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.     

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.     

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。     

基于自组织神经网络的多目标跟踪方法

本文陈述了多维Kohonen网络和网络的学习算法，提出了一种使用多维Kohonen网络求解多目标跟踪问题的神经网络方法。仿真结果表明Kohonen网络能够用于求解多目标跟踪问题，克服了传统方法的组合爆炸问题，提高了跟踪速度和精度。     

基于支持向量机的多传感器船舶火灾探测技术

针对船舶火灾探测误报率高的情况,为提高火灾探测系统的可靠性,提出一种基于支持向量机的多传感器火灾信息融合方法。经过仿真试验证明,通过多传感器探测数据的有效融合,可以大幅提高火灾探测系统的火灾识别率。     

基于信息融合的实时数据处理方法应用

文章以实际工程背景为出发点,以提高某指挥控制数据处理系统的处理效果为目的,在对当前已有的数据处理方式、方法深入剖析的基础上,综合运用多传感器信息融合技术、多目标跟踪技术、Kalman滤波技术等多种数据处理方法设计了一套改进的数据处理系统。解决了多传感器跟踪同一目标时,因各传感器精度、数据采样率不同而造成的航迹混乱的现象;解决了飞机编队起飞、大空域机动、空中编队和交叉飞行等复杂状态下的跟踪、态势综合、指挥控制、实时测控引导问题;应用系统设计包括系统体系结构与处理流程、多传感器融合算法模型、多种滤波算法、实测数据仿真和实际系统应用等问题。     

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。     

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。     

基于雷达红外复合信息的目标毁伤评估技术研究

防空导弹击中目标后,指控系统实时快速判断该目标是否被有效毁伤,是系统释放该目标通道的前提。通过分析序列红外图像中目标不变矩特征的变化,可对武器爆炸瞬间对目标所产生冲击和损伤进行评估;通过基于雷达测量空中目标有关运动学参数,建立目标运动状态变化的参量模型,根据目标视航角与加速度变化相结合的判别方法,可得出目标被有效毁伤的判据。论文提出了一种基于雷达红外复合信息的目标毁伤评估技术的流程和实现方法,并通过仿真初步验证了该方法的有效性。     

网络数据融合技术在MITS中的应用研究

探讨了基于传感器网络的数据融合技术在海事智能交通系统(MITS)中的应用问题,为该领域的进一步研究提供一些有价值的思路和见解。基于目前研究遇到的困境,提出将MITS抽象成一个无线传感器网络(WSN),从而可在WSN环境下引入数据融合技术来研究海事智能交通系统中的各种信息处理问题,如船舶的定位与导航以及避碰等;紧接着,总结了现有定位、导航、避碰和船舶安全管理技术研究的现状并分析了存在的主要问题;针对基于GPS的MITS存在的种种弊端,结合各国卫星定位导航系统的建设现状,提出利用MITS内其它元素的信息和多源信息融合技术来实现船舶的相对定位和导航这一新思路;最后,从网络数据融合技术角度出发,具体指出了MITS网络融合系统构建时所必须考虑的一些基本问题,并给出该融合系统的一般性框架。     

数据融合技术在船舶组合导航中的应用研究

随着船舶导航系统的组合应用,有必要对组合导航信息进行数据融合以提供高可靠性的导航信息。在简单分析了船舶导航信息主要的数据融合方法的基础上,针对联邦滤波器的结构设计了传感器本地多次数据融合决策算法,并对融合了传感器本地决策数据融合算法的容错性进行了分析,对于推动数据融合在船舶组合导航中的应用具有一定借鉴意义。     

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。     

双波段红外目标数据融合模型的研究

从跟踪性能,计算的复杂性,以及应用范围等方面对双波段红外传感器的三种融合模型进行比较,得出来自同一平台上两个红外传感器的数据,在各传感器没有各自的数字处理机的情况下,点迹融合模型较其余两种模型实用的结论。最后给出在点迹融合模型的基础上,用极大似然融合算法对点迹进行融合处理的仿真结果,证明该算法用于此种模型能提高目标状态信息的估计精度,降低测量误差,从实际应用上进一步说明算法的有效性。     

试验数据统计建模研究

针对数据融合技术和仿真试验的难点，对试验数据的建模问题作了分析研究，简要介绍试验数据建模的成果。     

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.