基于多传感器粒子权重优化的序贯最大似然比故障诊断算法

针对多传感器量测下非线性系统故障诊断问题,给 出了一种基于多传感器粒子权重优化的序贯最大似然 比检验——故障诊断(SMLR-MWOPF)算法。首先,为改善量测随机噪声对粒子权重度量稳定 性不良影响,结合多源信息融合技术实现 对多传感器量测中冗余和互补信息的提取和利用,设计一种粒子权重优化策略;通过减小粒 子权重方差以改善粒 子权重的可靠性和稳定性,进而实现滤波器估计精度的提升。其次,结合序贯概率比检验(S PRT)和交互式多模型(IMM)框架构 建了一种基于残差检测的在线序贯最大似然比检验方法;另外,在结构上合理简化输入交互 和输出交互环节,以 降低粒子滤波(PF)在IMM模型结构实现中的计算复杂度。理论分析和仿真实验验证了算法的 可行性和有效性。     

基于RB粒子滤波的多传感器目标跟踪融合算法

构建面向多传感器信息融合系统的粒子滤波(PF)器是拓展采样型非线性滤波应用领域的关键,针对PF在多传感器融合目标跟踪系统的有效实现问题,提出了一种基于Rao-Blackwellized(RB)PF(RB-PF)的多传感器目标融合跟踪(MT-RB-PF)算法。首先,利用RB建模技术实现跟踪系统非线性状态估计的降维处理;其次,结合多传感器融合系统特点,给出一种多量测下粒子权重优化新方法用以改善粒子权重度量的可靠性和稳定性;最终,通过标准PF和卡尔曼滤波(KF)实现非线性和线性状态分量的估计,并利用状态重构方法构建当前时刻的状态估计值。理论分析和仿真实验验证了算法的有效性。     

一种考虑传感器精度的数据自适应加权融合算法

为增强多传感器测量数据融合效果,在综合考虑传感器初始精度与实际测量精度的基础上,提出了一种改进的自适应加权融合算法。将证据理论中的修正证据距离引入传感器实际测量数据间距离计算,基于计算得出的测量数据间距离生成各数据融合时的测量权重值。当传感器精度已知或者能够计算得出时,将基于传感器精度生成的固定权重与测量权重相综合,生成最终权重;当传感器精度未知且无法计算得出时,将测量权重作为最终权重。基于多种典型算例对所提融合算法进行验证,结果表明所提算法融合效果较好,具有一定的理论意义和较好的工程实用价值。     

基于视觉显著图在线更新的结构反稀疏目标跟踪算法

为提高稀疏跟踪器性能,提出一种在贝叶斯推论框架下的基于视觉显著图的结构反稀疏在线目标跟踪算法。首先将基于马尔可夫(Markov)模型的关联性视觉显著度检测算法用于当前帧并计算目标模板的显著图,其次提出全局与局部分块的结构外观模型表示候选目标,将显著图映射回每一个局部块并计算出对应的自适应权重,最后提出联合全局与局部稀疏解的度量准则度量候选目标与目标模板的相似度,从而确立在贝叶斯框架下对目标状态最佳估计。在跟踪过程中,采用反稀疏表达方式一次求解优化问题计算出所有粒子权重来提高算法效率。实验结果表明,本文算法具有良好的鲁棒性和实时性。      

基于证据置信熵与相似性的目标识别方法研究

针对多传感器目标识别中证据存在非一致性问题,提出一种面向目标识别的基于证据置信熵与相似性的多传感器证据融合算法。首先,利用传感器证据非一致性不确定度与非特异性不确定度,提出了一种基于置信熵的传感器证据不确定性度量模型;在此基础上,结合传感器证据距离与证据冲突,设计了一种基于置信熵与相似性的传感器证据权重生成方法;最后,构建了一种多传感器证据融合模型。仿真结果表明,所提出的多传感器信息融合方法进行目标识别时,相较于传统算法具有更好的有效性。     

基于删除的混合融合准则

在融合通过Nakagami衰落信道传递到融合中心的局部传感器的决策时,文献中提出的基于信道统计量和局部传感器性能指数的似然比检验(LRT-CS)需要局部传感器的检测概率且涉及无穷级数的计算。然而,对于非合作目标而言,局部传感器的检测概率往往是先验未知的。因此,该文提出了一种基于删除的混合融合CMF准则。它不需要局部传感器的检测概率,且实现简单。仿真显示,在局部传感器的检测概率未知时,CMF具有和LRT-CS接近的性能。因而在实际中,CMF完全可以替代LRT-CS。     

一类分布式传感器粒子滤波融合算法

针对非线性非高斯的分布式多传感器状态估计问题,提出了一种基于无迹卡尔曼滤波与粒子滤波相结合的融合跟踪算法。通过对量测方程的非线性分析,利用改进的粒子滤波算法(UPF)计算局部传感器的状态估计值,再应用分布式加权融合准则得到全局状态估值.     

面向运动目标检测的粒子滤波视觉注意力模型

视觉注意力是机器视觉领域的研究热点,对目标检测、跟踪等技术发展具有积极意义,本文面向运动目标检测问题,构建了一种基于粒子滤波的视觉注意力模型.首先依据贝叶斯估计理论,推导了基于注意力的粒子权重计算方法;然后将运动注意力和目标颜色注意力分别作为自底向上（Bottom-Up）和自顶向下（Top-Down）注意力的输入,通过重要性采样、粒子权值计算、重采样等形成粒子注意力显著图,并确定目标位置;测试结果显示本文方法能够获取比其它方法更好的目标注意力显著图,并具有准确的目标检测效果.     

基于复似然比的粒子滤波改进算法

针对低信噪比微弱目标的实时检测与跟踪问题,提出了基于复似然比的粒子滤波改进算法。该算法弥补了传统粒子滤波利用幅度似然比计算粒子权重而忽略相位信息的缺陷,推导了基于复似然比的粒子权重表达式,从而更好地利用了目标原始信息。同时,基于幅度似然比的权重计算需要多次进行贝塞尔函数运算,而基于复似然比的权重计算只需进行一次贝塞尔函数运算,可以有效降低计算复杂度。仿真结果表明：改进算法不仅在检测与跟踪性能上优于传统粒子滤波算法,所需计算时间也明显降低。     

多基地雷达反隐身分布式检测融合算法研究

随着目标隐身技术的发展,单雷达已不能够及时地发现隐身目标.本文首先利用目标的前/侧向散射特性和多传感器分布式检测两个方面的优势建立了两种布站方式的多基地雷达系统,继而提出了基于聂曼-皮尔逊(Neyman-Pearson)准则下的局部决策积累融合算法,给出了系统检测概率和虚警概率的表达式,提出了基于遗传算法(Genetic Arithmetic)的最佳门限计算方法,最后对该系统的检测性能进行了仿真,仿真结果说明了系统反隐身的有效性和融合算法的优越性,本文结论对系统的工程实现具有一定的参考价值.