一种改进的多传感器伪序贯滤波算法

传统的多传感器数据融合算法假定传感器之间的测量噪声是不相关的,但实际上测量噪声存在着一定的相关性,因而会引起滤波精度的损失．针对该问题,文中研究了测量噪声相关情况下的同步多传感器跟踪系统的测量融合技术．在测量噪声相关的条件下,根据线性无偏最小方差估计理论,提出了一种改进的同步多传感器伪序贯滤波算法,该算法不但适用于噪声不相关情况,而且也适用于噪声相关情况．经仿真研究表明,该算法明显提高了航迹的融合精度：在测量噪声相关时,融合精度比传统算法有明显提高;而测量噪声不相关时,性能与传统的数据融合算法相同．仿真结果表明了该算法的正确性和有效性．     

基于遗传粒子群算法的船舶航迹融合研究

研究利用遗传算子对粒子群算法进行优化设计,建立了基于遗传算子的粒子群算法多源数据融合模型。该模型克服了粒子群算法在训练过程中容易陷入局部极值的缺陷,得到了更高的学习精度和更快的收敛速度。利用多传感器检测到的目标船舶航迹点数据进行了融合验证,MATLAB仿真结果表明,基于遗传算子的粒子群算法融合模型融合后的目标船舶航迹点比各传感器单独检测到的目标船舶航迹点数据更加精确,更适用于船舶航迹的跟踪及预测。     

基于方位合成的异类传感器航迹数据融合算法

针对纯方位传感器与二维雷达量测空间不一致的航迹数据融合问题,提出了一种基于方位合成的异类传感器航迹数据融合算法.该算法以纯方位传感器承载平台为融合中心,计算雷达和纯方位传感器探测的目标航迹相对于同一坐标系的方位量测,并用一种近似方法计算方位精度;采用基于最优权值分配原则的加权平均法对方位进行合成,用合成的方位对雷达探测的目标航迹进行修正,并将修正后的航迹作为融合航迹.该算法在获得融合航迹的同时,给出了融合航迹的精度.仿真结果表明,与雷达航迹精度相比,融合航迹的精度平均提高25.23%.     

一种基于ADS-B的雷达误差实时融合校正算法

针对我国中西部地区雷达未实现多重覆盖,大部分飞机未配备广播式自动相关监视(automatic dependent surveillance-broadcast, ADS-B)机载设备,监视精度不高的问题,结合雷达误差模型理论,提出了基于ADS-B数据的雷达误差实时校正算法.该算法对同一时刻获得的多组ADS-B数据与雷达数据的差值进行数据融合,得到该时刻雷达误差的最优估计值,并对雷达进行误差校正.算例仿真结果表明:经该算法校正后,雷达测量的距离与真实距离之间的均方根误差约为50 m,测量的角度与真实角度之间的均方根误差约为0.04°,且校正后的航迹和真实飞行航迹基本重合.      

基于分块EnKF的非线性目标跟踪算法

针对滤波航迹的相关性以及初始状态的选择会对跟踪性能产生影响的问题,将集合卡尔曼滤波算法引入到非线性目标跟踪领域,验证了其可行性和有效性,提出了基于分块集合卡尔曼滤波的非线性目标跟踪算法.采用分块思想生成初始集合,使用协方差矩阵加权方法解决分块间的航迹相关问题.仿真结果表明基于分块集合卡尔曼滤波的目标跟踪算法计算复杂度和以往的集合卡尔曼滤波算法同阶的情况下可以提供更高的运动参数估计精度,解决了粒子滤波算法计算量大难以进行实时跟踪的问题.      

考虑航段相关性的航路拥挤态势多模型 融合动态预测方法

研究航路交通拥挤状态动态实时预测问题,可为缓解航路交通拥挤,优化拥挤管控 策略提供科学的依据.首先,采用神经网络理论建立考虑航段相关性的交通流参数预测模型, 预测航段流量和航段密度参数;然后,运用多模型融合预测算法提高预测精度,基于模糊C均 值聚类算法和航段历史及预测交通流参数预测航段交通拥挤态势;最后,采用雷达实测航迹 数据验证模型的有效性.研究结果表明,本文建立的预测模型同时考虑了时间和空间因素,对 航路拥挤状态预测准确率达到82.29%,预测方法符合实际且对航路交通态势的预测具有应用 价值;同时考虑航段相关性影响和采用多模型融合预测算法能够明显提高预测精度.     

多雷达与ADS数据融合的可变周期更新算法

为提高空中交通管制系统的整体监视精度,在研究自动相关监视(automatic dependentsurveillance简称ADS)信息与雷达监视信息构成和特征差异的基础上,通过建立ADS目标与雷达目标之间的数据关联映射关系,构造了一个将ADS数据与多雷达数据融合处理的过程模型,提出了基于ADS报告周期调整ADS航迹与雷达航迹融合权重因子的可变周期更新算法。应用结果表明更新算法实现了两类信息的深度融合和对有效信息的综合利用,既保证了当ADS报告更新率较高时ATC监视的整体精度,又提高了ADS报告更新率较低时目标航迹的连续性,降低雷达测量误差对系统监视精度的影响,是一种用于空中交通管制系统监视数据处理的有效方法。     

一种杂波环境下的多传感器多目标数据关联算法

研究了多传感器多目标的数据关联问题，提出了杂波环境下多传感器多目标跟踪的极大似然关联算法．算法中考虑了传感器对目标的漏检情况，在各个观测站传感器的观测数据不完备的情况下，建立了传感器测量与目标的可行关联分配模型，并综合采用了假点的后验概率比模型，提高了多传感器对同一目标测量的互补性和对弱信号目标的跟踪精度．理论分析和仿真实验结果表明，所提出的算法可实现杂波环境下对弱目标的持续跟踪，并且在确保航迹关联性能和较好跟踪效果的基础上，降低了算法的运算量．     

基于B型灰色关联度的纯方位航迹关联算法

针对同平台纯方位多传感器的航迹相关问题,提出了基于B型灰色关联度的纯方位航迹关联算法.该算法将每条航迹的方位数据看作是时间的离散函数,不同传感器的航迹经过时间对准后,形成了具有相同时标的目标方位信息序列,通过对多传感器目标航迹的方位信息进行灰色关联分析,计算出各航迹对的B型灰色关联度,形成B型航迹灰色关联度矩阵,计算λ-截航迹灰色关联矩阵,并根据该矩阵确定航迹关联对.仿真试验结果表明,该方法能有效地实现同平台纯方位多传感器的航迹相关.     

离场航迹降噪优化设计的多目标智能方法

为满足新一代空管系统中离场航迹优化设计时降低噪声影响和减少飞行成本的需要,进行了离场航迹的多目标优化设计方法研究.结合飞行动力学和运动学模型,建立了符合民航飞机离场飞行阶段特征的航迹分段模型,提出了应用状态矩阵和控制矩阵准确表示航迹的数学方法.基于模糊理论建立航迹噪声影响、飞行成本和空中导航约束的满意度评价函数,提出了3种启发式搜索规则和动态领域搜索方法来改进模拟退火算法.仿真结果表明,在绕飞限制空域的前提下,降噪和减少飞行成本的目标无法同时达到最优;离场航迹多目标优化后的总体满意度比仅考虑降噪时提高了4.3%.      

Data Fusion Algorithm for Multi-Sensor Dynamic System Based on Interacting Multiple Model

This paper presents a data fusion algorithm for dynamic system with multi-sensor and uncertain system models. The algorithm is mainly based on Kalman filter and interacting multiple model(IMM). It processes crosscorrelated sensor noises by using augmented fusion before model interacting. And eigenvalue decomposition is utilized to reduce calculation complexity and implement parallel computing. In simulation part, the feasibility of the algorithm was tested and verified, and the relationship between sensor number and the estimation precision was studied. Results show that simply increasing the number of sensor cannot always improve the performance of the estimation. Type and number of sensors should be optimized in practical applications.     

铁路轨道几何参数捷联惯性测量基准的建立

为建立高精度铁路轨道几何参数的测量基准,针对传统陀螺稳定平台的不足,研究了基于捷联惯性技术的轨道几何参数测量基准的建立方法.通过分析轨道超高的基本测量原理,指出高精度姿态矩阵的解算是基于捷联惯性技术建立轨道几何参数测量基准的关键.为此,根据刚体运动学理论,建立了列车运动姿态、位置和速度微分方程;采用基于旋转矢量和四元数的方法分析了姿态矩阵解算中姿态、位置和速度的计算问题;采用多子样算法对姿态计算中的“圆锥误差”、速度计算中的“划桨误差”进行了补偿.仿真结果表明,基于多子样算法的捷联惯性基准建立方法能有效减小惯性测量系统随时间累积的计算误差,显著提高系统的精度.     

A Stable Switch Method Based on Fusion in Uncalibrated Visual Servoing

Stable switch control between multiple cameras for uncalibrated visual servoing was studied. Switch images based on fusion were presented to get the continuous dynamic image Jacobian matrix among robots and distributed visual sensors. The designed fusion algorithm is suitable to have dynamically adjustable fusion weights, and the fusion structure was analyzed. Simulations and experiments without any knowledge of mobile robots and uncalibrated visual sensors show that the method has higher adaptability than the traditional instant switch control method. The method can enhance the system stability at the switching process.     

Robust Spectral Estimation of Track Irregularity

Because the existing spectral estimation methods for railway track irregularity analysis are very sensitive to outliers, a robust spectral estimation method is presented to process track irregularity signals. The proposed robust method is verified using 100 groups of clean/contaminated data reflecting he vertical profile irregularity taken from Bejing-Guangzhou railway with a sampling frequency of 33 data every 10 m, and compared with the Auto Regressive (AR) model. The experimental results show that the proposed robust estimation is resistible to noise and insensitive to outliers, and is superior to the AR model in terms of efficiency,, stability and reliability.     

基于多尺度Kalman滤波的多传感器数据融合

通过分析多尺度动态系统模型,提出了一种基于小波变换的Kalman多传感器数据融合算法。该算法结合了Kalman滤波的实时性、递归性和小波变换的多尺度特性,能对多传感器的观测数据有效地融合。算法首先将最细尺度上观测数据滤波后得到的估计序列小波分解到各尺度上;然后在各尺度上,利用该尺度上的传感器观测数据对小波分解系数进行更新;最后利用小波重构,达到更新原始估计序列的目的。仿真实验表明,该算法具有很好的数据融合效果。     

引入轨道特征的北斗列车定位方法研究

列车定位是轨道交通众多应用的基础条件,北斗卫星导航用于列车定位能够有效提升我国轨道交通装备的自主性.针对列车北斗定位性能对运行条件的适应性需求,本文提出一种引入轨道特征的北斗列车定位方法,该方法从轨道电子地图中提取轨道特征参数,在列车状态预测的系统模型中增加轨道约束,并利用一维地图位置预测拓展北斗导航卫星的伪距测量.利用现场实测数据构建场景进行仿真.所得结果表明,本文提出的方法能够提高列车定位解算对卫星可视条件的鲁棒性,有效拓展北斗列车定位在恶劣观测条件下的可用水平,具有较高的实际应用价值.     

无砟轨道施工精密测量

结合工程经验,阐述测设高速铁路无砟轨道施工加密网CPⅢ以及通过CPⅢ利用轨检小车进行施工精密测量的具体方法和注意事项,以确保轨道的平顺性,达到高速行驶的情况下列车的安全性及乘客的舒适性。     

A Model of Federated Evidence Fusion for Real-time Urban Traffic State Estimation

In order to make full use of heterogeneous multi-sensor data to serve urban intelligent transportation systems, a real-time urban traffic state fusion model was proposed, named federated evidence fusion model. The model improves conventional D-S evidence theory in temporal domain, such that it can satisfy the requirement of real-time processing and utilize traffic detection information more efficaciously. The model frame and computational procedures are given. In addition, a generalized reliability weight matrix of evidence is also presented to increase the accuracy of estimation. After that, a simulation test is presented to explain the advantage of the proposed method in comparison with conventional D-S evidence theory. Besides, the validity of the model is proven by the use of the data of loop detectors and GPS probe vehicles collected from an urban link in Shanghai. Results of the experiment show that the proposed approach can well embody and track traffic state at character level in real-time conditions.     

基于小波和逻辑法的多目标跟踪数据处理

智能交通系统(ITS),常常要采用传感器对交通目标进行实时定位监控,但被跟踪目标的不确定性以及原始数据通常存在大量噪声的干扰,这对数据融合的精度产生很大的影响.针对这一问题,采用小波变换多尺度分解与重构结合阈值消噪的方法对原始数据进行降噪处理,它能很好的保持原始信号的瞬变特征,并对处理后的数据采用逻辑法进行目标航迹起始...