基于最近邻-拓扑图的异类传感器目标关联算法

针对雷达和高动态平台上的红外传感器构成的异类传感器信息融合系统中的目标关联问题,该文提出了一种基于最近邻-拓扑图的目标关联算法。该算法避免了系统误差补偿环节,有效地克服了最近邻方法对系统偏差敏感和拓扑图方法运算量大的不足,显著提高了存在系统误差条件下的关联成功率,且具有很强的稳健性。数值实验结果表明了该方法的有效性,目标关联正确率在90%以上。      

非理想关联下多传感器系统误差的稳健估计

在数据融合系统中,传感器自身系统误差造成其上报融合中心的目标位置状态出现系统性偏差,若得不到有效估计与补偿,融合系统难以实现预期的性能优势。然而,基于目标关联配对关系而构造的超定方程组是系统误差估计的出发点。复杂环境下,受随机噪声、系统误差、虚警、漏报等因素的干扰,数据关联模块的输出结果常常包含错误关联。针对非理想关联下多传感器系统误差的稳健估计问题,该文提出基于最小截平方的系统误差稳健估计方法,并进一步提出剔除异常方程的重加权最小二乘方法。与最小二乘及最小中值平方相比,所提方法在保证估计器稳健性能的前提下,降低了估计结果对随机噪声的敏感程度。仿真实验验证了所提方法的有效性。     

基于极大似然的联合多传感器配准与融合

传感器配准和多源融合是多传感器多目标跟踪系统中面临的两个重要问题。多传感器融合的精度一定程度上与传感器固有系统误差相关,为提高融合精度,需要进行多传感器配准。在多传感器多目标跟踪场景下,文中根据传感器量测噪声特性,通过公式推导实现了一种基于极大似然的联合多传感器配准与融合算法。该算法可同时在采样时刻间对传感器系统偏差和目标融合位置进行估计,并对传感器系统误差进行时间递推。仿真结果表明,文中算法具有较高的估计精度,可同时解决多传感器的配准与融合问题。     

基于岭最小截平方的传感器稳健配准方法

传感器配准是多传感器数据融合系统获得性能优势的关键前提.受随机噪声、系统误差、虚警、漏报等因素的干扰,传感器配准常常工作在非理想关联环境中,依赖于理想关联假设的传统配准方法性能衰退严重.另一方面,传统传感器配准方法对目标分布场景敏感,当目标密集分布时,配准问题呈现病态性,估计结果数值不稳定.本文重点研究非理想关联及场景病态性共存时的传感器稳健配准问题,提出了系统误差的岭最小截平方（Ridge Least Trimmed Squares,RLTS）估计方法.该方法结合了岭回归（Ridge Regression,RR）与最小截平方（Least Trimmed Squares,LTS）估计的优点,能够有效应对错误关联及病态性的不良影响.仿真实验证实了所提方法的稳健性能.     

基于非合作目标的误差配准算法

误差配准是消除传感器系统误差必不可少的过程。针对非合作目标情况下如何估计传感器系统误差的问题,提出了一种基于线性卡尔曼和最小二乘的三维误差配准算法。该算法考虑了地球曲率的影响, 解决了传统的二维算法无法估计俯仰角系统误差的问题。通过构造系统模型, 将传感器系统误差和目标运动情况统一到同一量测方程中, 并结合线性卡尔曼和最小二乘得到系统误差的估计。仿真结果表明, 该方法能有效地估计包括俯仰角误差在内的多种系统误差。     

小波分析在多传感器多目标跟踪的航迹相关算法中的应用

在多传感器多目标融合跟踪系统中,航迹关联是对目标进行连续跟踪最重要的关键技术。在融合中心,对多传感器获得的目标航迹数据进行航迹关联处理,判断哪些航迹数据源于同一个目标。利用小波分析的方法提取航迹信号的趋势项信息,再结合传统的航迹关联处理方法对这些趋势信号进行关联判决。仿真实验表明这种方法是可行的。     

基于航迹隶属度的分布式系统数据融合算法

航迹关联与航迹融合是分布式目标跟踪系统数据融合的关键.本文研究了基于航迹隶属度的数据融合算法.综合各传感器航迹估计形成的目标运动状态特征向量与传感器分辨率,根据模糊聚类算法建立各观测时刻航迹隶属度矩阵与系统航迹关联决策矩阵,解决融合中心航迹关联问题.根据加权融合算法思想,结合各观测时刻航迹隶属度矩阵,实时、动态分配航迹号集合中各局部航迹权值,解决目标航迹融合问题.蒙特卡罗仿真表明,算法航迹关联效果明显优于加权航迹关联算法,并得到与简单航迹融合算法一致的目标融合航迹.     

基于模拟退火算法的组网雷达系统误差校正

系统误差校正是多传感器数据融合和跟踪系统中的基本问题，传统的解决方法是最小均方估计法或极大似然估计法，其缺点是对噪声比较敏感。文中提出了用非参数化方法解决多传感器数据融合中的系统误差校正问题，具体地讲就是把系统误差校正问题转化为非线性优化问题，然后通过模拟退火算法求解。该方法的优点是不需要事先知道各传感器的系统误差，并且适用于不同类型的传感器。经过仿真可知算法有效且对噪声不敏感，比线性化方法有更高的收敛效率和求解精度。     

一种基于多分类器融合的双色红外成像目标识别方法

针对双色红外成像系统中的自动目标识别问题,提出了一种基于多分类器融合的红外目标识别方法.该方法首先提取目标的形状特征和面貌特征,并设计多个基于不同特征的分类器对目标进行分类;然后对各个分类器的目标分类结果进行决策级融合处理,并采用所提出的决策规则对多分类器融合分类结果进行处理得到最终的目标识别结果.该方法充分利用了目标在多传感器图像中的多种分类特征信息,提高了系统的目标识别效率和精确性.实验结果证实了该方法的有效性.     

基于广义Hough变换的航迹关联算法

在分布式多传感器信息融合处理系统中,针对目前航迹关联算法存在的缺陷,在前人研究的基础上,将广义Hough变换应用于航迹关联,有效地解决了常规Hough变换只能实现匀速直线运动目标航迹关联以及统计法的抗干扰能力差和模糊法的参数设置复杂等问题.仿真结果表明了该算法的可行性和有效性.     

惯性导航的误差建模与仿真研究

在机载多传感器数据融合系统中导航误差是影响目标定位精度的主要误差源.针对此应用背景提出了惯性导航误差模型,其能很好地满足实际惯性导航系统中存在的误差传播特性.仿真分析表明,与以前系统中仅利用高斯白噪声作为导航误差的情形相比,该方法更具有实际意义,对数据融合的分析更具有说服力.     

基于模糊规则的多分类器融合

用非线性方法解决多分类器融合问题能够取得比较高的识别率, 但是,当前被应用在多分类器融合领域中的非线性方法可理解性较差,给使用者带来一定的困难。而基于模糊规则的模式识别方法是一类可理解性好的非线性方法,但迄今为止还没有被应用于多分类器融合问题中。基于上述考虑,该文将模糊系统应用到多分类器融合中,并且研究了如何设计可理解性好、精度高的模糊系统的问题,提出了一种改进的基于支持向量的模糊系统设计方法。该方法在从ELENA项目数据库和UCI数据库中选出的4个数据集上进行了测试。实验结果表明,该方法能够用可理解性好的模糊系统实现低错误率的多分类器融合。     

一种类型辅助的航迹相关算法

针对分布式多传感器信息融合系统中可利用目标特征和属性信息提高航迹相关性能的问题,提出了一种类型辅助的航迹相关算法。该算法以统计学理论为基础,首先将基于目标运动状态和类型信息的航迹相关问题转化为相应的假设检验问题;然后,利用目标运动状态检验统计量和类型检验统计量,根据预设的显著性因子,构建运动状态相关矩阵和类型相关矩阵,并通过逻辑“与”规则形成融合航迹相关矩阵;最后,采用最小平均统计距离准则进行相关判决,并通过Monte Carlo仿真分析了基于运动状态的航迹相关算法和类型辅助的航迹相关算法的相关正确率随相关点数、编队中的目标间距和过程噪声系数等因素的变化规律。仿真结果表明,在相关点数较少、目标密集或过程噪声较大等情况下,在航迹相关过程中引入目标类型信息可以获得更好的性能。      

A hybrid classifier fusion approach for motor unit potential classification during EMG signal decomposition

In this paper, we propose a hybrid classifier fusion scheme for motor unit potential classification during electromyographic (EMG) signal decomposition. The scheme uses an aggregator module consisting of two stages of classifier fusion: the first at the abstract level using class labels and the second at the measurement level using confidence values. Performance of the developed system was evaluated using one set of real signals and two sets of simulated signals and was compared with the performance of the constituent base classifiers and the performance of a one-stage classifier fusion approach. Across the EMG signal data sets used and relative to the performance of base classifiers, the hybrid approach had better average classification performance overall. For the set of simulated signals of varying intensity, the hybrid classifier fusion system had on average an improved correct classification rate (CCr) (6.1%) and reduced error rate (Er) (0.4%). For the set of simulated signals of varying amounts of shape and/or firing pattern variability, the hybrid classifier fusion system had on average an improved CCr (6.2%) and reduced Er (0.9%). For real signals, the hybrid classifier fusion system had on average an improved CCr (7.5%) and reduced Er (1.7%).     

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。     

D-S证据理论和粗集理论在数据融合中的应用

提出了一种由粗集理论和D S证据理论结合的多传感器数据融合方法 ,并将其应用于目标识别中。在目标识别的数据融合中 ,利用粗集理论对大量的传感器数据进行处理 ,判断出冗余传感器 ,得到传感器的最简组合 ,从而简化特征数据。然后利用D S理论实现目标的分类 ,改进分类的效果。因此 ,将两种方法结合起来应用于数据融合技术中来进行目标识别 ,为解决传感器数据超载以及不完整传感器信息融合提供了一种方法 ,且提高了识别的速度和效果     

双模态信息融合的飞行目标位姿估计方法

针对在飞行目标位姿估计中背景复杂、目标提取及位姿解算精度低、速度实时性差等问题,提出了一种激光与图像信息融合的飞行目标位姿估计方法。首先,建立彩色相机和激光雷达间的坐标变换模型实现两传感器像素级匹配,对同一时刻的图像和点云进行融合处理;其次,采用Vi Be算法与深度信息融合对图像中运动目标进行提取,并根据图像目标的位置框选出对应的点云;最后,利用PnP算法进行特征点粗配准,获取点云间初始旋转平移矩阵,并采用迭代最近点算法进行精配准,利用IK-D Tree加速临近点搜索,提高配准速度。使用仿真试验和半实物仿真试验对方法准确性和稳定性进行了验证,结果显示：二维图像目标检测算法正确率为97%,错误分类比为0.011 2%;位姿估计算法与传统迭代最近点算法相比精度提高了53.2%,单次耗时从261 ms降低至132 ms,效率提升约49.4%,与其他算法相比也具有一定优势。为飞行目标落点精准预测和制导控制提供解决思路。     

Multisource classification of remotely sensed data: fusion ofLandsat TM and SAR images

Proposes a new method for statistical classification of multisource data. The method is suited for land-use classification based on the fusion of remotely sensed images of the same scene captured at different dates from multiple sources. It incorporates a priori information about the likelihood of changes between the acquisition of the different images to be fused. A framework for the fusion of remotely sensed data based on a Bayesian formulation is presented. First, a simple fusion model is given, and then the basic model is extended to take into account the temporal attribute if the different data sources are acquired at different dates. The performance of the model is evaluated by fusing Landsat TM images and ERS-1-SAR images for land-use classification. The fusion model gives significant improvements in the classification error rates compared to the conventional single-source classifiers     

数据融合在舰炮系统低角跟踪中的应用

主要探讨在舰炮系统中,将火控雷达与光电系统相结合,采用数据融合技术解决多路经效应对低空目标跟踪的影响问题。分析了多路经效应在雷达低角跟踪中带来的仰角测量误差,导致雷达对低空目标跟踪丢失,而光电系统在低角跟踪中却不存在多路经效应。采用雷达与光电系统多传感器数据融合技术、复合跟踪技术,可极大地提高舰载探测系统对低空目标的发现和跟踪性能。     

基于激光雷达与红外图像融合的车辆目标识别算法

为了提高车辆目标在不同测试条件下的识别效率,降低系统的漏检率和误检率,提出了一种基于激光雷达与红外图像融合的车辆目标识别算法。该算法利用目标原点矩参量表征目标的红外特征,用匹配相似度表征目标的点云特征,再经过轴系对齐和尺度变换实现图像融合。实验采用激光雷达与红外同轴光路获取的两类数据进行图像融合,再利用目标匹配阈值进行迭代筛选,最终识别车辆目标。对比了1帧、20帧和40帧图像中具有不同属性的车辆目标识别效果,结果显示,本算法输出的目标识别区域正确适当。在1000帧图像的多种测试条件的实验中,本算法的漏检率均小于100,误检率均小于50,明显优于传统的距离向数据分类法和光谱分类法,验证了其具有较好的鲁棒性。