基于决策信息的毫米波/红外复合制导信息融合

针对复杂环境下的毫米波/红外复合制导,提出一种基于决策信息的改进加权融合算法.通过分析导弹运行状态和受干扰情况,获得制导的决策信息.对经无迹卡尔曼滤波(UKF)估计分别得到的毫米波/红外量测信息进行改进的自适应加权融合,得到融合后的制导信息.仿真实验表明,所提方法融合精度高,能有效提高复合制导的性能.     

雷达/红外双模导引头信息融合算法研究

毫米波雷达/红外成像复合制导已成为当前多模复合制导技术的研究热点。从毫米波雷达/红外成像复合导引头系统的特点出发,利用粒子滤波算法替换交互式多模型算法中的次优滤波器,建立了一种基于交互式多模型粒子滤波的集中式雷达/红外双模导引头信息融合算法;该算法将交互式多模型与粒子滤波相结合,有效地解决了系统非线性非高斯条件下的机动目标跟踪问题;仿真结果表明,在系统模型非线性和非高斯的条件下,提出的算法性能要大大优于传统的基于EKF的交互式多模型算法,同时提出算法对目标机动模式的变化很敏感,能够快速响应目标的机动,跟踪精度大大提高。     

复合制导信息融合技术在飞行器中的应用探讨

随着战场环境的日益复杂,多模复合制导系统信息融合技术已成为取代单模制导体制的发展趋势,并且在各国以及地区的飞行器领域中也得到了初步应用。阐述加强多模复合制导信息融合技术在飞行器作战体系中的应用程度与范围,探讨了该技术在飞行器中的技术优势、应用方式、关键技术,讨论了该技术在飞行器中的发展方向。     

多传感器信息融合的目标跟踪研究

为了提高红外与毫米波雷达双模制导系统的目标跟踪精度,提出了将UKF用于红外和毫米波雷达的数据处理,采用分布式融合结构,通过对两传感器的滤波协方差矩阵的相关估计,将滤波协方差矩阵和状态估计进行融合。该方法应用于红外与毫米波雷达双模制导系统的目标跟踪仿真,仿真结果表明：与单传感器系统相比,该方法提高了制导系统的目标跟踪精度。     

被动雷达/红外成像制导数据融合系统仿真

数据融合是精确制导武器多模制导系统中的一项关键技术。为提供精确跟踪目标性能,建立了数据融合系统中数据校准等测量信息和制导信息融合等环节的数学模型,并结合精确制导武器仿真平台,构建了被动雷达／红外成像双模制导数据融合数字仿真系统。将构造的外部干扰模型引入数据融合仿真系统,仿真了双模精确制导武器在攻击目标的过程中雷达导引头和红外导引头遭遇外部干扰、测量输出发生异常突跳时融合系统融合处理制导信息的过程,结果表明融合系统在雷达或红外导引头测量输出发生异常的情况下通过估计和融合可以输出有效的制导信息,被动雷达／红外成像双模制导系统采用数据融合方案可以提高精确制导武器的抗诱偏和抗干扰能力。     

基于IR/MMW复合导引头信息融合的目标模拟器设计

我们设计了一种旨在评估凝视红外和毫米波雷达信息融合处理器硬件设计方案的正确性及目标跟踪滤波算法的抗干扰性能和对机动目标跟踪的稳定适应性能的目标模拟器;结合红外和雷达探测目标的原理介绍,详细阐述了红外成像和毫米渡雷达前端信号检测获得的目标状态信息的模拟方法及动态攻击仿真软件的结构框架设计和具体编程实现方法;最后通过动态攻击仿真实例和单双模跟踪精度对比,说明了目标模拟器设计的有效性.     

基于水下制导的多目标跟踪研究

根据现代科技和未来海战发展的要求及水下精确制导中多目标跟踪技术的重要性，详细论述了多目标跟踪技术的发展及水下多目标跟踪的关键技术，讨论了未来水下精确制导中多目标跟踪技术的发展趋势．     

协方差交叉融合鲁棒Kalman滤波器

对于带未知互协方差的两传感器系统,提出一种协方差交叉（CI）融合鲁棒稳态Kalman滤波器,它关于未知互协方差具有鲁棒性.严格证明了该滤波器的实际精度高于每个局部滤波器的精度,但低于带已知互协方差的最优融合Kalman滤波器的精度.基于协方差椭圆给出了精度关系的几何解释.进一步将上述结果推广到一般多传感器情形.一个跟踪系统的Monte-Carlo仿真例子表明,其实际精度接近于带已知互协方差的最优融合器的精度.     

远程分布式图像制导仿真实验系统

针对开展图像制导技术研究在科研与教学方面的需要,考虑自动导引技术的特点,设计并开发完成了远程分布式图像制导仿真实验系统。实验系统利用无线网络技术,对于分布式客户端与服务器端共同完成对运动目标的图像采集、预处理、图像分割、目标识别、目标锁定与跟踪等数字处理过程,实时生成导引算法,控制转台驱动实验装置实现对目标的动态跟踪。目前设计的仿真实验系统能用于实现分布式图像制导仿真、多种图像制导算法的验证与实验,并已经用于科研与实验教学,取得了较好的结果。     

基于多传感器信息融合的目标跟踪与防撞决策

为了实现汽车主动安全系统中的目标跟踪与防撞,提出了混合式汽车防撞系统信息融合结构模型,采用分级信息融合实现目标跟踪,推导出了基于跟踪残留误差和预测残留误差共同校正的融合算法,并给出了算法的实现结构.在此基础之上,利用模糊积分方法融合多种相关信息,确定了汽车应采用的安全运行模式,实现了主动安全防撞决策.大量实验表明,该算法具有很好的稳定性和准确率.     

快速协方差交叉融合算法及应用

针对分布式传感网络系统中存在互协方差未知的情形, 融合系数的科学设计对于融合性能至关重要. 本文以各节点估计方差矩阵逆的迹的倒数作为计算融合系数的中间变量, 设计了一种序贯快速协方差交叉融合算法, 可以显著减少各个融合节点的计算量, 能够保证各融合节点融合结果相同. 在给定系统的误差方差上界约束与优化指标前提下, 该融合算法结合粒子群优化算法, 能够给出对分布式系统中各个节点的传感器精度要求. 工程实践中, 可为传感器的选型提供理论依据. 最后, 给出了一个分布式网络传感器精度选型的算例及快速协方差交叉融合算法在雷达网中的应用实例.     

基于无迹变换的协方差交集算法研究

针对分布式数据观测系统中数据融合存在数据线性化过程误差较大、滤波过程中的错误无法修正的问题,提出了一种基于无迹变换的协方差交集算法。该算法首先对系统数据进行无迹变换,然后对数据采用协方差交集算法滤波,可得到较好的滤波性能。实验结果表明,该算法弥补了协方差交集算法的不足,能够修正数据线性化误差及滤波产生的错误,是一种有效的数据融合算法。     

基于支持向量机的多传感器信息融合算法

支持向量机（Support Vector Machine，S、M）是一种基于结构风险最小化原理，具有很高泛化性能的学习算法。针对工业多传感器测控系统中，被测系数与相关参数之间存在有较大的非线性和模糊关系，提出了一种基于支持SVM的多传感器信息融合模型及算法。为小样本、非线性、高维数一类多传感器信息融合问题的建模提供了一种有效的途径。通过对“纸张水份在线测量系统”应用表明，基于SVM的多传感器信息融合模型及算法在测量精度和推广性能上都具有一定的优越性。     

基于支持向量机的多传感器信息融合算法

支持向量机(Support Vector Machine,SVM)是一种基于结构风险最小化原理,具有很高泛化性能的学习算法。针对工业多传感器测控系统中,被测系数与相关参数之间存在有较大的非线性和模糊关系,提出了一种基于支持SVM的多传感器信息融合模型及算法。为小样本、非线性、高维数一类多传感器信息融合问题的建模提供了一种有效的途径。通过对“纸张水份在线测量系统”应用表明,基于SVM的多传感器信息融合模型及算法在测量精度和推广性能上都具有一定的优越性。     

Sensor Fusion for SLAM Based on Information Theory

We present a sensor fusion management technique based on information theory in order to reduce the uncertainty of map features and the robot position in SLAM. The method is general, has no extra postulated conditions, and its implementation is straightforward. We calculate an entropy weight matrix which combines the measurements and covariance of each sensor device to enhance reliability and robustness. We also suggest an information theoretic algorithm via computing the error entropy to confirm the relevant features for associative feature determination. We validate the proposed sensor fusion strategy in EKF-SLAM and compare its performance with an implementation without sensor fusion. The simulated and real experimental studies demonstrate that this sensor fusion management can reduce the uncertainty of map features as well as the robot pose.     

不确定系统改进的鲁棒协方差交叉融合稳态Kalman预报器

针对带随机参数和噪声方差两者不确定性的线性离散多传感器系统,利用虚拟噪声补偿随机参数不确定性,原系统可转化为仅带不确定噪声方差的系统.根据极大极小鲁棒估值原理,用Lyapunov方程方法提出局部鲁棒稳态Kalman预报器及其误差方差最小上界,并利用保守的局部预报误差互协方差,提出改进的鲁棒协方差交叉（Covariance intersection,CI）融合稳态Kalman预报器及其误差方差最小上界.克服了原始CI融合方法要求假设已知局部估值及它们的保守误差方差的缺点和融合误差方差上界具有较大保守性的缺点.证明了鲁棒局部和融合预报器的鲁棒性,并证明了改进的CI融合器鲁棒精度高于原始CI融合器鲁棒精度,且高于每个局部预报器的鲁棒精度.一个仿真例子验证了所提出结果的正确性和有效性.     

基于信息熵的多传感器信息融合

多传感器信息融合是多源信息综合处理的一项新技术。从信息论的观点出发,导出多传感器信息融合系统中的冗余性与互补性的定量描述,分析了传感器冗余性与互补性特点,并从该角度出发,利用最小条件熵准则来解决多传感器信息融合中的目标识别问题,该方法的主要优点是可以充分有效利用多传感器信息,使融合系统满足获得的信息量最大。     

一种基于自适应权值灰关联分析的毫米波/红外融合识别方法

本文提出了一种基于自适应权值灰关联分析和DS理论的毫米波/红外融合目标识别方法。首先对单个传感器提取的特征计算灰关联度作为基本概率赋值,再用DS理论进行融合得到识别结果。在灰关联度计算中,本文提出了使用熵值分析法自适应确定不同特征的权值,提高了系统性能。基于实测数据的实验结果验证了本文的有效性。