多传感器信息融合仿真平台的设计与实现

在多传感器信息融合系统的开发中,需要一个灵活可靠的仿真平台来对各种传感器模型、关联算法和融合算法进行调试评估。多传感器信息融合仿真平台经过模块化设计,面向对象方法编程,使得其具有开放性,易于扩展等特点。并给出一个该仿真平台的运行实例,使该仿真平台的可靠性、实用性等得到验证。     

舰载多传感器信息融合技术初探

本文对舰载作战指挥系统多传感器信息融合的需求进行了分析,提出了舰载系统多传感器信息融合的结构及理论算法,给出了软件实现的具体方法。文章对舰载系统多传感器信息融合进行了从抽象到具体的探讨,研究了适合于舰载系统多传感器信息融合的具体实现、融合数据的使用等关键技术;对信息融合进行了总体设计,给出了实现的理论算法;并对信息融合对系统通讯、资源和接口的影响作了研究。     

基于异类传感器的数据融合系统

运用各种有源和无源探测设备在内的异类多传感器集成提供多种观测数据,同时通过不同传感器之间的关联来提高数据精度,可以得到关于目标的更多特征信息,从而为身份识别、态势估计提供更多的依据.基于异类传感器的数据融合系统实现了雷达、ESM等异类传感器的数据关联与融合.仿真结果表明:系统能提供更高精度的数据,获得目标的更多特征信息,并可对目标实施有效识别.     

多源信息的有序分层融合模式

本文以潜艇Ｃ＾３Ｉ系统需求为背景，介绍了有序分层融合模式及其相应算法。仿真和加载试验表明，该模式成功地解决了多传感器多目标信息的融合处理问题。     

多惯性导航系统信息融合方法研究

舰船导航领域通常采用多传感器组合的方式保证导航精度,但对于水下舰船而言,由于其传感器种类少、精度低,导航精度水平有待提升。本文结合舰船配置特点,提出一种多惯性导航系统信息融合方法,通过设计Kalman滤波器实现多套惯导设备的信息融合,模拟仿真实验和半实物仿真试验结果表明,相较于单套惯导系统而言,所提方法可以将定位精度提升30%,为水下舰船的长航时高精度导航提供了保障。     

基于证据理论舰船类型识别多传感器数据融合仿真系统

建立了一个基于证据理论的舰船类型识别多传感器数据融合计算机仿真系统。阐述了基于Ｄｅｍｐｓｔｅｒ－ｓｈａｆｅｒ理论多传感器数据融合的优点，给出了仿真系统的系统结构图，说明Ｎｏｖｅｌｌ网上每个站点的功能。     

鱼雷目标检测的贝叶斯判别融合方法研究

对基于贝叶斯判决法的模式分类方法进行了理论分析,并将多变量的贝叶斯模式分类方法应用于决策信息融合过程,证明用多传感器测得的多维信息通过决策融合进行目标判别优于用单传感器测量进行目标判别,此方法用于鱼雷的目标检测,能大大提高系统的目标检测概率,或降低检测的虚警概率。理论分析和数学仿真均证明其是一种有效的方法。     

多传感器用于多目标跟踪的优化分配方法

在多传感器对多目标的监视环境下,传感器对目标的优化分配是多传感器数据融合的重要研究内容。采用目标跟踪过程中信息增益最大的优化准则,探讨了多种约束条件下多传感器对多目标的优化分配问题,并对优化分配算法进行了实验仿真验证。     

舰船远程导航系统实测海流信息融合方法

由于远程导航系统海流信息,存在多尺度下局部距离导航数据信息熵异步,导致现有导航数据融合方法在多传感器信息融合过程中很难寻找到最优量,造成数据融合比降低。因此,提出舰船远程导航系统实测海流信息融合方法研究。首先,对导航系统海流数据的局部距离信息熵进行计算;接着,根据信息熵建立导航系统海流数据的多尺度模型,通过尺度模型实现同步局部距离信息熵。最后,对同步后的导航系统海流数据信息熵进行融合计算。完成提出方法计算。通过仿真实验设计,对设计方法的有效性进行对比测试。     

一种改进的舰载直升机多传感器目标信息融合跟踪方法

结合舰载直升机传感器探测方式的分析,对现有信息融合跟踪算法进行研究,指出其存在的计算速度和精度的问题,提出一种改进的多传感器目标融合方法.将该算法代入某作战仿真系统进行验证.该方法与原先算法相比,计算迅速、精度较高,对舰载直升机改进跟踪战术具有重要的参考价值.     

信息融合理论和技术在舰载S&D系统中的应用研究

应用信息融合理论和技术研究舰载S&D(Search & Detection)系统中多传感器雷达的多机动目标跟踪问题,可极大地增强系统跟踪目标的能力,改善和提高系统的跟踪精度.仿真结果表明,使用的几种融合算法都可大大提高系统跟踪精度,同时还可提高系统的可靠性.     

基于D-S证据理论改进算法的末敏弹多传感器融合技术研究

针对末敏弹是一种新型弹药,其关键技术是敏感器技术和爆炸成型弹丸技术的特点。采用D-S证据理论改进算法对末敏弹多传感器融合技术进行研究。介绍了多传感器融合技术,提出了D-S证据理论改进算法的目标分类判定规则,并针对三种类型的传感器对三种典型目标的识别进行了仿真计算。计算结果表明多传感器融合明显优于单一传感器,有效提高了末敏弹系统的目标识别率。     

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。     

信息融合理论和技术在舰载S＆D系统中的应用研究

应用信息融合理论和技术研究舰载Ｓ＆Ｄ（Ｓｅａｒｃｈ ＆ Ｓｅｔｅｃｔｉｏｎ）系统中多传感器雷达的多机动目标跟踪问题,可极大地增强系统跟踪目标的能力,改善和提高系统的跟踪精度。仿真结果表明,使用的几种融合算法都可大大提高系统跟踪精度,同时还可提高系统的可靠性。     

无线传感器网络的航行环境信息采集系统

针对当航行环境信息采集精度低,采集时间长等缺陷,设计了基于无线传感器网络的航行环境信息采集系统。首先对航行环境信息采集系统的工作原理进行分析,并采用无线传感器网络对航行环境信息进行采集。然后对航行环境信息进行融合,减少传感器节点之间的航行环境信息冗余,加快航行环境信息传输速度。最后对航行环境信息采集系统的性能进行测试。结果表明,本文系统能够对航行环境信息进行高精度的采集,而且航行环境信息采集速度快,较好解决了当前航行环境信息采集过程中存在的不足,具有广泛的应用前景。     

多传感器数据融合技术概述

多传感器数据融合是指对由多个传感器单元所获取的信息进行综合分析及处理的一种技术,它避免了单传感器的局限性,可以得到更为全面、准确的信息估计。文章主要论述了多传感器数据融合的基本原理、特点与结构、方法及应用,并对多传感器信息融合技术的研究进行了展望。     

潜艇大气环境多传感器信息融合技术研究

介绍了多传感器信息融合技术的概念，分析了多传感器集成与信息融合、方法与算法的问题，论述了潜艇大气环境多传感器信息融合技术研究的必要性。     

分布式水下多传感器多目标模糊跟踪融合方法

水下多传感器多目标跟踪系统往往是一个不同类传感器融合系统,且其目标航迹包含有不确定和模糊信息.本文首先利用模糊隶属度函数和模糊逻辑推理技术,进行分布式水下多传感器多目标航迹模糊融合关联决策,并利用有效数据处理和分层融合估计相结合的方法,以实现不同类传感器高精度融合跟踪估计.     

基于强跟踪滤波器的多传感器非线性动态系统状态容错融合估计

将强跟踪滤波理论与多传感器数据融合估计方法相结合，提出基于强跟踪滤波器的多传感器数据融合估计新算法。对拥用相同采样的分布式多传感器单模型非线性动态系统，应用强跟踪滤波器，得到目标状态基于全局信息融合估计结果，并利用计算机仿结果对算法的有效性进行了验证。这些工作初步解决了Kalman滤波中由于模型的不确定性而造成估计误差值偏大情况下的状态融合估计问题，从而丰富和发展了多源信息融合理论。     

舰船信息融合系统中的网络安全态势模型研究

我国领海面积辽阔,海洋资源丰富,为了加强对海洋资源的监控,提高我国海上运输与资源开采的水平,建立有效的海上雷达监控系统和船舶自动识别系统AIS具有重要的战略和商业价值。信息融合技术,特别是传感器信息融合技术是海上监控系统和AIS系统的关键技术,决定了海上监控、舰船识别系统的工作效率和精度。近年来,互联网技术发展迅速,舰船信息融合系统的信息安全性引起了国内外研究人员的重视,特别是军事领域的监控系统信息安全。本文针对舰船信息融合系统的网络安全问题,建立相应的网络安全态势评估模型,并在此基础上对舰船信息融合系统的数据融合进行仿真分析。