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。     

基于多传感器递推总体最小二乘融合的水下机器人动力学模型参数辨识

对于水下机器人动力学模型辨识问题,如果其观测方程的系数矩阵包含随机扰动,则其最小二乘估计一般是有偏的。为此,该文提出一种基于多传感器递推总体最小二乘融合的水下机器人动力学模型辨识算法(RTLS_F)。首先,给出了集中式总体最小二乘融合的算法;然后,在总体最小二乘框架下,推导出多传感器递推融合估计算法。通过仿真实验对RTLS_F与其它水下机器人动力学参数辨识算法进行了比较。实验结果表明,在系数矩阵和观测向量都含有误差的情况下,最小二乘融合是有偏估计且难以提高估计精度,而RTLS_F算法可以有效改善参数辨识性能。     

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。     

基于时延数据融合的港口船舶监控策略研究

在对现有港口船舶航行监控方法以及导航技术详细分析的基础上,结合基于Kalman滤波的数据融合技术,讨论了利用雷达、GPS以及AIS数据进行港口船舶导航算法和监控策略的设计问题。针对现有的时延平滑估计存在的缺点,提出一种基于时延的集中式预测估计融合算法。新算法具有很高的实时性和可实施性,同时,将新算法与现有的时延平滑估计融合算法相集成,提出一种完整的船舶导航和监控策略,计算机仿真算例验证了新算法的优越性,同时显示了新监控策略的有效性。     

粒子群算法在单矢量水听器方位估计中的应用

粒子群优化算法是一种新颖的进化算法,它基于群体迭代.群体中的粒子在解空间中追随适应度最优的粒子,调整速度与位置并搜索最优解.根据MUSIC算法的定向原理,建立适应度函数,利用粒子群算法对单矢量水听器方位估计算法进行优化.结果表明,优化后可以提高低信噪比时方位估计的精度,并实现对目标的三维定位,同时还可以避免因成阵所带来的使用限制.     

舰船组合导航系统的顺序滤波融合算法

舰船组合导航系统Kalman滤波的集中式融合与分布式融合方法存在滤波精度与计算性能、容错性不可兼顾的缺点.且船舶运动受海洋环境等的影响,其噪声基于白噪声建模过于理想化.针对上述问题,提出了舰船组合导航系统的顺序滤波融合算法.该算法的基本思想是采用一阶Markov过程建立舰船运动的噪声模型,并用状态扩维方法将状态方程转化为符合标准Kalman滤波的基本方程,然后每一时刻检查各导航子系统的有效性,对有效的导航子系统引入顺序滤波融合思想实现导航定位.与传统的顺序滤波融合算法相比,新算法在保留与集中式融合同样高的滤波精度、计算性能好的优点的基础上,新增了实用性强、容错性好的优点.理论分析和舰船SINS/GPS组合导航仿真结果表明了新算法的有效性和优越性.     

舰船GPS定位软件雷达跟踪信息多层融合方法研究

本文提出一种以自适应加权融合算法为核心的信息多层融合方法,以解决以往经典算法下舰船GPS定位软件雷达跟踪信息融合度低的问题。方法首先进行信息预处理,包括坐标变换与时间对准2个方面,然后对GPS和雷达的定位信息进行关联度判断,最后利用自适应加权融合算法对关联度较高的GPS和雷达定位信息进行合成。结果表明:本方法信息融合平均标准差小于D-S证据理论与人工神经网络下2种方法的平均标准差1.238和1.106,融合程度更高。     

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。     

集对分析在多雷达数据融合中的应用研究

多部雷达在探测目标时,因受低空杂波、电子干扰和雷达自身探测精度等影响,易使部分雷达的探测数据不可靠而造成融合中心数据处理精度的下降.针对这一问题,本文提出了一种应用1次融合数据为特征的集对分析思想,把每时送入融合中心的各雷达探测数据与1次融合后的数据组成集对,求出目标状态当前时刻的区间估计,去掉每时落入估计区间之外的雷达探测数据,再作2次融合.仿真结果表明,应用集对分析实现多雷达探测数据的择优融合,不仅算法简单,而且能有效提高不确定雷达系统的跟踪精度和可靠性.     

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。