一种多传感器数据融合目标识别新方法

在多传感器目标识别中，传统方法是直接将多元的局部决策送入融合中心，进行最后的整体决策。该方法是化多元检测为多个二元检测，使送入融合中心的局部决策是二元的，从而可利用现有成熟的二元检测技术进行基于置信度的整体决策，使识别问题得到简化。     

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。     

采用Bayes多传感器数据融合方法进行目标识别

详细叙述了采用基于Bayes数据融合方法的基本原理、融合模型。利用Bayes多传感器数据融合方法,对一个目标类型和属性融合的应用实例进行计算。分别用Bayes公式计算出两次融合的概率值。从计算结果可以看出:提高了目标识别的概率,降低了不确定的概率,说明这种方法可以达到较高的识别率,是目标类型和属性识别的有效方法。     

数据融合在目标识别中的应用

介绍了数据融合及其一般功能模型、目标识别融合的三种结构层次 ,给出了目标识别融合的一般分类 ,即物理模型算法、参数分类算法、基于认识模型的算法。着重阐述和比较了参数分类算法中的Bayes理论和证据理论这两种不确定推理方法 ,给出了这两种方法的发展状况。列举了利用融合算法进行生物和军事目标识别的实例。     

一种基于可信度矩阵的多传感器目标识别方法

为了解决多传感器目标识别中不同等级信息源数据的融合问题,在研究DSmT证据理论的基础上,引入证据可信度矩阵.依据可信度矩阵对证据进行转化,使之可以用传统的方法进行证据融合.将这种方法应用到等级不同的多传感器目标识别中,可以解决传统证据理论只能进行相同等级传感器目标识别的难题.仿真实验表明,该方法提高了目标识别的准确性和有效性.     

一种多传感器数据融合模型的研究

针对地面目标多传感器数据融合的问题,建立了多源多目标异时数据融合模型.首先利用抛物插值法进行时间配准,使其状态信息都在统一的时间点上,采用最近邻域法进行当前目标和已有目标的关联,最后用加权法对不同传感器的数据进行融合.仿真实验验证了模型的有效性.     

目标识别中多传感器信息融合算法比较

近年来多传感器信息融合技术在目标识别领域得到了大量研究和快速发展. 介绍了多传感器信息融合目标识别的基本原理及其系统结构, 重点阐述了目标识别中的多传感器信息融合算法, 并对识别效果进行比较, 最后指出了该领域今后的发展趋势.     

多传感器数据融合的一种方法

在多传感器数据融合的过程中,首先必须验证各个传感器的可靠程度,即确立正确的关系矩阵。一般做法是根据门限值判断两个传感器是否相互支持,或者用分段直线等方法表示其支持程度。在分析的基础上,提出了应用椭圆曲线表示支持程度,并分别给出了融合结果。     

声发射源多传感器数据融合识别技术

波形数字发射技术的发展给声发射源的特性识别带来了可能性。由于各种噪声的影响，以及声发射信号传播过程的复杂性，又给声源的识别带来一定的困难。为了解决干扰情况下声发射源的定性问题，文章提出了在决策层上的多传感器数据融合的识别方法。利用定位传感器组中各个传感器得到的数据，同时考虑在同一个定位组中各个传感器所得数据 的置信度不同，对声发射源的性质进行了识别。实验结果证明了数据融合后，声发射源特性识别的可靠性明显大于单个传感器的识别效果，这也表明了多传感器融合识别的可能性和有效性。     

基于灰度关联的多传感器融合目标识别方法

为实现对多传感器目标识别系统中目标的正确分类,提出了基于灰技术理论的多传感器融合的目标识别方法。其中,单传感器识别采用计算待识别目标的灰关联系数和灰关联度,利用灰关联度的排序得到目标在时域上的识别,最后,利用各传感器灰关联度矩阵的范数得到多传感器信息融合的识别结果。计算实例验证了该方法的有效性。     

分布式多传感器数据融合

介绍经典统计推理理论的分布式多传感器数据融合的概念、形式和方法，以及目前在这一领域研究中已取得的进展及今后的发展趋势．     

基于信息融合的娱乐机器人目标识别

运用电、磁、图像等各种信息的融合，提出了一种比较有效地用于娱乐机器人目标识别的方法，进行了仿真并通过了实际运行的检验。     

一种基于Web的多传感器数据融合系统模型

1 引言以通讯、传感器、计算机和网络为基础的数据融合(DataFusion)技术正在愈来愈深刻地改变着现代战争的形式。1998年Buede和Waltz给数据融合下了一个具有广泛意义的定义:一个自适应的知识创建过程,通过对来自各种信息源的一致或不一致观测数据的校正、相关和合并处理,建立起有组织信息索引集,并由此对某个特定的观测区域的结构、行为进行建模、理解和解释。由于军事目的的特殊性,大多数数据融合的应用都局限于一个独立的系统,采用相对稳定的客户机/服务器模型。实际上,以互联网为背景的未来战争已不再局限于特定的地点和对象。比如,洛克希德·马丁公司在研项目ISC2(Inte-grated Space Command and Control)就是这样一个虚拟的指挥和控制系统,它允许任何指挥官、在任何时间和任何地方     

面向多源数据融合的稀疏表示目标跟踪

传统的基于稀疏表示的目标跟踪方法主要利用目标的灰度特征构建稀疏表示模型。由于灰度特征对光照变化敏感，这会影响目标跟踪在复杂场景下的鲁棒性。基于多源数据融合的目标跟踪可以明显提升目标跟踪鲁棒性，但如何有效融合不同维度，不同类型的多源目标特征成为基于多源数据融合的目标跟踪所要解决的关键问题。提出了一个基于目标状态以及灰度特征的稀疏表示目标跟踪方法。所提出的方法可通过基于核函数表示的稀疏表示模型，在探究目标状态以及灰度特征相关性的基础上，将两种不同维度的特征进行有效融合，提升目标跟踪在复杂场景下的鲁棒性。     

一种基于不确定分析的多传感器信息动态融合方法

提出了一种基于不确定分析的多传感器动态分布融合方法.首先引入贴近度的概念对传感器进行动态聚类,接着基于兼容测度实现了组内传感器信息的最优Bayesian估计融合;最后给出了一种基于一致测度的多传感器信息动态融合的方法.通过实验对比分析,证实了此方法具有较好的实效性和鲁棒性.     

网络安全中多源传感器数据融合技术研究

多源传感器数据融合技术是网络安全领域的研究热点。本文提出了一种基于时间和空间的数据融合分类方法,比较分析了各种数据融合技术在分布式入侵检测系统和网络安全态势感知系统中的应用,讨论了网络安全中多源传感器数据融合技术的发展趋势。     

一种多传感器图像的彩色融合系统

针对像素及多传感器图像的融合问题,设计了一种多传感器图像的彩色融合系统。该系统首先采用Laplacian金字塔变换算法得到灰度融合图像,然后产生共有图像、差异图像和细节增强图像,最后将灰度融合图像、细节增强图像,分别送入RGB通道得到彩色融合图像。实验结果表明,本系统可以有效地对多传感器图像进行彩色融合。根据熵和颜色丰富度两个客观评价指标,本系统的彩色融合图像更清晰,更容易识别目标,包含更多的细节信息,图像信息也更加丰富。     

多传感器信息融合及其在工业中的应用综述

介绍了多传感器信息融合的基本理论、研究现状和多传感器信息融合在工业中的应用现状。重点分析了多传感器信息融合理论、实际应用所取得的成绩和存在的问题,提出了将来研究的方向。     

基于多传感器数据融合的微下击暴流感知

针对微下击暴流的风场特性和几种任务传感器的探测原理,研究基于多传感器数据融合的微下击暴流感知和威胁评估方案.采用扩展卡尔曼滤波的方法建立微下击暴流的解析模型,提出改进的迭代算法实现数据融合并降低参数估计的计算量,依照所建模型进行威胁度评估.仿真实例中选用前视红外(FLIR)和激光雷达(Lidar)探测的风速数据对方案进行验证,并计算F因子,评估其威胁度.