基于多传感器信息融合的异步点迹关联方法

对于异步场景下的数据关联,通过时间配准将异步点迹集合同步化的方法计算复杂且误差较大,严重影响关联效果.在不进行时间配准的前提下,提出一种基于集合经验模态分解(Ensemble Empirical Mode Decom-position,EEMD)来提取趋势项的异步点迹关联方法.仿真结果表明,该方法整体上的关联效果好于基...     

交互式多模型异步航迹融合算法

对分布式融合系统中的异步航迹融合算法进行了研究.已有的异步航迹融合算法要求传感器所采用的状态方程与目标运动模式相同,这在实际应用中很难满足.针对已有异步航迹融合算法的不足,建立了基于状态方程集合的异步航迹融合模型.所有传感器均采用基于同一状态方程集合的交互式多模型(IMM)算法来实现航迹生成,融合中心对来自于相同状态方程的异步航迹数据进行加权平均来获得同步航迹,提出了交互式多模型异步航迹融合(IMMASTF)算法.仿真结果验证了IMMASTF算法的有效性.     

反馈式异步多传感器目标跟踪航迹融合

传感器信息融合一直以来被认为是改进目标跟踪的一种有效手段.一般的做法是假设所有传感器是同步的,但是这样的假设在实际系统中常常是难以做到的.本文在考虑多传感器目标跟踪时,不依赖于同步假设,即允许各传感器使用不同的采样频率,允许传感器平台与处理中心存在交流延迟等,提出了一种新的基于局部融合跟踪和全局融合跟踪的处理方案.该方案是在分布式融合的基础上,融合处理可以发生在融合区间内的任意时刻.     

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。     

基于改进加权航迹关联的异步融合算法与仿真

在分布式多传感器信息融合系统中,来自各传感器的局部航迹往往是不同步的。针对分布式多传感器异步航迹关联与融合问题,文中提出一种基于改进加权航迹关联的异步航迹顺序融合算法。把多传感器异步航迹外推校准到同一时刻,实现异步航迹的同步化,再用改进的加权航迹关联算法进行航迹关联,并利用顺序融合算法对已关联航迹进行融合。仿真结果表明了该算法的有效性。     

网络瞄准环境下异步航迹融合策略及融合算法研究

多个网络节点的异步航迹融合是实现网络瞄准作战方式的关键技术之一．本文有效利用各网络节点的异步航迹信息, 提高瞄准的精度. 首先分析了网络瞄准环境下异步航迹融合的主要方式, 在此基础上结合工程实际, 提出了3种可适用于网络瞄准的异步航迹融合策略; 然后根据最优估计理论, 分别给出了不同策略下的异步融合算法与实现步骤; 最后通过仿真验证了所提出方法在解决异步航迹融合问题上的有效性, 并分析了不同航迹融合周期 对系统融合性能的影响.     

多传感器多目标跟踪及航迹融合系统

多传感器数据融合能够实现信息互补以提高目标跟踪精度、识别能力以及增强系统的抗干扰性,因此受到广泛关注。本文主要针对雷达和红外跟踪及航迹融合的体系结构,对目标跟踪、航迹关联和航迹融合的各个算法进行详细描述及仿真。仿真结果表明,基于雷达和红外传感器数据融合跟踪相对于单传感器的跟踪,性能有所提高。      

多传感器异步航迹融合算法与仿真

针对分布式多传感器数据融合系统,提出了一种多传感器异步航迹融合算法。由于不同传感器的采样时间各不相同,融合算法首先利用最小二乘法将局部航迹统一到融合中心的融合时间点,然后利用多传感器自适应航迹融合算法,将局部航迹进行融合,得到系统航迹。仿真结果表明该算法能够较好的解决异步航迹的融合问题,以较小的计算量达到了接近加权协方差(WCF)算法的融合精度。     

航迹融合算法在多传感器融合中的应用

研究寻的制导优化控制问题,针对传统单一传感器导引不能满足性能要求,提出采用多传感器复合制导.航迹融合是多传感器数据融合中一个非常重要的方面.由于公共过程噪声的原因,使在应用状态估计融合系统中,来自不同传感器的航迹估计误差未必有独立性,为了使航迹与航迹关联和融合,提出自适应航迹和协方差加权航迹融合的算法.通过仿真研究说明自适应航迹融合和协方差加权航迹融合的算法对多传感器数据融合技术有很明显的作用,数据融合效果好,为复合寻的制导优化设计提供了依据.     

基于EMD和灰关联技术的航迹关联方法

针对分布式多传感器融合多目标跟踪系统,提出一种基于经验模态分解(EMD)和灰关联技术的航迹关联方法.首先采用EMD方法将各传感器的航迹信息分解为多个固有模态函数(IMF)之和;然后以各IMF构成矩阵,对其进行奇异值分解;再以奇异值作为各航迹的特征向量,计算特征向量间的灰关联度;最后通过各关联度的融合,得到航迹正确关联的结果.典型情况下的仿真结果表明,与加权法相比,该方法能有效地用于航迹关联.     

一种多传感器信息融合的可能性关联方法

由于传感器测量数据的不确定性,导致传统的关联方法关联正确率不高。引入可能性理论来表述测量数据的不确定性,很好地反映测量值与目标真值的相容程度,并建立了一种基于可能性分布的关联模型,将测量值与目标在特征分量上的统计距离进行模糊化,构造测量值关于目标的可能性分布,并量化二者之间的模糊关系,使关联问题转化为一种多目标决策问题。仿真实验验证了方法的有效性。     

机器人多传感器信息融合研究综述

多传感器信息融合是一门新兴的技术,在机器人领域有着广阔的应用前景。综述并分析了多传感器信息融合技术在工业机器人、机器手爪、飞行机器人、移动机器人、爬行机器人和水下机器人中应用的研究现状,从机器人传感器的研制、融合算法、多传感器管理和信息融合仿生机理等方面总结了机器人多传感器信息融合的发展趋势。     

一种基于多传感器信息融合的火警预报系统

介绍了一种基于多传感器信息融合的火警预报系统,给出了系统的硬件组成框图,说明了软判决信息融合规则及其在火警预报中的具体应用。该系统将火情发生时烟雾、火焰和温度3个传感器特有的观测域分解成若干个互不相容的子区间,根据Bayesian决策原理,进行信息融合,最后得出对火情的最优判断,很好地解决了报警灵敏度和误报率之间的矛盾。该系统还具有结构简单、容易实现、耗电少等特点。     

分布式雷达信息系统的数据融合算法仿真

航迹关联与融合是分布式雷达信息系统中的关键技术之一,是充分有效地利用多源信息的重要手段。简述了雷达信息系统中时空校准、数据关联和航迹融合3个处理过程中的算法概况,并对修正的K近邻域算法和量测值加权融合算法做了仿真分析,评估了这些算法的可信性和精确度。     

一种基于点迹重构的异步序贯航迹融合算法

针对异步航迹融合问题,提出了一种基于伪点迹异步序贯航迹融合算法,伪点迹由局部估计结果重构形成,从而无需对局部估计间的相关误差进行处理。同时,对重构的异步伪量测数据情况采用序贯处理方式,这种串行合并式数据处理过程,不但避免了对异步数据进行时间校正的麻烦,反而利用了异步数据增加了多传感器系统的总体数据率,提高了多传感器系统对目标的跟踪精度。并用仿真结果证明了该算法的有效性。     

机器人非视觉多传感器信息融合的TOPSIS法

针对机器人非视觉多传感器目标识别问题,提出了一种基于改进TOPSIS的多传感器信息融合方法。该方法利用指标隶属度矩阵把多目标识别问题转化为多目标决策问题。通过引入熵权和相对接近度改进TOPSIS,给出多传感器目标识别规则。应用实例验证了算法的有效性和实用性。     

An adaptive PNN-DS approach to classification using multi-sensor information fusion

In this paper, an adaptive neural network approach to classification which combines modified probabilistic neural network and D-S evidence theory (PNN-DS) is proposed. It attempts to deal with the drawbacks of information uncertainty and imprecision using single classification algorithm. This PNN-DS approach firstly adopts a modified PNN to obtain posteriori probabilities and make a primary classification decision in feature-level fusion. Then posteriori probabilities are transformed to masses noting the evidence of the D-S evidential theory. Finally advanced D-S evidential theory is utilized to gain more accurate classification results in the last decision-level fusion. In order to implement PNN-DS, covariance matrices are firstly employed in the modified PNN module to replace the singular smoothing factor in the PNN’s kernel function, and linear function is utilized in the pattern of summation layer. Secondly, the whole scheme of the proposed approach is explained in depth. Thirdly, three classification experiments are carried out on the proposed approach and a large amount of comparable analyses are done to demonstrate the effectiveness and robustness of the proposed approach. Experiments reveal that the PNN-DS outperforms BPNN-DS, which provides encouraging results in terms of classification accuracy and the speed of learning convergence.     

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．     

移动机器人多传感器信息融合技术述评

多传感器信息融合技术是目前移动机器人领域的研究热点。详细阐述了多传感器信息融合技术在移动机器人领域中的应用与研究进展,尤其对多传感器信息融合实现方法进行了深入的探讨。指明了移动机器人领域中多传感器信息融合技术未来的发展方向。