多传感器多目标跟踪算法仿真平台设计与实现

针对美国联合导控器实验室提出的数据融合模型中多传感器多目标跟踪算法的仿真验证和定量评估的问题,采用模块化和开放性结构思想,面向对象编程及Visual C++与Matlab混合编程技术,构建了一类通用的可视化多传感器多目标跟踪算法仿真平台。该平台能够完成多种目标跟踪算法仿真、测试与评估功能。通过在系统运行的一个软件实例,证明了仿真平台的有效性与实用性。     

机器人多传感器信息融合算法研究

定义可信度区间估计，建立关联阵及可信度阵以检验传感器测量值的误差．采用有向图描述传感器之间的关系，确定传感器数据的取舍，提出两种最优融合算法，仿真结果表明优化算法是有效的，优越于简单平均法．     

多传感器信息融合技术研究

多传感器信息融合技术被广泛应用于自动目标识别、医疗诊断、图像处理、模式识别、工业监控等领域。本文主要阐述了多传感器信息融合技术的概念,并对多传感器信息融合的常用算法进行了介绍。     

基于神经网络的多传感器信息融合

将传统神经网络结构的中间隐层用子网络代替,提出了一种陈列神经网络进行信息融合的结构模型,针对传感器信息融俣的特点,用子网络实现信息的分化与融合,不仅对神经网络的结构设计有一定意义,而且从理论到实便说明了这种方法确能改善神经网络信息融合的效果和速度。     

一种车辆机动目标跟踪的多传感器信息融合估计算法

为了保证自动高速公路系统对车辆机动目标的实时、精确跟踪,提出了一种车辆机动目标状态的多传感器信息融合估计算法.建立了车辆运动状态的离散时间多模式非线性动态系统模型,利用当前时刻的各个传感器量测数据,结合交互式多模型和扩展卡尔曼滤波器得到各个局部状态估计值和滤波误差协方差阵,并采用动态加权信息融合准则获得更为精确的车辆融合航迹估计值.通过仿真验证表明这种多传感器信息融合估计算法能实时有效地提高车辆机动目标跟踪精度.     

异步多传感器目标跟踪融合

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难以做到.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一级融合跟踪和二级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.     

基于模糊神经网络的分布式多传感器多目标信息融合

针对分布式融合系统存在计算组合爆炸、难以推广到多站和多层感知器模型学习速度慢且容易收敛到局部极小等缺陷,提出了一种基于模糊神经网络的分布式传感器多目标状态信息融合方法。仿真结果证明了该方法的快速性、准确性和有效性。     

多传感器目标跟踪信息增量的计算

利用一个量测执行前后信息熵的减少及卡尔曼滤波方程中协方差的预测与更新阵,推导出传感器对目标进行检测或跟踪所产生的信息增量;并在给定最大允许的协方差阵P的情况下,得到最大的时间间隔 n.对于多传感器目标跟踪乃至后续的目标属性信息融合、目标识别和战场态势的形成都有一定的实用价值,同时它为传感器的资源分配也提供了一种有效的方法.     

基于高机动目标跟踪的改进变结构IMM算法

传统交互式多模型(interacting multiple model,IMM)算法在跟踪高机动目标时存在模型集合和真实系统模式匹配欠佳所导致状态估计质量下降的问题.基于变结构的思想及图论的知识,结合协方差匹配技术提出了一种补偿式变结构交互式多模型算法(compensation variable structure interacting multiple model,CPVSIMM).针对目前对直线加速状态估计问题,传统变结构交互式多模型(variable structure interacting multiple model,VSIMM)模型集多采用角速度作为模型特征参数造成对其估计性能欠佳的情况,所提算法联合加速度和角速度作为模型参数,并建立了模型集合间的有向图连通关系及模型子集自适应调整原则.理论分析与对比仿真表明:本算法融合估计结果的精度更高,同时能在一定程度上减小由于模型集匹配欠佳及切换不及时所导致的机动累积误差.     

基于模型的信息融合编码的视频图象压缩研究

阐明了基于模型的信息融合编码方法,并用该方法研究了压缩工业电视图象问题;建立了工业电视数学模型;给出了信息融合编码压缩原理框图．研究结果表明,采用基于模型的信息融合编码压缩方法压缩后恢复的图像,能满足工业现场的需要．     

多站被动式跟踪自适应融合算法

由于单站被动式跟踪稳定性差、动态过程时间长、估计偏差大，且对初值敏感，使得直接在各单站估计基础上做融合效果仍然很差，本文提出多“双站”新概念，推导完成了基于多“双站”的自适应融合算法，提高了系统跟踪精度，保证了算法的快速收敛以及算法的初值不敏感性，仿真结果证明了其正确性。     

Neural Network Based Algorithm and Simulation of Information Fusion in the Coal Mine

The concepts of information fusion and the basic principles of neural networks are introduced. Neural net-works were introduced as a way of building an information fusion model in a coal mine monitoring system. This assures the accurate transmission of the multi-sensor information that comes from the coal mine monitoring systems. The in-formation fusion mode was analyzed. An algorithm was designed based on this analysis and some simulation results were given. Finally,conclusions that could provide auxiliary decision making information to the coal mine dispatching officers were presented.     

基于多颜色空间信息融合的视频车辆检测方法

利用图像颜色空间各分量的相对独立性和互补性,通过理论分析和实验,提出了有选择地将RGB、YCbCr和HSI3个颜色空间9个分量的检测结果进行融合的方法,提高了车辆视频检测的准确性。该法在S和I分量较大时依据H分量的值选择不同3个分量的检测结果进行有差别融合,而S和I分量较小时再选择另外3个分量的检测结果融合。实验证明,同只利用亮度分量的检测结果相比,检测到的车辆更加充实,空洞大幅度减少,很大程度提高了依赖于该结果的交通信息数据的精确性。     

基于信息融合技术的绩效考核研究

基于信息融合技术建立了一种新的绩效管理系统,并从信息融合的角度对绩效指标进行了分类,提出了并行分布式信息融合构架的绩效考核方法,并从整体功能、垂直层次、横向构成和数据处理流程4个方面对该绩效考核方法进行了详细介绍。     

基于多模式多特征融合粒子滤波视频目标跟踪

本文研究了目标的多特征融合跟踪问题.提出了衡量各特征质量的标量方法,利用粒子权值平方和来表示各特征信息的粒子退化程度,并以此值作为各特征信息质量状况的衡量.该方法能根据跟踪的实际情况判定各分信息粒子质量,并在此基础上提出了多模式融合策略,该策略能依据各分信息的质量变换各融合模式达到跟踪过程中各模式的最优组合.实验结果表明:在对复杂背景视频目标的跟踪中,该算法具有强的鲁棒性,较高的识别精度.     

基于模糊神经网络的机器人感知系统多源信息融合的研究

提出了利用基于模糊神经网络的传声器阵列和双目摄像机信息融合,实现对声源的精确定位和实时跟踪的方法.该方法建立了五层模糊神经网络,设计了各层的输入和输出,利用BP算法调整模糊神经网络的权重和参数获得不同的隶属函数,从而生成相应的模糊规则实现模糊决策.利用Matlab仿真了机器人的感知过程,得到了实际输出和实验输出的误差曲线,验证了基于模糊神经网络多源传感融合算法对于机器人控制的有效性.     

WSN中基于FCM算法的多目标跟踪数据融合

基于LEACH（低功耗自适应聚类路由算法）路由协议， 研究了多目标跟踪的数据融合方法. 在基于模糊聚类（FCM）算法进行数据融合设计时，发 现算法存在错误跟踪、丢失新目标和重复跟踪的问题. 针对这些问题产生的原因进行了详细 的分析，并提出了改进，使FCM算法更好地应用于传感器网络.     

基于内部信息融合的网络信息发布系统

为解决网站内部公开信息发布困难的问题,研究并实现了一种基于内部信息融合的网络信息发布系统.给出了该系统的结构模型,功能模块,关键算法以及运行流程.该系统通过内外搜索排名与内部信息融合技术破除信息孤岛问题,实验性能分析证明该系统具有较高的自动信息发布能力和较高的客户满意度.