多传感器数据融合中基于目标识别的DS算法研究

由于多传感器数据中对目标的描述通常存在或多或少的模糊、相驳、遗缺等现象,在多传感器数据融合处理中如何对目标进行有效可靠的识别,是一个备受关注的难题。本文对多传感器数据融合处理中基于ＤＳ算法的目标识别问题进行了较深入的探讨,利用ＤＳ算法对不确定性信息的推理判断机制,为解决上述难题提供了一种有效的方法。     

基于目标识别的光电多传感器信息融合技术

针对军事上的目标识别问题，论述了光电多传感器信息融合技术，包括光电多传感器信息融合的概念，原理，算法及应用。指出了光电多传感器信息融 存在的主要问题及解决方法，并预测了发展趋势。     

多传感器数据融合目标识别算法综述

多传感器数据融合作为一种特殊的数据处理手段在目标识别领域得到了较大的重视和发展.在介绍多传感器数据融合目标识别基本原理及其算法理论依据基础上,从概念分类方面,对目前多传感器数据融合目标识别算法进行了全面综述,包括参数分类算法、基于认识模型的算法、物理模型算法及多类算法综合识别法等,说明了各算法特点及对其的进一步改进,列举了目前国内外一些已经发表的重要算法,为下一步多传感器融合目标识别研究提供了一定的理论依据.     

数据融合处理中的目标识别技术

目标识别数据融合技术是数据融合处理技术的一个基本应用，对目标识别数据融合技术做了详细的介绍，并重点分析了证据推量（D－S）和聚类分析这两种目标识别方法。     

目标探测.识别和跟踪的传感器数据融合

多传感器组合系统数据融合技术是当代探测，识别领域的一项新技术，本文在介绍多传感器组合与数据融合技术优点的基础上，介绍了成像激光雷达与前视红外传感器数据融合技术，重点介绍了红外行扫描器和红外成像摄像机的数据融合技术。     

多传感器数据融合非合作目标识别技术研究

采用Dempster-Shafer证据推理法，融合判决算法，在模拟的单站多传感器系统中，进行计算机仿真，仿真结果证实所采用的技术可以有效提高目标识别的可信度。     

航空电子系统多传感器数据融合的目标属性评估

介绍了航空电子系统多传感器数据融合的特征和空战融合的模式，举例说明了数据融合处理机对多传感器测量的目标信息分别进行融合处理后进一步融合的方法，经多级数据融合得到对目标属性的准确判断，有利于飞行员作出控制和决策。     

分布式多传感器目标检测中的数据融合

多传感器目标检测，是近十多年来的一个研究热点。然而运用多传感器实施对目标的检测同时带来了一个新的问题，即如何能由多个传感器所提供的信息实时作了准确的判决？文章证明运用（Ｋ／Ｎ）规则于分布式多传感器目标检测时，存在最佳Ｋ值，使得系统的检测概率高于任一传感器的检测概率，虚警概率低于任一传感器的虚警概率。     

异类传感器数据融合技术应用

多传感器数据融合技术是智能信息处理领域的一种重要方法。首先介绍了数据融合的分类和异类传感器数据融合的应用优点。建立了一个信息处理系统模型，结合其主要功能单元，详细地分析了异类传感器数据融合在航迹跟踪、目标识别等方面的主要技术难点并给出了工程实践中可行的解决方法。最后介绍了数据融合技术在军事上的主要应用。     

多传感器目标的模糊识别

根据模糊理论，采用信息融合技术和模糊识别技术，讨论了在多类传感器网内进行多目标模糊识别的一般原理和方法。     

多传感器数据融合技术

多传感器数据融合可以避免单一传感器的局限性，获得更多的信息，提高目标识别能力。本文介绍了这一技术的出现背景，国外的应用情况，主要研究内容及建议采取的对策。     

基于D-S理论的多信息融合方法及应用

本文较系统地论述了基于Ｄｅｍｐｓｔｅｒ－ｓｈａｆｅｒ证据理论的多传感器信息融合算法,并以机器人的力学传感器和热觉传感器为研究对象,对目标物体进行分类识别实验,比较了融合前后的试验结果。     

多传感器异步数据融合算法

由于传感器的采样速率和通信延迟,传感器的不同步问题大大降低了多传感器系统数据融合的精度。研究多传感器异步融合比同步数据融合更为迫切。该文利用误差协方差阵的迹最小准则建立了多传感器异步融合模型,给出了具有普遍意义的多传感器异步融合模型,弥补了目前多传感器异步数据融合仅限于两两传感器的局限性,并从理论上对多传感器异步融合的性能进行了分析。仿真结果表明该异步融合模型是有效的,能够对多传感器的异步数据进行优化处理,并且优于单一传感器的性能。     

多传感器网络系统基于无序估计的分布式信息融合

无线传感器网络的局部节点往融合中心传输信息时,不确定的随机延迟易使得信息无序现象频繁发生,从而导致传统信息融合方法的应用面临诸多难题和挑战。该文以带有任意随机延迟的多传感器同步采样系统为对象,研究无序估计(“Out-Of-Sequence” Estimate, OOSE)信息系统的最优分布式融合问题,最终建立一种新型的通用最优OOSE融合算法。与现有基于集中式框架的无序量测融合方法相比,新算法在融合精度和算法复杂度上均具有显著优势。算法分析和计算机仿真验证了新算法的有效性和优越性。     

多传感器信息融合机载辐射源识别

本文在阐述 Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ （Ｄ－Ｓ）证据理论的基础上，较系统地论述了基于Ｄ－Ｓ证据理论的多传感器机载辐射源识别的信息融合方法，识别实例和对比实验表明，这种信息融合识别方法是非常有效的。     

多级式多传感器信息融合中的状态估计

本文多级式传感器监视系统中的状态估计技术,基于背地里传感器Ｋａｌｍａｎ滤波方程,两级集中和分布估计解,本文提出多坐标系中多级式多传感器跟踪系统的三层集中估计方法,在不同笛卡尔坐标系中,本文提出了几种适合于三层多传感器信息融合系统的航迹级融合方法,其中既包括了集－分估计,也包括了分－分估计组合问题,在离散线性假设下,各层估计解都是最优的并且对同一问题的不同表现形式是等价的,另外,文中还给出多级式多传     

多传感器数据分层融合的性质

本文主要研究文［１］提出的分层融合算法的数学、物理性质。定义了分层融合估计中的融合航迹的新息和融合增益，分析并证明了它们所具有的数学、物理性质，最后得出并证明该分层融合估计，就是基于各传感器的滤波及其预测的线性无偏最小方差估计的结论。     

基于多传感器信息融合的远距离目标检测

远距离目标检测具有重要的军事应用价值,而多传感器能提供互补和冗余信息,在远距离目标检测中具有独特的优势.针对可见光和红外热图像序列中的远距离目标,提出了一种基于信息融合的目标检测方法.该方法通过帧间差累积,在两种传感器的图像中确定了运动目标区域,定义了运动目标区域可信度度量,利用融合的规则确定了最后的运动区域.在运动区域中利用简单的分割方法将目标提取出来,最后经过特征级融合得到了检测结果.本方法不需要进行背景估计,多传感器信息的冗余增强了检测结果的可靠性,实验结果证明了本文方法的有效性.     

基于遗传算法的多传感器数据融合

文章给出了一个新的应用遗传算法技术的分级多传感器数据融合算法，各个传感器信息之间的关系用一种较新的模糊算子确定，与传统的集合论的并、交操作相比，它能更好地模仿人的推理。此外，遗传处法能近似最优地确定模糊算子的参数，使算法在信息源的可靠性，信息的冗余度／互补性以及进行融合的分级结构不确定的情况下，以近似最优的方式对传感器数据进行融合。