACARS进行空中目标监控,研究了雷达与ACARS的数据融合问题,提出了一种数据融合算法。对雷达与ACARS数据进行坐标变换和时空配准;对二者进行航迹关联,包括空间粗关联、逻辑航迹关联和多义性处理;对关联航迹进行融合。仿真结果表明,该算法可以提高空中目标监控的数据率,识别出雷达中的部分商用和通用航空飞机,得到目标更加详细和准确的信息。     

基于网络延时的异步航迹融合

针对分布式传感器网络中广泛存在的通信延时问题,在异步航迹融合的基础上,提出一种基于网络通信延时的异步航迹融合算法。该算法对通信延时情况进行模拟,能自动地对产生延时的传感器进行跟踪和检测,并做出相应处理。算法具有较高的灵活性和较强的实用性。对数据传输延时的影响进行分析,通过仿真实验比较了数据传输延时对航迹融合效果的影响。     

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.     

两传感器两扫描周期的数据关联

为了简化融合中心数据处理的复杂度，减轻计算机的负担和通信开销，研究了两传感器两采样周期的数据关联问题。建立了测量到航迹分配的线性规划数学模型，提出了关联测量数据的融合方法，采用带滤波器的遗传算法求解最优分配方案。仿真结果表明，这种数据关联方法所得到的目标航迹比单传感器的目标航迹更加精确。     

一种异类传感器的异步数据融合算法

由于雷达具有较好的测距性能,红外传感器具有高精度的测角性能。由于上述技术特点,使得两者具有良好的信息互补性,雷达和红外数据融合引起了广泛的注意。异类传感器数据处理是数据融合中的一个难点。考虑到两种传感器具有不同的测量维数,量测数据异步采样并以不同的速率传输到融合中心站点,提出了一种新的异类传感器异步数据融合算法。通过最小二乘法完成两种异步数据关联同步,然后对于相似性测度进行数据关联,与数据压缩技术完成目标状态信息融合。利用上述方法,进行了仿真实验验证了算法的有效性。     

ISODATA算法在多传感器多目标数据关联中的研究与改进

针对目标密集环境下易出现的误关联问题，提出了的ISODATA算法的解决方法。该算法将描述航迹的特征参量构成待分类的样本空间，构建了基于ISODATA算法的有限记忆关联模型，利用航迹的历史状态数据进行关联运算，有效地解决了多目标密集环境下的误关联问题，分析了记忆步长与计算量和关联结果的关系。通过仿真研究说明了算法在目标密集环境下的有效性。     

基于冗余信息的多传感器数据融合算法研究

针对当前数据融合算法中存在的静态融合和计算量问题,提出了一种基于冗余信息的多传感器数据融合算法,首先,利用强跟踪滤波算法完成对于局部状态的估计,然后,依据局部状态估计值之间的冗余信息判定局部状态自身的可信度,从而实现对其权系数动态的合理分配。通过Monte-Carlo仿真验证了该算法的有效性。     

多源测量信息融合的弱点动目标跟踪算法

在复杂背景下,为提高微弱点动目标跟踪系统的抗干扰能力,从不同信噪比的多红外图像序列出发,基于新的融合跟踪结构（增加局部处理器）,提出了一种模糊逻辑的多源信息测量融合跟踪算法：各局部处理器对原始测量进行恒虚警和自适应检测,将判决后的测量送入融合中心,融合中心对测量作模糊逻辑判决融合,转化为虚拟单序列测量,采用PDA卡尔曼滤波算法跟踪。实验结果分析表明,该融合跟踪算法与单序列相比,具有较高的跟踪精度、稳定性,避免了单图像序列跟丢。     

基于Triple-Collocation方法的微波遥感土壤水分产品不确定性分析及数据融合

微波遥感可以获取大范围的地表土壤水分信息，以及由此得到全球尺度的土壤水分产品。但由于传感器观测配置和反演方法等诸多因素的影响，使得不同的土壤水分产品在精度和可靠性方面存在差异。基于Triple-Collocation（TC）方法，在青藏高原那曲地区的0.25°×0.25°和1.0°×1.0°两个空间尺度上对AMSR2、SMAP和SMOS 3种土壤水分遥感产品进行不确定性分析，开展基于随机误差的数据融合算法研究。研究结果表明:不同遥感产品间的随机误差在空间分布上存在显著的不一致性，使得应用传统的算术平均方法进行数据融合不具有普适性。基于此不确定性，对3种产品配赋相应的权重进行融合，相比于3种土壤水分原始数据集，融合产品不仅具有更丰富的数据量，也会对数据精度有所改善。当遥感产品间的随机误差接近时，等权重和优化权重的融合结果非常接近；当遥感产品间的随机误差差异较大时，基于不确定性的数据融合方法相比等权重方法可以明显的提高融合数据的精度。     

基于Triple-Collocation方法的微波遥感土壤水分产品不确定性分析及数据融合

微波遥感可以获取大范围的地表土壤水分信息,以及由此得到全球尺度的土壤水分产品。但由于传感器观测配置和反演方法等诸多因素的影响,使得不同的土壤水分产品在精度和可靠性方面存在差异。基于Triple-Collocation（TC）方法,在青藏高原那曲地区的0.25°×0.25°和1.0°×1.0°两个空间尺度上对AMSR2、SMAP和SMOS 3种土壤水分遥感产品进行不确定性分析,开展基于随机误差的数据融合算法研究。研究结果表明:不同遥感产品间的随机误差在空间分布上存在显著的不一致性,使得应用传统的算术平均方法进行数据融合不具有普适性。基于此不确定性,对3种产品配赋相应的权重进行融合,相比于3种土壤水分原始数据集,融合产品不仅具有更丰富的数据量,也会对数据精度有所改善。当遥感产品间的随机误差接近时,等权重和优化权重的融合结果非常接近;当遥感产品间的随机误差差异较大时,基于不确定性的数据融合方法相比等权重方法可以明显的提高融合数据的精度。     

基于动态加权的分布式多传感器航迹融合算法

针对目前分布式航迹融合算法中鲁棒性和实时性问题,基于充分利用多传感器测量数据中互补和冗余信息的思想,通过局部航迹估计间模糊支持度函数的建立和支持度矩阵的求解,动态地实现各局部航迹估计在融合中心权重的合理分配,进而提出了一种基于动态加权的分布式多传感器航迹融合算法。最后,通过蒙特卡罗仿真验证了该算法的有效性。