分布式多传感器融合数据关联算法

对于分布式多传感器融合多目标跟踪系统,提出一种序贯处理的航迹关联融合算法.为实现杂波干扰环境中对密集多目标的精确跟踪,航迹关联采用了粗、精关联相结合的方法,最小均方误差法用于实现航迹融合.序贯处理的航迹关联融合算法在保证航迹关联正确的同时,大大降低了计算量.仿真实验结果说明了本文方法的有效性.     

多传感器广义概率数据关联算法研究

随着跟踪环境、跟踪对象的不断变化与发展,目标与量测已经很难用一一对应的关系去描述;广义数据关联算法（GPDA）提出目标与量测多多对应的可行性规则,其性能在目标与量测无论是否在一一对应的情况下,均优于传统的JPDA算法,并且计算量、存储量均远小于JPDA;考虑到GPDA的上述优点,将GPDA算法拓展到多传感器数据关联,提出了多传感器广义概率数据关联算法（MSGPDA）来处理多传感器数据关联问题;仿真表明,MSGPDA算法由于利用多传感器信息,性能得到明显提高。     

多传感器多目标检测中的数据关联

研究在漏检、无杂波情况下多传感器对数目未知的目标检测中数据关联问题,并将其表述为多传感器数据集之间数据的组合化分配问题,提出一种基于ＧＡ的关联算法。仿真实验表明,该算法具有较高的关联成功率,可大幅度提高多传感器的检测概率,并能对目标个数进行优化。     

数据融合的方法及应用研究

介绍了数据融合的定义、融合层次、融合方法及其应用领域，特别是在军事上，机器人控制及图像处理上的应用。在此基础上，分析了数据融合的研究热点及发展趋势。数据融合技术是一种用途广泛的数字信号及信息处理方法，它通过对大量的数据进行处理提纯，得到一组直观有效的数据，为进一步处理和判断控制提供精确的数据依据。     

一种多传感器数据融合算法的研究

一个传感器往往难以实现对目标的辨识,使用多个传感器收集来自多种物理现象产生的信号,就可以比较容易地实现对目标的辨识。传感器信息融合方法是当今研究的关键技术,它产生于军事领域并在多学科、多领域得到极大发展。本文介绍了一种基于统计方法的数据融合分类算法——DempSter—Shafer算法,并举例介绍了应用该算法如何融合多传感器数据。     

传感器故障诊断中的数据关联方法与应用

基于信息融合技术中的数据关联技术 ,提出了将数据关联方法用于故障监测、报警的问题 ,改进了多传感器多模型相互作用的概率数据互联算法 ,结合某时变系统中传感器的故障诊断问题 ,进行了仿真分析 ,并讨论了这种方法在故障报警和预测预报中的应用。     

卡尔曼滤波与多传感器数据融合技术

本文介绍了国际上卡尔曼滤波在多传感器数据融合领域的应用,并着重阐述了IMM算法和分布式卡尔曼滤波的思想,总结了卡尔曼滤波在该领域的应用潜力.文中还介绍了在互联网络上相关的站点和新闻组的地址.     

基于空间交点强度的被动式多传感器数据关联

将基于空间交点强度的被动式传感器快速数据关联算法推广到多传感器情况,讨论整个算法的实现原理,并给出算法的具体实现过程。在无漏检和无虚警的情况下做了仿真实验,同时对存在漏检和虚警的情况进行分析,结果表明算法在实时性方面具有良好的表现。     

基于多传感器信息融合的控制系统研究

本文研究了多传感器组合系统的智能化数据融合方法。从数据处理算法、故障检测和系统可靠性等方面探讨了基于多传感器的控制系统,并提出了一种实用的数据处理算法和故障检测算法。     

多传感器数据融合系统中联合概率数据互联算法的研究

概述了多传感器数据融合系统中的联合概率数据互联算法，给出了MSJPDA的两种处理结构，分析了其算法的复杂度。并在此基础上，结合B．zhou提出的直接概率计算和近似概率计算的方法，提出了一种基于近似聚的近似概率数据互联算法(MSJPDA)，通过仿真研究以及和最近邻法所做的比较表明，该方法确实能提高在密集情况下的数据融合精度，算法耗时与最近邻法相差不大，精确度接近完全概率互联算法。     

分布式雷达信息系统的数据融合算法仿真

航迹关联与融合是分布式雷达信息系统中的关键技术之一,是充分有效地利用多源信息的重要手段。简述了雷达信息系统中时空校准、数据关联和航迹融合3个处理过程中的算法概况,并对修正的K近邻域算法和量测值加权融合算法做了仿真分析,评估了这些算法的可信性和精确度。     

基于参数估计的数据融合算法研究

研究了有关分批估计、自适应加权和方差估计算法在多传感器数据融合中的有效性、准确度和实时性。通过实例在对几种算法进行仿真比较的基础上,说明了上述几种算法的有效性及其融合精度的差异,其结果表明:按测量方差值并采用自适应加权算法的融合效果最佳,有效地提高了融合精度,对考虑了环境噪声的多传感器数据采集系统较为适合。     

多传感器稳健加权融合算法研究

针对测量值误差函数不完全符合正态分布的一类问题,提出一种利用M估计的抗差特性估计未知参数,并利用各传感器不确定度分配权值进行融合的加权算法。通过仿真分析证明:该算法在系统模型不确定或信号受干扰时估计效果明显,更接近真实值。     

Information fusion in data association applications

There is a limitation to process data fusion by means of traditional deterministic or probabilistic data association algorithm of multisensor data fusion (MSDF). Those methods for data association do not adequately account for quantitative and qualitative information in an automated fashion. Fuzzy logic offers an enabling technology for automated quantitative and qualitative information in the data fusion process. We propose the fusion system architecture, called fuzzy gating approach, coordinating both quantitative and qualitative information which is realized using a fuzzy-based reasoning approach. This approach is composed of two stages in cascade. The first stage implements available quantitative information, namely target range, azimuth, and elevation angle, to form a subset of statistically likely target solutions via fuzzy validation. The second stage of the fuzzy similarity utilizes available qualitative information, namely infrared image area and brightness, to form another subset of returns. Finally the fuzzy gating approach was tested in a dense clutter environment. Results of test show that performance of fuzzy gating approach is superior to JPDA based on a Bayesian approach. Moreover, adding qualitative information to the tracking algorithm can improve tracker performance effectively.     

一种传感器数据的融合算法

基于传统数字滤波方法在抗干扰性方面存在的问题,在统计意义下定义不确定信息的模糊支持区间和模糊支持概率后,利用概率源合并理论,提出一种特别适合智能仪表的信息融合方法。通过数据测试分析表明本方法具有较好的抗干扰能力,并能较好地克服由于多个同向干扰所带来的传统滤波方法的不稳定性。     

雷达与ACARS数据融合研究

为了更好地利用雷达与ACARS进行空中目标监控,研究了雷达与ACARS的数据融合问题,提出了一种数据融合算法。对雷达与ACARS数据进行坐标变换和时空配准;对二者进行航迹关联,包括空间粗关联、逻辑航迹关联和多义性处理;对关联航迹进行融合。仿真结果表明,该算法可以提高空中目标监控的数据率,识别出雷达中的部分商用和通用航空飞机,得到目标更加详细和准确的信息。     

雷达多目标方位测量数据的一种处理方法

多目标数据关联是雷达数据融合过程中的重要一环。针对分布式雷达组网模式 ,在目标批数未知的条件下 ,提出了一种杂波环境下的多目标点迹关联算法。该算法利用雷达对目标的方位测量数据 ,通过引入关联矩阵 ,建立多目标多雷达数据关联数学模型 ,采用模拟退火技术 ,在使似然函数最大化的意义下求取关联矩阵和监视空域中目标的批数。根据多个雷达的多个采样周期的关联矩阵 ,建立各雷达测量数据之间的相关关系 ,为目标跟踪和数据融合提供前提条件。模拟仿真结果表明了算法的有效性。     

基于SVR的多传感器数据融合处理方法

为了提高传感器的稳定性和每个参量的测量精度,本文提出了一种新的基于支持向量机回归估计(SVR)的多传感器数据融合处理方法.仿真实验结果表明,该方法能有效降低压力传感器的交叉灵敏度系数,提高压力和温度的测量精度.而且压力传感器的零位压力相对温度变化的稳定性明显优于多维回归分析和人工神经网络的数据融合处理方法.     

基于多特征融合与分层数据关联的空中红外多目标跟踪方法

针对星空背景下目标相似度高、数量大和误检数目较多所导致的空中红外多目标跟踪困难问题，提出基于分层数据关联的空中红外多目标在线跟踪方法。首先，根据红外场景特性来提取目标的位置特征、灰度特征和尺度特征；其次，综合这三个特征来计算目标与轨迹之间的初步关联关系以获得真实目标；再次，将所获得的真实目标按照尺度大小分类，大尺度类目标数据关联采用表观特征、运动特征、尺度特征三种特征相加的方法来计算，小尺度类目标数据关联采用表观特征与运动特征两种特征相乘的方法来计算；最后，根据匈牙利算法对两类目标分别进行目标分配、完成轨迹更新。多种复杂情况下的实验结果表明：与仅采用运动特征的在线跟踪方法相比，所提方法的跟踪准确率提升了12.6%；与采用多特征融合的方法相比，所提方法的分层数据关联不仅提高了跟踪速度，也使跟踪准确率提升了19.6%。综上，该方法不仅跟踪精度高，而且具有较好的实时性和抗干扰能力。     

融合多特征信息的联合概率数据关联算法

针对传统联合概率数据关联(JPDA)算法仅利用传感器状态测量信息的不足,提出了一种融合目标多种特征信息的改进JPDA算法。该算法首先根据各种特征信息和目标之间关联度的定义,计算出各种特征信息的测量值与目标之间的关联度矩阵,然后利用D-S证据理论融合状态测量和多种特征信息,最后用融合后的关联概率修正JPDA算法得到的关联概率,以此对目标的状态进行更新。仿真实验表明,与原有的JPDA算法相比,所提改进算法的跟踪误差可降低约27至60个百分点。