基于神经网络的分布式被动传感器信息融合技术

在分布式被动传感器信息融合中,存在多传感器信息关联和单传感器目标估计困难,二者相互 依赖和制约,造成相对于不同传感器的信息难于进行时空对准、虚假目标不能消除。为此,应用一种混合式有序分层信息融合结构,避免多传感器信息的多重组合问题,建立了基于两个传感器的信息关联与目标估计联合优化模型,并采取一种优化神经网络算法,避免关联中的组合计算。仿真计算结果表明,这种信息融合结构、优化模型和模拟神经网络的应用是解决被动信息融合系统中关联和估计问题的一种有效方法,所采用的Hopfield型神经网络易于实现,可以提高信息融合的性能。     

基于D-S理论的空间信息融合算法的研究

在目标识别中,信息融合算法非常重要,为了获得可靠的识别结果需要考虑时间和空间的融合问题.文中采用了一种信息融合的时空融合结构模型,然后提出了基于D-S论证理论的融合算法.将模型和算法用于某试验系统进行仿真,结果表明该结构和算法的可靠性,提高了系统的识别率.     

多源信息融合技术在军事装备试验中的应用

信息融合是现代信息处理的一种通用模式,其方法已应用于信息与控制的各个领域。随着试验靶场建设的不断需求,对多源信息的综合利用,提高空间信息的利用率,已成为靶场试验指挥控制系统应用研究的重点。文章基于对信息融合理论与方法的分析,给出了信息融合的不同结构模型和常用的融合算法,并且结合靶场信息融合技术的应用现状,提出了对未来靶场信息化建设的一些建议。     

不完全信息下分布式目标跟踪算法

针对分布式目标跟踪过程中出现数据丢包和不完全量测现象,提出一种分布式目标跟踪算法.该算法由统计意义下局部滤波器和基于协方差交叉算法融合滤波器构成,其中局部滤波器利用邻域内各节点测量信息计算局部滤波值,融合滤波器则将邻域内各节点局部滤波值进行融合处理,得到该节点的目标坐标信息;最后,利用典型目标航迹模型对该算法进行仿真分析.仿真结果表明:该算法可有效抑制不完全信息发生时对目标跟踪结果的不利影响,可为分布式目标跟踪系统在实际工程中的设计与研制提供有益的参考.     

多传感器信息融合的模糊神经Petri网模型

将模糊产生式规则应用到多传感器融合系统中得到一种模糊信息融合方法，再用Petri网对此信息融合系统建模。在此基础上将人工神经网络与Petri网相结合，提出了一种多传感器信息融合的模糊神经Petri网模型。     

基于多传感器信息融合的辅助泊车系统

提出了一种用于车辆自动泊车的多传感器数据融合方法。首先分析了车辆自动泊车过程中的态势,建立了车辆自动泊车的仿真模型。然后综合现有的多种数据融合模型的优势,运用混合、分层的融合结构改进系统的有效性和准确性。最后将该方法应用于实际道路试验,系统的融合决策准确率可达到97.3%,表明该方法具有可接受的性能。     

同控式多模导引头信息融合方法初探

对同控式多模导引头的信息融合方法进行了初步探讨。建立了四种信息融合模型，并比较了每种模型的优缺点和使用范围。最后得出：用神经网络系统理论建立多模导引头信息融合模型将具有更大的发展前景。     

一种基于模糊神经网络融合的故障诊断模型研究

在分析模糊神经网络优点的基础上,提出了一种基于模糊神经网络融合的故障诊断模型.该模型结构是由信息分配模块、并联模糊神经网络的诊断模块和决策融合模块组成.仿真结果表明,该模型能够充分融合信息,提高确诊率.     

多传感器信息融合的模糊神经Petri网络型

将模糊产生式规则应用到多传感器融合系统是得到一种模糊信息融合方法，再用Ｐｅｔｒｉ网对此信息融合系统建模。在此基础上将人工神经网络与Ｐｅｔｒｉ网相结合，提出了一种多传感器信息融合的模糊神经Ｐｅｔｒｉ网模型。     

同控式多模导引头信息融合方案初探

对同控式多模导引头的信息融合方法进行了初步探讨。建立了四种信息融合模型，并比较了每种模型的优缺点和使用范围。最后得出；用神经网络系统理论建立多模导引头信息融合模型将具有更大的发展前景。