序言

上世纪七八十年代,美国科学家提出了一个称为"多传感信息融合"(Multisensor information fusion)或"多源信息融合"(Multi-source information fusion)的全新概念,并迅速扩大到世界范围内,成为当今信息技术领域的一个研究热点.所谓多源信息融合,就是提出一些理论和方法,对具有相似或不同特征模式的多源信息进行处理,以获得融合信息.简单地说,将多种传感器获得的数据进行所谓的"融合处理",可以得到比任何单     

红外搜索跟踪系统的数据关联算法研究

针对红外搜索跟踪系统(IRST)在单站情况下,对目标进行纯方位跟踪时存在的问题,提出一种数据关联算法.首先根据红外探测器的量测信息特点,从不同角度构造多组证据;然后采用证据组合规则对这些信息进行综合;最后通过极大化基本可信度赋值函数(BPAF)得到关联结果.这种基于D-S证据理论的数据关联算法,由于合理利用多源量测信息,有效地克服了传统方法处理数据不确定性时存在的问题.蒙特卡罗仿真结果表明,该算法具有较好的关联效果.     

用于机动目标跟踪的多模型高斯混合概率假设密度滤波器

提出一种多模型高斯混合概率假设密度(PHD)滤波器的实现方法.该算法使用多模型方法对高斯混合PHD滤波器中存在目标对应的高斯分量进行预测及更新,使用融合估计后的估计值描述机动目标PHD分布的高斯分量.该算法具有PHD滤波器和多模型方法的优点,可以用来处理目标数未知时的机动目标跟踪问题.该算法与单模型高斯混合PHD滤波器相比,可提高滤波器对目标发生机动时的跟踪精度;与已有的多模型PHD滤波器相比,节省计算时间30％以上.     

基于Hausdorff距离的3维模型匹配的改进方法

通过单目灰度图像来实现已知3维模型移动对象的精确定位，是基于3维模型的交通视觉检测与目标跟踪系统的首要环节，也是机器视觉领域的一个重要问题。为了更好地进行图像匹配，提出了一种带权值的Hausdorff距离作为3维模型投影和图像中物体轮廓相似性的测度，以避免建立图像特征与模型之间的点一点对应，这样既可减少计算量，也可提高匹配精度。为了避免陷入局部最优，可将一种带记忆功能的模拟退火(SA)算法引入图像模型匹配，这样可提高匹配参数的搜索精度。实验证明，由于SA算法和改进的Hausdorff距离相结合能有效地对3维模型和图像进行匹配，从而可对具有平移、旋转的物体实现精确定位。     

基于环形像素点匹配的快速图像跟踪算法

相关跟踪法能有效地跟踪目标,但非常费时。序贯相似检测法结合了粗-精搜索策略,在跟踪性能和时间上都有很大改进,但在处理时间上还有进一步提高的可能。基于特征点的跟踪方法在跟踪时运算量小,但提取目标的特征时需要大量运算,且特征点的提取往往不理想。针对以上不足,论文提出了基于环形像素点匹配的快速图像跟踪算法,该算法采用环形像素点为特征点,在借鉴序贯相似检测法的基础上,对匹配区域先进行粗搜索以确定待匹配窗口,再进行精搜索以确定正确的匹配窗口,最后利用相关跟踪法中的归一化相关系数确定模板的更新策略。实验结果表明,该算法不仅能稳定地跟踪目标,与相关跟踪法和序贯相似检测法相比,在处理时间上具有明显的优越性。     

基于模糊推理多传感信息融合的多目标跟踪

将模糊推理系统与多传感器顺序结构算法相结合，实现密集杂波环境中多目标的精确跟踪，采用模糊推理求解关联概率，并与雷达／红外跟踪系统相结合，在密集杂波环境中实现了对多目标的精确跟踪，仿真实验结果表明了所提出方法的有效性。     

汽车巡航控制用传感器进展

自主智能巡航控制系统利用前视雷达传感器收集前方道路上交通和障碍物的信息。毫米波雷达和激光雷达是常用于汽车自主智能巡航控制的雷达传感器 ,介绍了这两种汽车传感器的工作原理、技术指标和发展趋势     

基于Volterra级数模型的非线性系统自适应控制稳定性研究

研究一类单输入单输出非线性系统的自适应控制问题, 这类系统能用有限阶离散Volterra级数模型表示. 采用递推最小二乘算法进行参数估计, 并通过解高次方程得到控制律. 结合反馈型Volterra级数系统的局部L稳定理论, 证明了算法的局部收敛性质. 通过对一个化工连续搅拌反应器 (CSTR)的过程控制进一步验证了该算法的有效性.     

基于支持向量机的网络入侵检测

将统计学习理论引人入侵检测研究中，提出了一种基于支持向量机的入侵检测方法(SVM-Based ID)．针对入侵检测所获得的高维小样本异构数据集，将SVM算法在这种异构数据集上进行推广，构造了基于异构数据集上HVDM距离定义的RBF形核函数，并基于这种核函数将有监督的C-SVM算法和无监督One-Class SVM算法用于网络连接信息数据中的攻击检测和异常发现，通过对DARPA数据的检测试验结果表明提出的方法是可行的、高效的．     

基于时空背景差的运动目标检测算法

假定图像序列的背景图像已经获得,提出一种基于时空背景差的运动目标检测算法.该算法融合背景差分、基于时间信息的帧间差分及基于空间信息的背景差分信息,得到真实运动物体的运动种子点,认为背景差分图像中包含运动种子点的连通区域为真实的前景目标,从而可以检测出正确而完整的前景目标.仿真实验表明,该算法可以避免背景模型对场景的表征不足及背景更新阶段造成的错误检测,即使在场景中存在微小运动的复杂环境下,仍能实现准确的运动分割.