两级混合多传感器信息融合中的状态估计

在混合式多传感器信息融合中,一部分传感器通过处理它们的数据产生局部航迹,另一顺则只提供检测报告,这些航迹和检测报告传到融合中心完成航迹融合和组合滤波。本文提出适合于两级混合式多传感器系统的全局最优状态估计解,在这种经 融合中心首先需要融 来自Ｌ个传感器的局部估计,然后基于其它Ｎ－Ｌ个传感器的观测,利用Ｋａｌｍａｎ滤波技术更新已融合的航迹,本文还考虑了各传感器分布拓不同地理位置时的状态估计问题。     

多导航源信息融合技术研究

简单描述了多导航信息源的发展历史和特点，以及在军事领域的发展优势．对信息源的种类和模型进行了简单的归类，并对信息融合的算法进行了探讨。     

多源信息融合软件的设计与实现

针对多源信息类型不一致影响信息利用效率的问题,文章在分析传统多源数据融合模型的基础上,研究了多源信息融合软件的架构及相关技术,设计并开发的软件具有较高的实用价值。     

直升机多源信息融合仿真系统设计

针对直升机载多传感器的性能特点和作战过程低截获的要求,设计了一种多源信息融合仿真系统,该系统在融合处理火控雷达、数据链、地理信息系统等数据的基础上,利用融合后的目标信息引导光电系统进行协同探测,实现对目标的快速精确瞄准.首先介绍了仿真系统组成功能和运行流程,然后详细研究了数据生成、数据融合、数据处理与显示等模块的设计思...     

多传感器图像融合应用评述

近几年，图像融合成为一个热门研究领域，图像融合是多测度空间综合处理多源图像和图像序列的技术，通过融合处理，综合运用多源信息，得到性能比任一源图像好的图像，以便于图像的后续处理和更好地满足应用要求。从信息处理的层次上图像融合要分为：信号层图像融合，像素层图像融合，特征层图像融合和符号层图像融合。比较了不同层次图像融合算法的特点，讨论了红外图像，可见光图像，多普图像，雷达图像等的融合问题，给出了一个应用实例，并对图像融合的发展进行展望。     

多传感器信息融合浅析

利用多传感器的信息融合获得有关目标的知识，可以避免单一传感器的局限性限制，减少传感器不确定性误差的影响。本文阐述了多传感器信息融合研究的三个主要领域，即信息表示、融合的模型结构和方法及融合中的控制，并以典型成果介绍了在这些领域研究中已取得的进展。最后，根据国外研究的发展趋势提出了我们的对策。     

两级混合多传感器信息融合中的状态估计

在混合式多传感器信息融合系统中,一部分传感器通过处理它们的数据产生局部航迹,另一部分传感器则只提供检测报告,这些航迹和检测报告被传送到融合中心完成航迹融合和组合滤波。本文提出适合于两级混合式多传感器系统的全局最优状态估计解。在这种结构中,融合中心首先需要融合来自L个传感器的局部估计,然后基于其它N-L个传感器的观测,利用Kalman滤波技术依次更新已融合的航迹。本文还考虑了各传感器分布在不同地理位置时的状态估计问题。     

基于软件架构设计的多源信息融合系统

以往对多源信息融合系统的研究大多是基于某种算法,针对某一层级或某一类传感器数据的特征信息进行分析、处理和综合。为优化多源信息融合系统综合处理及集成能力,针对多级多源信息融合处理系统进行领域工程分析,提出了该领域的通用软件架构模型,对软件构件化技术在多级多源信息融合系统中的应用进行了初步探索。     

多源信息数据融合仿真试验系统设计构想

论述了多源信息数据融合仿真试验系统的设计思路、设计内容;阐述了数据融合仿真试验中的三级工作模式。及对应的二级仿真试验系统设计。     

多源天基信息融合体系研究

天基信息应用前景广阔,但天基信息多源异构、"烟囱林立"的问题限制了对于其进一步的应用。从体系结构的角度,介绍了天基信息多源异构解决方案研究成果,并对此分类,得到天地一体化网络体系结构、区域型体系结构、资源服务中心型体系结构。最后分析了不同天基信息融合体系结构间应用方向的区别。     

一种改进的多源信息融合室内定位方法

针对超宽带（Ultra-wideband,UWB）定位系统受非视距（Non-line of Sight,NLOS）误差影响较大,以及惯性测量单元（Inertial Measurement Unit,IMU）定位系统受累积误差影响较大的问题,提出了一种基于多源信息的改进融合定位模型。首先,对UWB测量模型进行优化,通过差分气压计测高的方法对NLOS信号进行鉴别,并通过加权最小二乘法削弱NLOS信号对UWB定位结果的影响。然后对数据融合算法进行优化,引入IMU累积误差门限降低累积误差对IMU定位结果的影响,提高融合定位精度。最后,使用UWB、IMU系统在室内复杂环境中的实测数据进行Matlab仿真,验证了改进融合定位模型在定位精度上比基础融合定位模型提高了45.71%。     

简评基于图像融合的目标识别和跟踪算法

传统的目标识别和跟踪算法都是基于单传感器图像的.随着多传感器图像融合技术的深入发展,其在目标识别和跟踪领域的应用也越来越广泛.评述了基于图像融合的目标识别与跟踪算法,包括融合预处理、融合识别和融合跟踪,说明了图像融合思想在目标识别与跟踪领域的优越性.     

一种基于多特征自适应融合的运动目标跟踪算法

针对复杂背景下的运动目标跟踪问题,提出了一种基于多特征自适应融合的运动目标跟踪算法。通过构建目标与背景的图像特征分布方差的比值函数来衡量目标与背景间的区分度,采用各特征的区分度对特征集进行线性加权自适应表示运动目标并集成在基于核的跟踪方法中。为了克服模板更新过程中的漂移,通过计算前后相邻两帧间目标模型的相似度函数,对跟踪模板进行自适应更新。基于生物视觉认知理论,目标的颜色、边缘特征以及纹理特征被用来实现基于多特征自适应融合的运动目标跟踪算法。仿真实验表明:采用本文算法能有效地对复杂背景下的运动目标进行跟踪。     

融合梯度和色度信息的分块均值漂移目标跟踪

针对在相似颜色干扰场景下传统均值漂移目标跟踪鲁棒性差的缺陷,提出Prewitt梯度和色度信息融合的分块均值漂移跟踪算法。首先,对跟踪框进行分块,并提取当前帧各子块特征;其次,利用Bhattacharyya距离计算参考目标区域与候选区域间各子块对应的相似程度,根据其相似程度分配各子块的权值,并通过融合规则对各子块相应特征进行融合构成新子块特征,在此基础上,将子块特征选择串接方式作为最终目标特征;最后,采用均值偏移原理迭代估计最终目标位置信息。实验结果表明,当场景中存在相似颜色干扰的情况下,相对于经典均值漂移算法,其准确度提高了84%左右。     

基于FISST的多源异类信息配准算法

针对超高速、超强机动等特定目标的探测和跟踪问题,雷达等传统传感器的量测值少,难于获得有效的探测跟踪,还需要人工情报、专家库信息等异类信息,对于这些信息的配准融合处理尚无有效方法.基于有限集合统计学（FISST）理论,在对几种异类信息进行统一表示并给出相应的滤波处理方法基础上,提出了焦点目标的匹配概率（匹配度）作为异类信息配准指标,并采用卡尔曼证据滤波方法进行计算.最后给出了仿真实例,验证了方法的有效性和可行性.     

多传感器自主跟踪中的数据融合方法

为了提高光电跟踪系统的稳定性和自主跟踪能力,对多传感器数据融合算法和数据的有效性估计进行研究,提出一种多传感器自主跟踪算法。首先按照统计学方法,实时估计各传感器数据的误差协方差。然后按照均方误差最小准则,对各路数据进行融合。将最小二乘多项式拟合法和记忆衰减因子应用到误差协方差估计中,提高了融合结果的可信度。最后,提出一种多传感器跟踪数据切换策略,自动选择有效传感器数据中置信度最高、跟踪效果最优的一路数据,从而实现自主稳定跟踪的目的。实验结果表明,使用改进后的数据融合算法比原始方法的最终传感器选择结果正确率提高37.5%左右。在几种典型的传感器数据异常情况下,该数据融合算法和多路数据切换策略能够完成自主跟踪的目的。     

DSiamMFT: An RGB-T fusion tracking method via dynamic Siamese networks using multi-layer feature fusion

The task of object tracking is very important since its various applications. However, most object tracking methods are based on visible images, which may fail when visible images are unreliable, for example when the illumination conditions are poor. To address this issue, in this paper a fusion tracking method which combines information from RGB and thermal infrared images (RGB-T) is presented based on the fact that infrared images reveal thermal radiation of objects thus providing complementary features. Particularly, a fusion tracking method based on dynamic Siamese networks with multi-layer fusion, termed as DSiamMFT, is proposed. Visible and infrared images are firstly processed by two dynamic Siamese Networks, namely visible and infrared network, respectively. Then, multi-layer feature fusion is performed to adaptively integrate multi-level deep features between visible and infrared networks. Response maps produced from different fused layer features are then combined through an elementwise fusion approach to produce the final response map, based on which the target can be located. Extensive experiments on large datasets with various challenging scenarios have been conducted. The results demonstrate that the proposed method shows very competitive performance against the-state-of-art RGB-T trackers. The proposed approach also improves tracking performance significantly compared to methods based on images of single modality.     

一种基于证据理论的可靠性信息融合方法

针对产品同一状态信息的融合问题,提出了基于证据理论的多个验后信息加权融合法。该方法在充分考虑多个验后分布一致度的基础上,结合D-S证据理论计算权重因子,再通过加权融合法的一般思路得到一个综合的验后分布形式,进一步提高了统计推断的精度和置信度,最后以实例计算验证了方法的有效性和可行性。     

信息融合技术的研究

完整地描述信息融合产生的过程,全面地讨论了信息融合技术的研究热点与现状,提出了目前研究中存在的问题和难点,并对我国信息融合技术的发展进行了展望.     

一种基于多传感器数据融合的目标跟踪算法

在制导与跟踪系统中．雷达和红外成像传感器所固有的优缺点,决定了其自身的局限性。为综合利用上述传感器信息,提高目标跟踪精度,提出了一种基于雷达和红外成像传感器数据融合的交互多模目标跟踪算法,算法首先对红外图像进行处理,然后基于上述处理结果．利用交互多模算法对雷达观测信息进行目标跟踪,最后采用分布式数据融合算法得到最终目标的跟踪结果。在有效提高跟踪精度的同时,减少了运算量。