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.     

基于改进Kohonen神经网络的多传感器关联融合算法

把一种基于Kohonen神经网络模糊聚类方法运用到多传感器多目标数据关联中来,该方法能对多传感器的测量数据进行自组织聚类,把测量数据准确地划分到各个类别中去,从而实现测量数据的关联。计算机仿真结果表明,该方法运用到多传感器多目标数据关联中来具有明显的优越性,能克服传统算法的错跟漏跟现象。     

基于UKF的Rao-Blackwellized粒子滤波器多传感器多目标跟踪算法研究

在纯方位多传感器多目标跟踪问题中,状态的测量通常是来源未确定的观测量,在杂波环境尤为如此,需要同时解决多个目标的测量和目标之间的关联问题。本文提出一种新的基于Rao-Blackwellized思想的RBPF-UKF算法。该算法利用Rao-Blackwellized将多目标跟踪问题转化为2个子问题:数据关联及单目标跟踪问题,利用粒子滤波中的序列重要性重采样原理解决多目标跟踪的数据关联问题,用UKF滤波器实现单目标跟踪。仿真结果表明,RBPF-UKF算法能很好地解决多目标数据关联问题,与RBPF-EKF算法相比具有更高的滤波精度及稳定性,体现了该算法的优越性。     

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。     

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.     

主被动声呐多目标航迹关联的双门限算法研究

主被动声呐航迹关联在军事多传感器数据融合方面是一个重要研究课题，本文基于统计理论提出了双门限主被动声呐航迹关联算法，推导了双门限阀值的选取，仿真结果表明该方法能有效地判决航迹的关联。     

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.     

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。     

改进区间Kalman滤波器及其在船舶组合导航中的应用

具有执行简便和高精度优点的测量值融合技术已经在船舶组合导航中得到了广泛应用。但由于船舶组合导航系统中各子系统模型参数的不确定性,传统的多传感器数据融合算法状态估计精度难以保证,因此提出了一种多传感器数据融合的改进算法。该改进算法不仅具有常规区间Kalman滤波器的鲁棒性,而且实用性较强。其具有如下特点：将所有系统不确定性和观测不确定性等效为系统噪声和观测噪声的不确定性,简化了系统模型;采用一种较为简单的区间矩阵综合求逆方案;利用时变马尔可夫模型在线调整滤波输出加权系数。仿真结果表明：该改进算法的状态估计精度较高。     

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.     

多传感器数据融合算法研究

本文从目标跟踪、提高跟踪精度的角度出发，讨论了基于同类传感器测量的数据融算法和基于不同类传感器航迹的航迹综合算法，将前者用于侦察设备的多站定位，开了一载体的必要机动，后者用于多类传感器的航迹综合，仿真结果表明，多传感器数据融合结果要优于单传感器。     

基于位置信息的多传感器数据关联

提出了基于位置信息融合的多传感器数据关联的理论算法，并进行了理论仿真计算，结合海上试验数据进行了验证比较。     

多传感器数据融合在船舶特征提取中的应用

给出一种基于多传感器数据融合的船舶特征提取方法。该方法使用激光传感器LD-LRS3100与LMS221,对船舶长度、高度、宽度、速度信息进行测量,然后通过数据关联、数据融合方法进行船舶提取。实验结果表明,使用多个传感器的数据融合方法比单个传感器的提取结果更为准确。     

主被动声呐多目标航迹关联的双门限算法研究

主被动声呐航迹关联在军事多传感器数据融合方面是一个重要研究课题,本文基于统计理论提出了双门限主被动声呐航迹关联算法,推导了双门限阀值的选取,仿真结果表明该方法能有效地判决航迹的关联.     

一种基于视线距离的改进的数据关联算法

基于视线距离的数据关联算法,利用关联组合的平均视线距离和有效传感器个数来计算关联代价,认为同一个目标只要被超过2/3的传感器所观测到,所得关联组合就是有效的,并以关联代价最小为关联准则构建数据关联算法。仿真结果表明,改进算法对于漏检、观测误差较大时仍然具有很高的关联正确率,证明了该算法的有效性。     

基于数据融合的船舶电网参数测量研究

采用单传感器的传统船舶电气参数测量方法存在很多缺陷，会受到传感器的测量噪声和电网中的电磁干扰等影响，从而影响参数测量的精度和测量结果的稳定性。为此，应用状态估计技术和多传感器数据融合理论，提出了一种新的船舶电气参数测量方法。首先建立电压和电流的状态模型，将其连续的动态方程离散化，用于数字信号处理器（DSP）中。然后采用卡尔曼滤波和无反馈分布式融合来对离散化后的采样数据进行融合，从而得到全局数据融合的最优估计。最后，经过一个周期的采集数据估计值进行有效值计算，在液晶屏中显示出来。与单个传感器的检测方法相比，该检测方法具有更高的精度和更好的稳定性。仿真结果和实验测试结果都证明了本检测方法的有效性和优越性。     

基于正态分布判别函数的航迹关联双门限算法

雷达和电子支援（Electronic Support Measurement，简称ESM）传感器的航迹关联是异类多传感器数据融合研究方面的重要前提。以往对于关联判别函数的选取，多采用X^2分布，这使得在某些实际应用中，通常会出现计算量大，确定门限闭值复杂的问题。基于正态分布关联判别函数的航迹关联双门限算法，在门限阈值的选取上直接采用正态分布中的分位数概念，避免了X^2分布中选取阂值的复杂过程。通过仿真试验，验证了决策规则的第一类风险和第二类风险，表明该方法能有效地判决航迹的关联问题。     

面向状态估计的水下多传感器信息融合技术研究

面向状态估计,阐述适于水下多传感器信息融合的技术.分析数据关联的若干方法:"最近邻"方法、"联合概率数据"、"多假设方法"、"基于神经网络的数据关联法"的特点.研究适于反鱼雷精度较高的占用网格框架下的目标距离估计技术.     

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。     

基于多传感器信息融合的移动机器人障碍探测系统

采用单目CCD摄像机获取环境空间的网像信息,融合来自超声波测距传感器系列的深度数据可完成对环境空间的快速理解.设计出基于多传感器信息融合的移动机器人障碍探测系统,分析了多传感信息A/D数据的实时采集方法,采用多传感器数据自适应加权融合算法获取最终测量结果.实验表明该算法具有线性无偏最小方差性,可获取最优的数据融合值.