神经网络在多目标分布式融合中的应用研究

提出了适合分布式多传感器多目标(MSMT)数据融合估计算法，对这种推广的分层融合估计算法进行了数学推导和描述，研究了利用神经网络进行MSMT跟踪融合的网络结构和算法，进行了计算机模拟仿真。仿真结果表明神经网络融合估计可提高跟踪精度，并且这种融合方法是有效的。     

单平台多传感器多目标数据融合系统

本文介绍在Novell网上建立的一个舰船多传感器数据融合计算机仿真系统，给出该仿真系统用最小二来法的平滑外推法则进行航迹跟踪及利用DemPster-Shafer敌我识别理论对目标敌我属性进行识别的结构图，较系统地阑述了数据融合的一些技术。     

基于Kohonen神经网络的多传感器数据关联算法

提出了一种基于Konhonen神经网络的多传感器多目标跟踪数据关联算法，该方法是将多传感器的测量数据进行自组织聚类，从而实现测量数据的关联，利用融合估计完成对多目标的状态估计，计算机仿真结果表明了该算法的有效性。     

多传感器多平台多目标数据融合系统中的数据对准研究

数据对准是数据融合系统中相关、跟踪和识别等功能的基础。通过研究多传感器多平台多目标战术数据融合仿真系统，对该系统数据对准的功能层次作了探讨，并根据海上目标的特点，设计和实现了相应的时间对准算法和空间对准算法。     

基于模糊理论的雷达/AIS目标数据融合方法

雷达和船舶自动识别系统(AIS)是保证现代船舶航行安全的重要导航设备。针对1部雷达和1部AIS得到的目标航迹进行融合,提出1种基于模糊理论的雷达/AIS目标数据融合方法,采用模糊数学中的正态隶属函数法来进行航迹相关,数据融合则采用参数加权方法,并将融合后数据进行多项式拟合,用以提高导航数据信息的精度与可靠性。通过仿真实例验证了此方法的可行性与有效性。     

基于相关理论的航迹匹配

数据关联是多源信息融合中的关键问题。文章从系统的角度对多目标跟踪的数据关联进行了全面的分析,通过选择目标数据相似度计算模型和参数,计算不同信源航迹与航迹间的关联相似度,构成目标关联矩阵的方法,实现目标方位串关联。最后对算法进行仿真,仿真结果表明,提出的求解方案有较好的关联正确率,这验证了模型和求解方法的正确性和可行性。     

分析预测理论在空间位置探测数据处理中的应用（I）——空间位置探测数据处理问题和关键技术

这组系列文章将介绍作者研究提出的分析预测理论，以及该理论在目标空间位置探测数据处理问题中的应用。从宏观上讲这种应用几乎平行于传统方法地给出了一整套全新的空间位置探测数据理论和算法。从微观上看，这种应用还具有一些传统方法没有的特点，例如可以对目标运动的模式进行识别(因此确保我们以与目标运动模式相同的或类似的模拟方程对目标进行滤波，从而获得精度更高的预测值)，可以给出目标在未来时刻的真实值的范围为我们进行数据关联提供更好的判据，可以解决一维和两维探测数据的融合问题，可以对不同探测精度的数据进行点迹融合等。另外该系列文章研究的工作与传统的工作有较大的互补性。该系列文章首先给出空间位置探测数据的处理问题的定义，并从中抽象出关键技术。在接下来的系列文章中将讨论解决这些关键技术的思路以及关键技术的分解，理论数学模型，分析预测理论，分析预测处理方法的解的存在性证明，相关算法等。其核心有，目标运动模式的识别技术(模拟方程的选择问题)，模拟方程参数的选择技术，运动模式发生改变的识别技术，航迹聚类技术，航迹和点迹聚类技术，航迹融合技术，不同探测精度和维数的点迹融合技术，位置预测的评估技术等。最后给出仿真实验数据和结果，与传统方法对比的仿真实验数据和结果，以及分析和统计互补使用等问题。     

基于模糊神经网络的航海信息融合技术研究

根据航海信息融合的要求，建立了航海信息融合处理模型，讨论了各种传感器数据的融合处理；采用改进的自适应模糊系统的径向基函数网络的信息融合算法实现目标信息融合，建立数学模型，给出了具体的算法，并通过计算机仿真，验证了该信息融合算法对提高目标数据的精度和可靠性的有效性。     

多传感器信号融合算法的仿真

基于贝叶斯推理的多传感器最佳融合规则不能用于多目标的信号判定，本文对改进的多目标多传感器信号融合算法和经典算法进行了仿真，讨论了仿真结果，并对两种算法进行了比较。     

多传感器目标识别的神经网络与证据理论结合方法

FMM人工神经网络在模式识别和分类中具有独特的优势，D—S证据理论在多传感器决策融合上具有优势。提出了一种FMM神经网络与D—S证据理论相结合的多传感器数据融合目标识别方法，给出计算机仿真结果，表明该方法可以克服单一传感器ATR系统的局限性，提高对目标的识别率和系统的容错性。     

集对分析在多雷达数据融合中的应用研究

多部雷达在探测目标时，因受低空杂波、电子干扰和雷达自身探测精度等影响，易使部分雷达的探测数据不可靠而造成融合中心数据处理精度的下降。针对这一问题，本文提出了一种应用1次融合数据为特征的集对分析思想，把每时送入融合中心的各雷达探测数据与1次融合后的数据组成集对，求出目标状态当前时刻的区间估计，去掉每时落入估计区间之外的雷达探测数据，再作2次融合。仿真结果表明，应用集对分析实现多雷达探测数据的择优融合，不仅算法简单，而且能有效提高不确定雷达系统的跟踪精度和可靠性。     

数据融合在船舶避碰中的应用研究

针对船舶避碰决策系统中的船舶运动趋势和避碰时机建立数学模型，实时预估目标船相对于本船的最近会遇距离和最近会遇时间。同时，针对预测模型误差大的问题，提出了先缓冲后预测方法，并对缓冲算子作了改进，弱化其随机性。应用数据融合技术，给出系统的数据融合处理模型，进一步改善和提高系统跟踪目标的精度。仿真结果表明，该方法是有效、可行的。     

一种数据融合仿真系统的数据生成

本文讨论了单平台、多传感器、多目标数据融合仿真系统的数据生成子系统与预处理，介绍该子系统中的雷达、电子侦察机、被动测距声纳三种传感器的目标数字模拟的基本原理、模拟模型及实现的有关处理方法。     

双目标纯方位定位数据处理分析

本文从双基阵纯方位定位的基本原理出发,给出了卡尔曼滤波算法的模型,针对实际目标特点和滤波中容易出现的发散问题,对方位数据进行时空迭代后将解算数据进行航迹融合。仿真实验表明,该处理方法能够克服滤波发散,实现双目标有效跟踪,可以快速、稳定地完成目标运动要素的估计,有较好的工程应用价值。     

多目标跟踪中的目标位置及速度数据融合

基于多传感器数据融合理论，提出了一种在杂波环境下解决多目标跟踪的方法，即利用位置，速度的融合，得到比较满意的多目标跟踪运动轨迹，给出了有效的融合算法，并进行了仿真，通过仿真可以看出这是一种实用，有效的多传感器融合。     

高阶神经网络与D—S方法在数据融合中的应用

讨论了数据融合与高阶神经网络的串行结合。根据Dempster-Shafer证据理论的基本原理,利用多传感器多周期测量条件下命题不确定性度量的融合算法公式,进行命题的空间和时间融合,以达到空中目标的敌我识别。将融合后的最终结果输入到高阶BP神经网络中,通过目标向量样本的训练,输出相应的目标类型。仿真结果证明,这种方法是行之有效的。     

基于Kohonen神经网络的多传感器数据关联算法

提出了一种基于Konhonen神经网络的多传感器多目标跟踪数据关联算法,该方法是将多传感器的测量数据进行自组织聚类,从而实现测量数据的关联,利用融合估计完成对多目标的状态估计.计算机仿真结果表明了该算法的有效性.     

多传感器数据融合方法在军事信息领域的应用

阐述如何利用现有传感器获得的信息内容,进一步提高军事信息系统对目标特征的分离与表示能力和对目标类型、种类的区分能力。针对困扰军事信息系统数据融合处理中的重点和难点问题,对数据融合技术的结构模型、基本算法和融合方法进行了适用性分析。结合工程实践,提出军事信息系统中数据融合系统的框架和基本流程,同时对数据融合技术未来发展趋势进行了展望。     

一种用于确定融合航迹与真实航迹对应关系的方法

提出一种用于确定融合航迹与目标真实航迹对应关系的方法,并在该方法的基础上重新定义融合航迹正确率、融合航迹零碎度等评价数据融合性能的指标。仿真分析结果表明,所提出的方法和定义的性能指标对于比较不同数据融合软件的综合性能具有参考价值。     

基于模糊加权的分布式IMMJPDA算法

提出了一种基于模糊加权的分布式交互多模型联合概率数据互联算法.该算法在融合中心采用模糊加权方法对不同传感器关于同一目标的模型概率、状态估计及其协方差进行融合,而模糊权值为各传感器关于各目标的状态估计协方差的迹的隶属度.最后通过计算机仿真验证了该算法的正确性和有效性.