雷达/红外双模导引头信息融合算法研究

毫米波雷达/红外成像复合制导已成为当前多模复合制导技术的研究热点。从毫米波雷达/红外成像复合导引头系统的特点出发,利用粒子滤波算法替换交互式多模型算法中的次优滤波器,建立了一种基于交互式多模型粒子滤波的集中式雷达/红外双模导引头信息融合算法;该算法将交互式多模型与粒子滤波相结合,有效地解决了系统非线性非高斯条件下的机动目标跟踪问题;仿真结果表明,在系统模型非线性和非高斯的条件下,提出的算法性能要大大优于传统的基于EKF的交互式多模型算法,同时提出算法对目标机动模式的变化很敏感,能够快速响应目标的机动,跟踪精度大大提高。     

基于多传感器信息融合的目标跟踪与防撞决策

为了实现汽车主动安全系统中的目标跟踪与防撞,提出了混合式汽车防撞系统信息融合结构模型,采用分级信息融合实现目标跟踪,推导出了基于跟踪残留误差和预测残留误差共同校正的融合算法,并给出了算法的实现结构.在此基础之上,利用模糊积分方法融合多种相关信息,确定了汽车应采用的安全运行模式,实现了主动安全防撞决策.大量实验表明,该算法具有很好的稳定性和准确率.     

毫米波/红外复合制导信息融合技术研究

研究红外复合制导问题,对于复合制导中的集中式融合,与共同的噪声环境等因素使得各传感器的量测误差之间存相关性,且相关程度未知,对得到的融合估计不是最优的.红外导引头测量存在不完全可观性,一般的分布式融合也难以实现.针对以上问题,提出了一种基于协方差交叉法的信息融合算法,在估计相关性未知时利用信息空间上的均值和协方差凸组合,通过寻找行列式的最小方差阵,融合各传感器的局部估计,可以得到不低于单个传感器估计的融合估计精度.进行量测相关数据,并通过UKF滤波仿真验证,证明算法的有效性.     

基于雷达/红外数据融合跟踪系统简述

随着快速目标的出现,现有监视雷达的不足之处愈发明显.文章引入红外跟踪设备,提出红外数据与雷达数据相融合,以弥补监视雷达不足的思路.分别介绍了红外、雷达的工作原理,以及雷达/红外跟踪系统的组成及工作原理,并通过实际应用验证了该思路的可行性.     

基于信息融合的娱乐机器人目标识别

运用电、磁、图像等各种信息的融合，提出了一种比较有效地用于娱乐机器人目标识别的方法，进行了仿真并通过了实际运行的检验。     

雷达目标模拟器的DSP软件设计

提出一种基于CPCI接口DSP板的C波段雷达目标模拟器.探测回波模拟,采用软硬件相结合的方法.由主控计算机根据雷达工作参数预先设定并计算目标数据,然后将数据加载到硬件电路中.硬件电路实时合成雷达回波信号并输出.     

多传感器信息融合的目标跟踪研究

为了提高红外与毫米波雷达双模制导系统的目标跟踪精度,提出了将UKF用于红外和毫米波雷达的数据处理,采用分布式融合结构,通过对两传感器的滤波协方差矩阵的相关估计,将滤波协方差矩阵和状态估计进行融合。该方法应用于红外与毫米波雷达双模制导系统的目标跟踪仿真,仿真结果表明：与单传感器系统相比,该方法提高了制导系统的目标跟踪精度。     

基于模板匹配及区域信息融合提取的快速目标跟踪算法

提出了一种基于融合的快速目标跟踪算法。该方法将目标预测模型、目标模板匹配以及目标空间信息融合到统一框架内。该方法通过预测模型,预测下一帧中目标候选区域,从而降低模板匹配方法的搜索区域。然后在预测模型预测的搜索范围内进行目标的模板匹配,同时,提取目标的区域信息来辅助目标的模板跟踪方法。最终跟踪结果由目标模板跟踪以及目标的空间信息共同决定。本方法由于采用了目标的预测模型,从而能够减少目标的搜索范围,降低因目标的全图搜索造成的时间开销。并且由于减少了搜索区域,剔除了部分相似的匹配窗口,从而提高了跟踪时匹配的精度。本算法结合了目标模板跟踪和目标区域信息的优点,能够增强目标跟踪过程准确度。由于加入了目标的区域信息,对目标跟踪中出现的漂移现象更加鲁棒。实验结果表明,本方法在进行目标跟踪过程中对出现的漂移、遮挡等问题更加鲁棒、稳定。     

智能空间下基于异质传感信息融合的目标跟踪

针对大范围未知环境下的机器人目标跟踪问题,在智能空间下分布式智能网络设备与机器人本体二维激光的基础上,提出了一种基于异质信息融合结构以实现机器人对目标实时检测和跟踪的方法。系统通过颜色信息进行移动目标匹配,根据三角测量原理基于最小二乘法对目标进行三维重建;检测出运动目标后,通过激光传感器扫描目标人腿进行近邻点聚类获得目标的准确深度信息;利用一种优化的迭代扩展卡尔曼滤波算法对异质传感器进行信息融合,以实现基于智能空间的机器人定位与目标跟踪。实验结果验证了方法的有效性。     

一种利用信息融合的运动目标跟踪算法

论文针对灰度相关模板匹配跟踪算法的局限性,提出了一种基于信息融合的运动目标跟踪算法。该方法同时利用图象中的灰度信息和边缘信息,从而克服了只依靠单一信息源的不足。实验结果表明,该方法明显提高了跟踪性能。     

基于特征融合的粒子滤波在红外小目标跟踪中的应用

针对红外图像序列中的小目标跟踪问题,在分析红外小目标特点的基础上,提出了一种基于特征融合的粒子滤波目标跟踪算法。该方法利用粒子滤波支持目标特征融合的优点,提出将灰度特征和分形特征相融合,并将融合后的信息用于粒子权值的计算,从而大大提高了跟踪算法的稳健性。实验结果表明,和传统的粒子滤波算法相比,该算法能够更加准确、有效地跟踪红外序列中的小目标。     

基于多传感器不完全量测下的机动目标跟踪算法

针对传感器探测概率小于1的不完全量测情况下的非机动目标跟踪问题,提出一种基于多传感器不完全量测下的扩展Kalman滤波算法。首先,利用残差检测的野值剔除方法,确定目标状态估计过程中传感器是否接收到正确的量测数据;其次,基于每个传感器的量测数据,在不完全量测下采用改进的扩展卡尔曼滤波算法分别对目标运动状态进行估计;进而结合多传感器最优加权融合方法求解基于多传感器观测数据的状态估计;最后,将算法应用到光电跟踪系统中。仿真实验得到不完全量测下传感器探测概率对滤波效果的影响,验证了算法的有效性,其跟踪精度接近完全量测下的状态估计精度。     

一种基于自适应权值灰关联分析的毫米波/红外融合识别方法

本文提出了一种基于自适应权值灰关联分析和DS理论的毫米波/红外融合目标识别方法。首先对单个传感器提取的特征计算灰关联度作为基本概率赋值,再用DS理论进行融合得到识别结果。在灰关联度计算中,本文提出了使用熵值分析法自适应确定不同特征的权值,提高了系统性能。基于实测数据的实验结果验证了本文的有效性。     

目标识别中多传感器信息融合算法比较

近年来多传感器信息融合技术在目标识别领域得到了大量研究和快速发展. 介绍了多传感器信息融合目标识别的基本原理及其系统结构, 重点阐述了目标识别中的多传感器信息融合算法, 并对识别效果进行比较, 最后指出了该领域今后的发展趋势.     

基于水下探测器信息融合的目标识别

在证据理论基本概念的基础上,引入证据权的概念,依据证据权的不同对各条证据进行转化,解决多传感器信息融合中不同等重要信息源的数据融合问题.应用文中的加权证据组合推理模型进行水面舰船识别的仿真,仿真结果表明提高了水下探测器目标识别的准确性和有效性.     

基于加权证据理论的模糊信息融合目标识别

在异类多传感器信息融合目标识别中,不同传感器对系统提供的证据等级不同。为此,提出一种模糊信息融合目标识别方法。将各证据按证据权进行转化,用Dempster-Shafer(D-S)证据理论进行合成,利用模糊数学模型对传感器测量值和数据库中的数据进行建模,根据证据距离得到各证据的相互支持度,进而获得传感器对系统提供信息量的权重。分析结果表明,该方法具有较高的精度和可靠性。     

基于多神经网络融合的声纳目标分类

给出了设计单个神经网络的指导性条件,用群组决策原理动态优选子网络,用改进的模糊积分方法融合各子网络的输出信息。读方法用于主动声纳目标分类系统,用4个不同类型的神经网络组成融合系统,取得了较好的效果。     

多信息融合的卫星视频单目标跟踪

针对卫星视频中存在目标特征信息少、前景背景对比性低等问题, 在SiamCAR的基础上提出了一种融合运动信息和注意力机制的目标跟踪方法; 首先引入运动激励模块和通道注意力模块以增强目标特征提取信息; 然后将相邻帧作为新模板添加到网络里形成三重网络补充模板信息; 最后加入卡尔曼滤波算法进行目标轨迹预测, 将预测模板添加到网络中形成四重网络增加目标的运动信息; 选取SatSOT卫星视频数据集中的10组数据进行测试, 实验结果表明与SiamCAR网络相比, 改进算法的跟踪准确率和成功率分别提升了6%和6.2%.     

空间非合作目标在轨主/被动融合跟踪方法

针对空间远距离非合作目标的点目标跟踪问题,研究基于非地面测控数据支持的远距离空间目标的在轨主/被动融合跟踪方法。包括运用基于被动传感器以及雷达间歇辅助测距跟踪的Unscented卡尔曼滤波(UKF)方法,得到非合作目标的运动状态信息,即利用光学跟踪摄像机的二维角度量测值及雷达间歇提供的距离量测值,估计目标的惯性位置与速度方法,为后续自主空间操作建立初始轨道状态数据。仿真结果表明,当状态误差和量测噪声改变时,UKF均能持续跟踪远距离非合作目标,使得雷达间歇提供的距离信息可以得到更好的跟踪精度。