对多目标,多背景分类的多传感器融合算法

介绍将输入（数据或图像）分类（目标，背景）的多传感器融合算法，该算法形成许多群，并且自动排队，分群是基于一组输入的统计特性做的，这种算法执行一种分群算法，极类似简单顺序首项分群算法ＣａｒｐｅｎｔｅｒＧｒｏｓｓｂｅｒｙ网算法（ＣＧＮＡ）。该算法在以下方面不同于ＣＧＮＡ，（１）数据输入和数据指针可以取实值；（２）它有自适应选择群集数的机理；（３）它有一个自适应的门限，分析了门限选择的问题，并且证明了该     

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。     

车载激光雷达和视觉传感器融合算法研究

随着交通技术的发展,智能交通工具受到了广泛的关注。其中,车载激光雷达技术是智能驾驶系统的基础,在复杂的交通环境中,某些方面可能会受到环境干扰,导致车载激光雷达控制受损,尤其是对车辆详细信息的判断和数据搜集的准确性降低。针对以上问题,文章开展了基于激光雷达与视觉传感器融合算法的技术研究。     

分布序列最近邻多目标跟踪算法

提出了一种有效分布多目标跟踪算法。该分布跟踪系统由两个主要组件构成：本机传感器级别跟踪器和一个跟踪融合器。在跟踪融合器中，传感器的本机跟踪先转换成公共坐标系并通过线性卡尔曼滤波器同步。称为顺序最小归一化距离最近（ＳＭＮＤＮＮ）邻的跟踪相关技术及择多判决（ＭＤＭ）被用于使不同传感器的跟踪相关。利用顺序最小的均方差（ＭＭＳＥ）融合方法，融合已相关跟踪。如果大多数传感器指出同样的跟踪，ＳＭＮＤＮＮ相关将     

基于多无线传感器的数据融合算法

数据融合作为是一种减少数据通信量能耗的先进技术,在节能方面呈现出理想的应用效果,这便是数据融合成为无线传感器网络的研究热点之一的重要原因.文章将从多传感器信息融合技术背景、原理、特征以及多无线传感器数据融合方法等方面来对多无线传感器的改进数据融合算法进行深入的分析和探究.     

雷达最优组网及目标跟踪算法分析

针对防空导弹武器系统所面临的各种复杂环境，提出了一种最优的正六边形雷达组网方案，建立了目标的数学模型并探讨了多传感器自适应数据融合算法，给出了计算流程图，得到了目标状态的实时估计，实现了目标跟踪的目的。     

大数据背景下多维传感器数据融合过程与算法研究

在分析国内外大数据及数据融合研究现状的基础上,针对多维传感器产生的海量数据存在冗余性、割裂性、片面性,数据来源广、维度多、类型杂等特点,分析了数据融合的基本原理及基本步骤,并论述了数据融合的分类方法。在此基础上,提出基于深度置信网络（DBN）的多维传感器数据融合算法,在人工神经网络基础上,重点介绍了DBN的结构及DBN的训练过程。在每一层中,采用数据向量推断隐层,然后把这一隐层作为下一层的数据向量,从而寻找最佳权值。在设定的实验场景下,对多维传感器数据集实例进行实验。实验中分析了算法的重构误差、算法的耗时性等参数。仿真结果表明,所提出的算法具有有效性和优越性,对改进大数据环境下多维传感器数据融合算法具有借鉴意义。     

一种改进的机动目标跟踪算法

Singer模型是一种全局统计模型，它考虑了目标所有机动变化的可能性，适合于各种情况和各种类型的机动。由此也导致每一种具体战术情况下的每一种具体机动发生的概率势必很小，所以其跟踪精度不高。UKF—Singer算法通过设计逼近系统状态的分布Singer点，采用UT变换，最后获得滤波值基于状态方程的更新，有效解决了传统Singer模型存在的问题，提高了其跟踪精度。通过仿真试验证实了该算法是有效的。     

基于路侧激光雷达的多目标检测与跟踪算法

为了检测与跟踪城市交叉口复杂环境下的道路目标,提出一种基于路侧激光雷达的多目标检测与跟踪算法。首先利用背景减除法滤除背景点云,随后融合5帧点云并利用曲率体素聚类算法检测目标得到3 D包围盒信息,之后通过自适应阈值的双门控和生存周期管理策略,有效提升关联精度并减少了目标丢失和误检,最后利用交互式多模型无迹卡尔曼滤波(IMM-UKF)和联合概率数据互联(JPDA)的融合算法完成道路目标的跟踪。试验结果表明,该算法在保证检测和跟踪性能基础上满足实时性要求,具有工程实用价值。     

一种基于交互式多模型算法的联邦滤波器

针对联邦滤波器对实际目标尤其是机动目标的估计精度较低的问题, 将联邦滤波器与动态多模型估计算法相结合, 提出一种基于交互式多模型算法的联邦滤波器。该算法采用交互式多模型算法来代替卡尔曼滤波算法作为子滤波器, 克服非线性条件下的滤波发散, 从而提高滤波稳定性和状态估计精度。仿真结果表明, 在目标做机动的情况下, 联邦IMM滤波器的估计误差始终保持在一定范围内, 具有良好的稳定性和容错性。     

基于区域融合的分布式CFAR信号检测

本文提出了多传感器检测区域的划分，以及先分区融合再系统融合的方法，并且在不同的区域，传感器采用不同的门限。给出了该方法的虚警概率手检测表达式，并介绍了它在分布式ＣＦＡＲ检测系统中的应用。结果表明，通过设置不同的门限，可以提高系统的检测概率。     

基于光栅投射与立体视觉融合的障碍物检测技术

为实现智能车辆前方障碍物的快速准确检测,将光栅投射引入到双目立体视觉系统中,建立激光和视觉传感器融合的障碍物检测系统,将两种传感器的优势结合起来并填补单一传感器检测的不足。用双目立体视觉系统捕捉障碍物的轮廓信息,同时利用光栅投射技术对障碍物的局部信息进行调制,利用光栅投射出来的固定相位图像,可以快速实现立体视觉匹配中同名点的识别,能够较好解决立体视觉中图像配准的难题。     

多传感器多目标分布跟踪中数据关联的快速算法

本文提出了一种基于局部估计融合的多传感器多目标数据关联算法，它包括粗关联和精关联两个过程。     

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.     

基于协方差控制的集中式传感器分配算法研究

传感器管理是对一组传感器或测量设备进行自动化或半自动化控制的一种处理过程，它实现了探测性能的优化和资源的有效利用．该文建立了传感器管理的一般最优化模型，研究了基于协方差控制策略的传感器分配问题，详细讨论了其实现方法，并给出三种基于不同矩阵度量的传感器分配算法．仿真结果表明，使用基于协方差控制的传感器分配算法可以进行良好的传感器管理，节约传感器资源．     

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。     

多传感器关联算法现状与研究进展

本文按照三大类数据关联算法研究,即基于统计和似然的关联算法、基于模糊数学和神经网络的关联算法和基于目标参照拓扑信息的关联算法,分别探讨了各类关联算法的研究现状和面临的问题,并对关联算法的研究趋势进行了展望。     

一种树形结构的多传感器数据融合算法

如何发挥多传感器数据融合优势,快速获得全面准确的场景情报,是当前热门的研究内容。本文对多传感器数据融合的特点及现状进行了分析,提出对处理对象的树形表述,并以此为基础介绍了相应的自适应融合算法。