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。     

基于PF-DC的多传感器目标跟踪算法

针对传统的粒子滤波(PF)的多传感器目标跟踪算法存在计算量过大的问题,研究了一种基于PF和数据压缩(PF-DC)的多传感器目标跟踪算法.仿真结果表明,与传统的串行多传感器PF算法相比较,该算法可以极大的降低算法的计算量,从而有效地提高算法的实时性.     

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。     

基于多目标优化遗传算法的武器-目标分配

针对武器‐目标火力分配问题,建立了基于效能最大和用弹量最少的多目标优化模型。基于 Pareto集非劣分层思想对遗传算法进行改进,利用非劣分层遗传算法处理武器‐目标分配多目标优化问题。非劣分层遗传算法通过对种群内的所有个体的多个目标函数进行非劣分层排序来度量个体的适应能力,通过遗传算法实现多样性进化操作,能够获取Pareto最优解集,以供决策者参考。仿真试验表明：该方法能够获得满意的分配结果,方便快捷地解决多平台多类型武器‐目标分配问题。     

基于粒子群优化的多路径规划方法研究

借鉴遗传算法求解多峰函数优化问题的思想,开展了基于粒子群优化的多路径规划方法研究.给出了多路径规划算法的基本思想和算法流程,讨论了算法中粒子群的多样化方法以及多种群的隔离进化策略,并针对多个仿真环境进行了仿真实验.仿真结果表明,本文设计的多路径规划算法能针对不同的环境模型进行环境划分,正确、有效地规划出多条运动路径.     

基于遗传模拟退火算法的机动多目标数据关联问题研究

应用遗传模拟退火算法将机动多目标的数据关联问题表达为一类约束的组合优化问题研究时,可极大地提高密集多回波环境下系统跟踪多机动目标的精度和可靠性.仿真结果表明,遗传模拟退火算法明显地优于独立地使用遗传算法和模拟退火算法.     

基于遗传模拟退火算法的机动多目标数据关联问题研究

应用遗传模拟退火算法将机动多目标的数据关联问题表达为一类约束的组合优化问题研究时,可极大地提高密集多回波环境下系统跟踪多机动目标的精度和可靠性。仿真结果表明,遗传模拟退火算法明显地优于独立地使用遗传算法和模拟退火算法。     

多传感器序贯势分布概率假设密度滤波

针对多传感器多目标跟踪中数据关联的计算复杂性问题,提出了一种多传感器序贯势分布概率假设密度滤波算法.利用序贯滤波的方法将单传感器的势分布概率假设密度滤波扩展到多传感器情况,并给出了高斯混合实现的序贯势分布概率假没密度(Gaussian mixture sequential PHD,GMSPHD)滤波的递推算法.仿真实验结果表明,文中提出的GMSCPHD滤波算法具有较高的多目标状态估计和目标数目估计精度,是一种有效的多传感器多目标跟踪方法.     

一种基于克隆选择的量子遗传函数优化算法

为了解决量子遗传算法(QGA)用于连续多峰函数优化易陷入局部极值的问题,将免疫学中的克隆选择算法的概念和原理引入到量子遗传算法中,提出了一种新型的进化算法——基于克隆选择的量子遗传函数优化算法.该算法通过克隆选择、高斯变异以及量子旋转门等操作对可行解进行搜索,提高了算法在解决函数优化问题的全局寻优能力。典型函数的测试结果表明该算法优于传统的QGA和一些遗传算法。     

用遗传算法求解车间调度问题

提出了一种较为有效的求解车间调度问题策略。研究过程中引入自适应遗传算法思想,结合一种能够很好地解决调度问题地编码规则和适应度值函数,对该算法进行了分析。仿真结果表明,该算法和编码规则非常适合调度问题,且优于一般遗传算法,并与一些经典地算法相当。     

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。     

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。     

无线传感器网络的数据库体系构想

无线传感器网络是由部署在多个监测区域的大量的智能传感器网络节点组成,通过无线通信方式形成一个多跳的无线网络系统。本文将无线传感器网络看作是一个分布式感知数据库,从数据库管理和处理技术的角度,对无线传感器网络面临的一系列问题自上而下的进行分析和研究。     

异步多传感器数据融合

在分布式多传感器数据融合系统中，由于每个传感器的采样周期不同以及具有不同的通信延迟，导致送入融合中心的局部航迹往往不是同步的。提出一种多传感器异步数据融合算法，该算法首先利用最小二乘实现时域融合，将航迹同步化，然后利用一种序贯的Kalman滤波方法进行融合。     

单矢量水听器多目标方位估计的算法研究

矢量水听器可有效抑制各向同性的背景噪声干扰,能同时共点地拾取声场的声压标量和振速矢量信息。这些信息的偶次阶矩组成了以各个目标的声强和方位为未知数的非线性方程组。为了求解该方程组,研究了具有全局最优化概率搜索的快速方法:遗传算法和小生境遗传算法,并对两者的性能进行比较。仿真试验的结果证明了算法的可行性,即基于小生境遗传算法能够实现单个矢量水听器进行多个非相干源目标的方位估计。为了提高弱目标的方位估计精度,又提出了二次小生境搜索方法。     

集中式自适应网格IMMJPDA算法

现有的集中式交互多模型联合概率数据互联( IM MJPDA)算法在多模型这个意义上都是基于固定结构的,而固定结构多模型算法存在的缺陷这些算法都不可避免的存在.为此,将一种变结构多模型算法——自适应网格交互多模型( AGIMM)算法和联合概率数据互联(JPDA)算法相结合,提出了用于多传感器多目标跟踪的集中式自适应网格IMMJPDA( AGIMMJPDA)算法.该算法通过自适应网格实现模型集合自适应调整来克服固定结构IMMJPDA存在的缺陷.仿真结果显示,该算法可以有效克服固定结构IMMJPDA算法存在的缺陷,并提高IMMJPDA算法的费效比.     

Selection Method of Multi-Objective Problems Using Genetic Algorithm in Motion Plan of AUV

To research the effect of the selection method of multi-objects genetic algorithm problem on optimizing result, thismethod is analyzed theoretically and discussed by using an autonomous underwater vehicle(AUV) as an object. A changingweight vtlue method is put forward and a selection formula is modified. Some experiments were implemented on an AUV.TwinBurger. The results shows that this method is effective and feasible.     

柴油机双层隔振系统耦合振动主动控制仿真研究

本文针对双层隔振系统多自由度耦合振动的特性，设计了以ⅡR滤波器为基本组成单元的多输入多输出（MIMO）自适应控制器，推导出相应的自适应算法－多误差x-RLMS算法，并进行了双层隔振系统耦合振动主动控制的仿真研究，结果表明，控制算法有较好的收敛性与稳定性，取得了较好的控制效果。     

遗传算法在舰艇编队电磁频谱管理中的应用

为了避免舰艇编队作战过程中电子设备间的电磁干扰,需要对编队实施电磁频谱管理。文章推导了编队电磁频谱管理的数学模型,并引入遗传算法求解该模型。通过对致死染色体的基因进行治疗改进了遗传算法,改进后的算法可以快速给出电磁频谱管理的决策结果。仿真证明,该算法在编队作战中可以得到较好的作战效能。     

舰船智能结构动态特性的实验研究

振动是存在于船体结构中的一个普遍现象，它所带来的危害一直为人们所关注。根据振动主动控制原理，建立了以压电陶瓷作为执行器和传感器的甲板振动主动控制模型；利用ANSYS软件对建立的实验模型进行了有限元压电耦合动力学数值计算，确定了压电作动器和传感器在受控结构中的布置位置；搭建物理实验平台，开发了基于滤波后—xLMs控制算法的单输入多输出的振动自适应主动控制系统，在使用模拟滤波器的基础上，对所采用的实验模型进行筒谐及随机扰动下振动主动控制的物理实验研究。实验结果表明，通过控制甲板结构的边界，从而有效控制其振动情况的方法是可行的。这为微小型航行体减振降噪提供了一条新的途径。