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.     

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。     

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.     

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.     

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.     

基于点迹距离的概率数据关联方法

数据融合技术在当前科技飞速发展、需求日益迫切的形势下受到了越来越多的关注,而数据关联作为数据融合的核心和关键技术,在军用和民用领域中都得到了大力推广.为解决电子信息系统融合测试过程中,大量目标航迹真值和融合系统输出航迹的匹配问题,在数据关联方法的基础上,提出了基于点迹距离的概率数据关联方法,并通过实际应用,验证了该方法的可行性及流程的合理性.     

分布式多传感器无源定位综述

对分布式多传感器无源定位的概念进行描述,分析分布式多传感器无源定位的特点,详细阐述其国内外研究现状,深入分析了其关键技术问题(分布式无源定位技术、非线性滤波技术、数据关联技术),并给出了现阶段解决这些问题所采用的方法.     

基于虚拟化的分布式数据容灾保护

基于网络层存储虚拟化,结合(n,m)数据分散技术,提出了一种适于分散部署的多数据中心、多容灾备份中心之间的分布式数据容灾保护方案.该方案通过对容灾数据的拆分与整合来实现分布式保护,在保证容灾数据灾难恢复能力的基础上,既减少了存储空间的占用率,又增强了容灾数据的安全性.     

基于集对分析的多目标数据关联技术研究

针对新型作战样式条件下空中多机动目标密集回波的数据关联问题,从缓冲算子思想入手,先对雷达探测的目标数据进行随机性弱化处理,然后再运用集对分析思想来研究密集回波下的多机动目标的数据关联问题.仿真结果表明,该方法能在较短的时间内得到较高的关联精度.     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合,提出一种求解多传感器多目标跟踪数据关联问题的方法.该方法的目的是实现多传感器观测数据的模糊聚类,使源于不同目标的观测数据能正确划分到该目标中去.仿真结果表明,该算法可以实现数据与目标的正确关联,克服传统硬判断的一些缺点.