未知输入干扰下异构多传感器分布式两级信息滤波与偏差联合估计

针对目标跟踪过程中受未知输入影响的多传感器网络,提出一种局部单传感器抗干扰信息滤波算法并根据此算法实现分布式一致性多传感器融合滤波估计实现目标的精确跟踪。首先,建立包含未知输入的系统模型;其次,消除未知输入影响并设计局部单传感器两级信息滤波算法实现状态和广义偏差的同时估计;最后,根据提出的单传感器两级信息滤波算法进行分布式加权数据融合。仿真结果表明,该方法及其融合算法的系统偏差、状态估计误差和均方根误差均明显降低,目标跟踪精度有所提高,并且具有较低的运算量和较高的一致性。     

基于SVDD与信息融合技术的设备性能退化评估

为了能够准确地对大型设备的性能退化过程进行描述,提出了一种基于支持向量数据描述(SVDD)和信息融合技术的评估方法。通过SVDD算法分别评估来自单个传感器的数据,然后运用D-S证据理论对来自多传感器的局部评估结果进行信息融合,最终给出设备的整体性能评估结果。实验分析表明,SVDD算法能够真实地反映设备局部性能退化状态的变化,而利用D-S证据理论得出的整体设备状态评估结果符合实际情况,同时有效得消除了局部信息之间的矛盾,提高了设备整体评估的可靠性。     

基于模糊支持度的分布式多传感器加权融合算法

针对目前分布式多传感器数据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,通过局部状态估计精度间支持度函数的建立和支持度矩阵的求解,合理地分配各局部航迹估计在融合中心的权重,进而提出了一种基于模糊支持度的分布式多传感器加权融合算法.最后,通过蒙特卡罗仿真验证了该算法的有效性.     

斯米尔诺夫检验法在数据级信息融合数据关联中的应用

在信息融合系统中，为了确保进入融合中心的信息是满足融合需要的有效信息，在融合之前要对来自多个信息源的数据进行数据关联。作为信息融合前的信号预处理过程，利用数理统计中的斯米尔诺夫检验法对多个同类传感器测得的加速度响应信号进行数据关联，去掉故障传感器或受到严重干扰的通道数据，确保进入融合中心的数据能够有效反映被测对象的状态。通过某二级齿轮箱实验台实测数据的验证，证明该方法能够有效地检验出同类传感器信号是进行故障诊断的有效信号。     

雷达光电测速无偏转换误差分析及数据融合

为改善雷达光电跟踪系统目标运动参数估计性能,提出了一种考虑测速无偏转换的数据融合算法。基于雷达多普勒径向速度量测与光电跟踪系统角速度信息,推导了测速信息在笛卡尔坐标系下的无偏转换量测,分析了转换后量测噪声的统计特性,给出了基于解耦序贯更新滤波的数据融合算法。仿真表明,本文方法改善了目标运动参数估计精度,提高了速度分量估计误差收敛速度,研究结果亦可为航迹起始、目标威胁度初判提供参考。     

基于多尺度Kalman数据融合滤波

本文通过分析基于小波变换的动态系统模型,提出一种基于小波多尺度的Kalman数据滤波方法,本文利用小波的多尺度特点,把初始估计序列多尺度分解,并在不同尺度层上进行Kalman滤波估计,再利用小波重构来融合各层的估计信息,把标准Kalman滤波只在单一尺度和时间轴上对状态估计值和误差协方差进行数据更新,改进为基于小波变换的尺度轴和时间轴上的双向数据更新,该算法将小波多尺度分解去噪和Kalman滤波相结合,对实际中含较强噪声的动态系统的状态估计效果较好.算法也可用于多分辨率多传感器数据融合.     

浅析信息融合技术的研究与应用

文章通过在变电站智能辅助系统管控平台中对数据融合技术的研究和应用,消除对设备状态测量数据中的不确定性,并实现对故障目标的识别与分类。主要研究内容包括根据各种传感器采集数据的时间和模式的不同,对数据进行转换,实现一致性的信息显示;通过对数据的关联,减少干扰导致的数据间的非相关性,降低计算复杂度,通过对多传感器信息采集结果的综合分析处理,生成融合计算结果,然后进行态势评估,实现对结果的直观显示和设备状态趋势的判断。     

状态最优估计融合算法在伺服系统中的应用

针对如何提高伺服系统多传感器测量数据的可信度,提出了一种状态最优估计融合算法。该算法依据Bayes后验估计理论,把求n个测量数据的状态最优估计转化为求出满足Y(需要测量的状态值)的最大后验概率maxP(Y|E)的估计值Y(E?)的问题,求得多传感器对同一目标的状态测量值的最优值,来提提高伺服测量数据的可信度。该算法应用到具有三种传感器的伺服系统中,实验结果证明,系统能持久稳定、高精度地跟踪运动目标,大大提高了系统的稳定性。     

多传感器航迹数据融合的机载火控系统

为研究机载火控系统多传感器数据融合的方法。采用了基于多目标多传感器航迹数据融合的改进的卡尔曼滤波算法，运用假设检验理论，充分考虑了位置数据互联的正确性和目标信号的历史信息，使其性能不随目标数目的增大而变差。计算机仿真表明：所建立的系统操作方便，运行可靠，性能价格比高；所采用的算法具有处理速度快、精度高等优点。     

声纳目标运动分析的实现方法

目标运动分析是声纳的一个重要问题。为了能够有效地估计目标运动状态,选择适当测度集合是第一步。开发出有力的估计算法是解决目标运动分析的另一个关键步骤。本文简练地回顾了声纳目标运动分析的实现方法。在本文中,目标运动分析被松散地分成两大类。一类是经典的目标跟踪方法的一部分,它把数据融合作为整个估计过程的不可分割的一部分;另一类在估计目标状态时并没有利用数据融合。     

一种基于自适应子空间跟踪与Jacobi算法的时变信道有限反馈预编码方法

提出了一种基于自适应子空间跟踪与Jacobi算法的时变信道有限反馈预编码方法.该方法针对无线信道的时变性,利用梯度算法自适应跟踪时变信道的发射预编码矩阵,同时考虑了反馈信道有限比率的反馈比特数,将Jacobi迭代算法应用于时变信道右奇异矩阵的跟踪,从而有效降低了每个反馈帧的反馈比特数.计算机仿真表明,在时变信道,该方法在降低反馈量的同时,还获得了比存在反馈延时的Grassmannian预编码方法更好的系统容量性能.     

光电成像跟踪系统的实时数据融合技术研究

光电成像跟踪系统需要保证不同目标的自适应识别,同时严格按照时间序列执行的图像处理又是一个强实时性过程。实时融合跟踪技术提出并行执行多个算法组以适应不同类型目标的识别,并通过像素级、特征级和决策级的同时融合处理保证了系统跟踪的稳定性,最后在嵌入式并行处理硬件平台上有效解决了对运动目标的自适应跟踪。文中详细阐述了实时融合跟踪技术的技术思想和技术路线,在剖析其并行结构的基础上完成了光电成像跟踪系统的嵌入式硬件并行平台的设计和实现,取得了显著的工程应用成果。     

一种弱小目标的自适应搜索方法

针对成像跟踪系统中弱小目标搜索定位的难题,提出了一种新的自适应搜索算法,即利用全局寻优的自适应遗传算法搜索目标,以目标的多特征融合信息作为最佳定位的判断准则和适应度函数。实验结果表明,该方法不仅提高了检测精度,也改善了跟踪算法的稳定性和智能策略。     

基于车辆动力学的轨迹跟踪器设计

轨迹跟踪是移动机器人导航中的核心问题之一。针对非完整运动约束车辆,利用反馈线性化方法设计了轨迹跟踪器,仿真研究了跟踪算法的鲁棒性。最后,介绍了工程实现中参数观测器设计等相关问题。     

雷达光电经纬仪外测数据的融合处理方法

为了提高飞行器的事后定位精度,提出了一种基于多台雷达光电经纬仪外测数据融合的处理方法.给出了雷达光电经纬仪外测数据的数学模型,将样条约束方法应用于角度、距离和速度测量数据的融合处理,建立了飞行器位置参数和设备系统误差的联合求解模型,通过充分利用雷达测量数据来增加模型的冗余度.仿真结果表明,与单纯的角度数据融合相比,角度、距离和速度测量数据进行融合可以显著提高飞行器位置参数和设备系统误差的估计精度.     

一种基于能量受限的分布式多传感器管理算法

在能量受限的分布式多传感器跟踪系统中,跟踪目标的同时,需要节省能量消耗,延长系统生存周期,本文依据一种传感器节点能量消耗模型,提出了一种以能量消耗和信息增量为效用的传感器管理算法。仿真结果表明该算法能提高跟踪精度,减少能量消耗,延长系统的使用时间。     

多传感器模糊融合跟踪算法

针对集中式融合结构跟踪系统,利用随机逼近算法分析了权值的最优分配原则,提出了一种基于模糊推理的多传感器融合跟踪算法。该算法采用协方差匹配技术,依据滤波新息,动态调整测量噪声方差,使融合系统的均方误差始终最小。同时利用双滤波器结构,根据系统方差,实现滤波器间的动态切换,提出了基于模糊推理的并行双Unscented卡尔曼滤波自适应跟踪算法,增强当前统计模型对弱机动目标的适应能力。针对机动和非机动飞行航路进行了算法仿真,结果表明,在时变测量噪声条件下,采用模糊融合跟踪算法前后的速度均方根误差分别为45.7m/s和36.2m/s, 18.7m/s和9.6m/s,提高了多传感器系统的稳健性和跟踪精度。     

基于小波分析的惯性传感器信号实时处理方法

分形噪声和白噪声是影响光电跟踪系统惯性传感器输出信号精度的重要因素,采用传统的方法很难滤除分形噪声.利用分形噪声在小波变换域的特殊性质,采用小波滤波方式,并在此基础上,实现两种不同带宽的惯性传感器信号的融合.通过将阈值计算进行简化,并对信号输入延拓方式进行改进,提高了信号处理的精度,由此可以大大降低信号的小波变换长度以提高运算速度,最终在相应硬件的基础上实现信号的实时处理.最后的实验验证了该算法的有效性和实时性.     

基于自适应特征融合的多尺度相关滤波跟踪

为了减小目标跟踪中目标变形、光照影响、运动模糊以及目标旋转对跟踪效果的影响,在相关滤波KCF基础上,提出了一种基于自适应特征融合的多尺度相关滤波跟踪算法。首先,提取VGG19网络中conv2-2、conv3-4、conv5-4层的特征以及CN特征,并在conv2-2层加入CN特征;然后,将这3个特征分别代替HOG特征进行滤波学习,得到3幅响应图;进而对3幅响应图进行加权融合预测目标位置。最后,在尺度方面引入多尺度相关滤波器进行尺度的确定。该算法比KCF跟踪算法精确度和成功率分别提高了13.6%和11.8%。与现有的其他优异跟踪算法相比,该算法在应对运动模糊、背景杂乱、目标变形、平面旋转方面更具有较好的跟踪效果。     

一种用于水声相干通信的快速自适应自最佳均衡器

多通道判决反馈均衡器(MC-DFE)是水声相干通信克服信道多径效应、消除码间干扰(ISI)的主要手段。本文提出了一种用于水声相干通信系统的分集合并自最佳自适应多通道判决反馈均衡器。该算法将快速自优化LMS分集合并(FOLMSDC)算法、快速自优化LMS(FOLMS)算法和快速自优化LMS相位补偿(FOLMSPC)算法有机地结合在一起。该算法一方面可以进一步减少运算复杂度,另一方面,由于算法中的步长因子和相位跟踪因子可以自适应地更新,因此算法可以更好地跟踪水声信道的变化,进一步提高通信系统的接收性能。仿真结果表明,本文提出的算法的性能优于现有算法。