雷达和QAR数据的融合处理

基于数据融合技术,在研究雷达数据与快速访问记录器(QAR,quick access recorder)数据构成的基础上,提出了一种将雷达数据与QAR数据进行航迹融合的处理方法。通过坐标变换,能在平面内绘出飞行航迹;利用卡尔曼滤波算法对接收的数据进行处理,能有效地减少了报文丢失及乱码对跟踪精度的影响;同时,采用时间对准算法实现不同航迹数据的同时性。结果表明,雷达数据与QAR数据进行加权融合的处理方法,实现了两类数据的融合以及对有效信息的综合利用,从而降低雷达测量误差对系统监视精度的影响。     

基于可信度的航迹融合

本文提出了一种基于可信度的数据融合的航迹处理方法。该方法基于各雷达提供的信息的相对可信度,对不同航迹分别建立多雷达可信度判断矩阵,求得各雷达对该目标的可信度,进而求得各雷达的综合可信度。根据雷达的可信度,采用可信度高的雷达所获取的航迹信息进行卡尔曼滤波,获得每条航迹的最佳估计值。然后对多部雷达滤波后的数据进行线性加权融合处理,最终得到唯一航迹。     

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。     

干扰条件下的雷达组网包络三维融合方法

为了解决在干扰条件下雷达网探测范围的信息冗余问题,提出了一种干扰条件下雷达组网包络三维融合方法。为降低时间复杂度,该算法首先对采样后的雷达包络数据点集合进行融合区域判定,然后再对融合区域内的采样数据点进行包络内外判断,并将位于包络内部的点以消隐的方式进行处理,最后对融合后的雷达网包络进行绘制。经过实验验证,该算法能够实时有效地对雷达组网包络进行融合处理。     

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。     

ENVISAT-ASAR数据处理介绍

ASAR(Advanced Synthetic Aperture Radar)作为当今最先进的合成孔径雷达数据于2006年1月在国内实现共享,由于其处理困难限制了它在国内的应用推广.本文介绍了欧空局开发的雷达处理工具包软件BEST(Basic Envisat Sar Toolbox),该软件可以实现某些雷达数据处理功能,具有简单实用的特点.并且使用ASAR WSM数据与MODIS图像进行了融合.作为国内率先共享的两种数据,ASAR与MODIS组合使用将会发挥更大的作用.     

基于Kalman滤波的数据处理多尺度融合算法

针对我国航天测量事后数据处理的现状,提出了一种基于Kalman滤波的数据处理多尺度融合算法;该算法以建立的系统动态模型方程为基础,将多台雷达的测量数据分别在不同尺度上逐次分解,然后在同一尺度上对所有雷达数据进行系统融合处理,从而提高测量数据的处理精度;用该算法处理某次卫星发射任务的理论弹道,计算结果表明:该算法处理的效果明显优于单台雷达直接进行Kal-man滤波处理的效果,并且融合尺度越小,处理精度改善的效果越明显;该算法与α-β-γ滤波算法相比,数据处理精度有较大提高。     

结合ADS-B的航管监视数据融合关键技术

航管多雷达数据和ADS-B数据各有优缺点,在分析了两类数据异同基础上指出了ADS-B数据引入航管多雷达数据处理中需要解决的关键技术难题。基于此,从探测时序和处理周期两方面给出了时间对准方法,研究了空间对准中的坐标转换及其误差配准技术,提出以当前模型和无迹卡尔曼滤波应对目标机动,给出了波门设定、最近邻相关以及融合算法的完整数据融合方案。实际应用中两类数据实现了有效利用和深度融合,提高了航管监视数据处理系统的精度和稳定性,是一种有效的航管监视数据处理方法。     

雷达与ESM信息融合处理系统软件设计与实现

介绍了雷达与ESM信息融合处理系统软件的设计思路;并针对软件实现中用到的关键算法进行了具体阐述;最后给出了软件实现后的仿真效果图.仿真表明该处理软件实现了雷达与ESM信息的自动融合处理,运行可靠、实时性好,具有一定的扩展性.     

一种雷达和摄像机的空间标定方法

多传感器融合技术已经广泛应用在智能汽车环境感知领域中;雷达和摄像机的空间标定是伴随信息实时融合的道路检测技术的基础;结合智能汽车的实际应用,提出了针对激光雷达和摄像机的空间标定方法;通过特制的标定板来获得雷达数据和图像数据,选取激光雷达坐标系作为世界坐标系,通过参数拟合的方法来求取图像坐标系与雷达坐标系的变换关系,进而实现两种传感器的空间配准;该方法只需要标定板就能够完成激光雷达和摄像机的空间标定,标定精度高,实现了多个传感器世界坐标系的统一,避免了后续处理中数据解释的二义性;实验结果表明这种方法简单准确,满足系统要求。     

大数据融合研究：问题与挑战

随着大规模数据的关联和交叉,数据特征和现实需求都发生了变化.以大规模、多源异构、跨领域、跨媒体、跨语言、动态演化、普适化为主要特征的数据发挥着更重要的作用,相应的数据存储、分析和理解也面临着重大挑战.当下亟待解决的问题是如何利用数据的关联、交叉和融合实现大数据的价值最大化.认为解决这一问题的关键在于数据的融合,所以提出了大数据融合的概念.首先以Web数据、科学数据和商业数据的融合作为案例分析了大数据融合的需求和必要性,并提出了大数据融合的新任务;然后,总结分析了现有融合技术;最后针对大数据融合问题可能面临的挑战和大数据融合带来的问题进行了分析.     

高效物联网虚假数据融合结果检测机制

数据融合(data fusion)是物联网数据传输和处理的关键步骤之一,在传输过程中提前汇总和处理中间数据,仅将逐层融合的结果发送到应用层,有效降低了中间节点的功耗和负载.然而,在这一过程中,各节点没有保存被融合数据,因此,无法发现和定位针对数据融合结果的数据伪造或篡改攻击.为了杜绝这一安全隐患,提出一种高效的物联网数据融合安全检验机制,通过对数据融合过程建模,发现并刻画被输入数据和融合结果之间的联系,并利用这一模型发现异常的数据融合结果,杜绝恶意数据融合,优化物联网传输安全.首先,在节点/网络的输入端和输出端分别进行数据收集,构建了基于被融合数据的特征压缩摘要机制,提升了数据收集效率并优化了节点资源消耗;其次,提出了基于概率图概率模型的数据融合模型,描述被融合数据和融合结果的时空域关系,并基于这一模型高效检测异常数据融合结果.实验结果表明：所提出的方法能够高效、准确地发现恶意数据融合操作,优化物联网传输安全.     

基于D-S理论的多源水质监测数据融合处理

该文简要地论述了基于D-S理论的多传感器数据融合算法及融合结果的目标判定原则,并以水质监测数据为研究对象,对长江口区域水质状况进行评估实验,比较了融合前后的实验结果,分析存在的问题及相应的解决办法,论证了D-S理论用于水质监测数据融合处理的可行性。     

一种基于数据预处理和卡尔曼滤波的 温室监测数据融合算法

温室具有空间大、无线传感器节点易受到干扰等特点,节点采集的数据波动性较大且易出现丢失现象.为了提高温室监测无线传感网的可靠性和数据融合的精度,提出了一种基于数据预处理和卡尔曼滤波的无线传感器网络数据融合算法.经过对各传感器数据进行预处理和卡尔曼滤波估计,再将数据发送到簇头节点进行基于状态补偿策略的加权数据融合.通过对温室湿度数据进行仿真,结果表明:数据预处理能明显减小数据波动,大幅减少网络数据传输量和能耗,提高抗干扰能力.另外,针对温室无线传感器网络容易出现丢包的现象,基于状态补偿策略的加权数据融合算法可以明显提高在数据丢包情况下的融合精度.     

基于专家知识的数据融合技术研究

分析了多传感器数据融合技术的优点和存在的问题,提出了基于专家知识的数据融合方法,给出了数据融合模型,并对数据的采集、融合方法及可行性进行了分析和研究,并结合实例进行了应用说明,基于专家知识的数据融合技术不存在复杂的数学运算和一些难以确定的参量,相对简单,实用性强,可广泛应用于多传感器系统中的数据融合。     

多传感器数据融合技术研究进展

多传感器数据融合是信息领域一个前景广阔的研究方向.由于单一的数据融合算法具有一定的局限性,将2种或2种以上的数据融合算法进行优势集成已逐渐成为数据融合领域的研究热点.介绍了数据级、特征级和决策级融合3种数据融合方式的主要特点、方法及应用,归纳了常用的数据融合方法,并重点阐述了几种多传感器数据融合集成算法的研究进展,简单介绍了多传感器数据融合技术的应用.     

基于D-S证据理论的多平台协同数据融合

对D-S证据理论用于多平台协同数据融合进行了分析，提出了多平台协同数据融合的设计思想和结构，将其用于舰船类型的识别。通过MATLAB仿真，证明了多平台协同数据融合降低了识别结果的不确定性，比传统的单平台数据融合效果好，验证了这一理论在多平台协同数据融合中的有效性和正确性。     

基于压缩感知的无线传感器网络数据融合算法

无线传感器网络中存在大量的数据冗余,数据融合技术通过对采样数据进行压缩,消除冗余,有效的减少了节点发送的数据量,延长传感器网络的寿命．提出了压缩感知与数据转发相结合的数据融合算法,在网络采样数据收集的过程中根据节点的子节点个数选择利用压缩感知对数据进行压缩还是直接对数据进行数据转发．仿真结果表明,和基于压缩感知的数据融合算法相比,数据转发与压缩感知相结合的数据融合算法,有效地在平衡节点间负载的同时减少节点的发送量．     

数据融合关键技术在靶场实验系统中的应用

通过比较数据融合各算法的优缺点,选择了适用于本系统的数据算法以及应用于一般非线性系统的推广Kalman滤波算法,并分别进行了详尽的描述;结合靶场实验系统的环境以及对于数据融合的要求,基于所选用的数据融合关键技术,提出了解决靶场数据融合问题的可靠性方案;最后通过对靶场数据的计算机仿真充分说明了这种方案的有效性、可行性.     

数据融合方法在单传感器系统中的应用

为了提高数据处理的精度,提出了一种适用于单传感器系统的数据融合方法。该方法先将来自单传感器的n个样本观测值细分成k组,并把各细分组所对应的样本均值假想为来自k个不同传感器的样本观测值,借助于极大似然函数估计法导出数据融合公式。基于该融合公式,证明了在单传感器系统中,当样本观测值一定时,分组数据融合的估计效果优于单组算术平均的估计效果;若再细分原有的分组,则细分后的融合估计效果优于细分前的融合估计效果。实例的数据分析验证了结论的正确性。