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PCA和小波包的遥感图像融合算法

本文提出了一中新颖的算法,来实现从高分辨率的全色图像中提取空间细节信息来改善多光谱图像相对较低的分辨率。多分辨率小波包分析用来从全色图像中提取空间细节信息,然后PCA把空间细节信息注入多光谱图像。最后在我们的实验中,我们把这种算法与几种经典的融合算法进行了比较,并得到了良好的结果。     

基于多传感器采集信息的水下机器人导航系统

设计基于多传感器采集信息的水下机器人导航系统,确保水下机器人能够高效完成水下任务,并改善其导航效果。构建水下机器人导航系统结构,传感器采集模块通过安装于水下机器人上的惯性测量单元、水温水压传感器、GPS传感器、视觉传感器获取其姿态、深度、位置、运动环境信息,数据处理模块调用联合卡尔曼滤波算法实现各种信息的融合后,经通信串口传输至运动控制模块,由主控制器实现水下机器人的运动控制。经以太网通信模块将融合后的数据传输到上位机中,导航模块通过避障算法和路径规划算法实现水下机器人的导航,并呈现导航结果。实验结果表明：该系统可实现多传感器采集信息的融合,融合后速度、位置误差获得有效降低;导航轨迹曲线与实际轨迹基本一致;可实现障碍物避障,并规划出运动轨迹。     

基于代价函数的红外多目标跟踪方法

针对复杂背景环境下的红外多目标跟踪问题,文章在已获得各多目标初始信息和观测信息的基础上,采用极坐标数据进行数据关联和滤波,提出了一种基于代价函数的红外多目标跟踪算法,通过确定红外多目标跟踪起始和终结以及后续帧处理技术,实现了不超过48批红外多目标的实时跟踪。仿真实验结果表明,该算法在运动的红外多目标检测效果、跟踪稳定性和实时性方面都有良好的性能。     

基于信息集成预处理的船舶综合舰桥系统研究

现代船舶综合舰桥系统是一个多维融合的信息系统,通过现代信息处理、通信、导航等技术利用来实现智能化指挥控制中心。随着数据采集及导航元素的多源性增多,舰桥系统的信息集成预处理显得更为关键,信息处理的准确性和时效性直接影响着综合舰桥系统性能。本文研究多源导航数据信息融合处理机制,针对船舶综合舰桥系统的数据流及结构特性,基于滤波算法设计了一种新的导航信息融合算法,仿真分析结果表明,舰桥系统的导航精度能够得到明显提升。     

收益优化在船舶虚拟云计算中心的网络资源分配算法研究

为实现高效、可靠的信息传输,首先搭建基于云计算船舶虚拟网络,然后将多目标优化问题进行转换,通过建立模型解决多目标优化的冲突问题,最后通过仿真平台进行性能测试,对比使用收益优化算法和不使用收益优化算法的模型,得出利用云计算进行船舶虚拟网络资源分配时,考虑收益优化时能够合理地进行资源分配,实现虚拟网络收益最优。     

基于UT变换改进多模型滤波的水下航行器导航方法

为了提高水下航行器组合导航系统的精度,针对滤波算法存在较大的截断误差和累积误差等问题,提出了一种基于无迹变换改进多模型滤波算法,并利用辅助信息对估计结果进行修正。首先通过无迹变换产生Sigma点对非线性测量方程进行近似,构造伪观测量进行偏差估计,然后利用基于加权因子的辅助信息融合算法,消除累积误差,进一步提高系统估计精度,最后给出算法的实现过程。仿真结果表明:与常规的多模型滤波算法相比,本文方法提高了估计精度。     

双目视觉下多尺度舰船图像轮廓特征点提取算法

为清晰分辨船舶航行图像的边缘特征信息,提出双目视觉原理下的多尺度舰船图像轮廓特征点提取算法。依照图像信息的测距处理方案,匹配必要的视觉性像素,完成基于双目视觉的舰船图像特征点标注处置。在此基础上,根据多尺度成像坐标原理,判定舰船图像的灰度信息,再通过计算轮廓特征系数的方式,实现双目视觉下多尺度舰船图像轮廓特征点提取算法的应用。对比实验结果表明,与SIFT算法相比,应用新型特征点提取算法后,QDI系数指标出现明显提升的变化趋势,船舶航行图像的边缘特征信息得到清晰化分辨。     

自适应网格交互多模型不敏粒子滤波算法

将一种变结构多模型算法——自适应网格交互多模型(AGIMM)算法和不敏粒子滤波(UPF)算法相结合,提出了自适应网格交互多模型不敏粒子滤波算法(AGIMMUPF).该算法通过自适应网格实现了模型自适应,从而以较小的模型集合覆盖了目标大范围的机动,并以此来克服固定结构交互多模型粒子滤波(IMMPF)算法存在的缺陷,同时各模型滤波算法采用不敏粒子滤波(UPF)算法,使重要性密度函数融合了最新量测信息,更好地逼近真实状态的后验概率分布.通过计算机仿真证明,提出的算法可以有效提高IMMPF的费效比.     

一种改进的基于先验信息和微粒群算法的基因选择方法

针对KMeans-GCSI-MBPSO-ELM方法中冗余基因去除时会出现的"误删除"现象,提出一种改进的基于先验信息和微粒群算法(particle swarm optimization,PSO)的基因选择方法(I-KGME).在充分考虑基因类别灵敏度(gene-to-class sensitivity,GCS)信息的基础上,利用二进制PSO耦合GCS信息和K-均值聚类算法进行基因选择,并通过二进制PSO算法实现优化.该类方法能够获取低冗余、高预测性的基因子集,并在多个基因表达谱数据上获得了优于经典基因选择方法和KMeansGCSI-MBPSO-ELM方法的性能.