共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
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。 相似文献
4.
多传感器多平台多目标数据融合系统中的数据对准研究 总被引:4,自引:0,他引:4
数据对准是数据融合系统中相关、跟踪和识别等功能的基础。通过研究多传感器多平台多目标战术数据融合仿真系统,对该系统数据对准的功能层次作了探讨,并根据海上目标的特点,设计和实现了相应的时间对准算法和空间对准算法。 相似文献
5.
李洪瑞 《七一六所科技学报》1997,(3):12-17
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。 相似文献
6.
7.
海面分布式传感器多信息融合技术 总被引:5,自引:5,他引:0
在海上军事指挥系统及其目标识别中,基于分布式的多传感器信息融合技术一直是海上作战体系中的重要研究课题。由于受海面环境噪声等因素影响,单个传感器对目标物数据的采集往往精度比较低甚至会出现误差。本文重点研究信息融合技术中的数据关联算法,提出一种联合概率数据关联算法,较好的克服了在海面噪声干扰及多径信道干扰条件下的多目标定位跟踪的精度。最后对算法进行实验仿真,通过分析得出此算法的有效性。 相似文献
8.
本文以潜艇C^3I系统需求为背景,介绍了有序分层融合模式及其相应算法。仿真和加载试验表明,该模式成功地解决了多传感器多目标信息的融合处理问题。 相似文献
9.
充分利用目标的位置、速度信息进行航迹融合 ,在一定条件下能够改善目标的航迹精度。本文对基于互协方差的航迹融合算法进行了仿真分析 ,并对航迹融合模型的稳定性进行了探讨。由于传感器精度的差异 ,不同精度传感器融合会产生不同结果 ;在对模型及其稳定性分析基础上 ,给出了传感器融合的限定条件和适用场合 相似文献
10.
11.
多传感器信息融合仿真平台的设计与实现 总被引:1,自引:0,他引:1
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。 相似文献
12.
13.
H∞滤波及数据融合在目标跟踪中的应用 总被引:2,自引:0,他引:2
为了解决在强干扰下的目标跟踪问题,本文基于H∞滤波和数据融合的思想提出一个多传感器跟踪算法。与卡尔曼滤波算法相比,本文提出的方法具有较高的滤波精度和较强的鲁棒性。最后的仿真表明了该算法的优良性能。 相似文献
14.
15.
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。 相似文献
16.
17.
首先对无线传感器网络数据融合的相关技术进行比较,在分布式数据融合算法的基础上提出了一种改进高效数据融合算法,利用NS2仿真平台对其传输开销进行仿真测试。仿真结果表明,相比分布式数据融合算法,所提的算法能够更有效地减少传输开销并且节省节点能耗。 相似文献
18.
基于Kohonen神经网络的多传感器数据关联算法 总被引:2,自引:0,他引:2
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。 相似文献
19.
针对多传感器数据融合中的传感器系统配准问题,基于扩展卡尔曼滤波原理,推导了直角坐标系下的多传感器系统配准误差滤波算法,通过仿真计算表明,该算法计算量小,可有效滤波传感器系统配准过程中的误差,对保证后续的数据融合准确性具有重要意义. 相似文献
20.
高阶神经网络与D—S方法在数据融合中的应用 总被引:1,自引:0,他引:1
讨论了数据融合与高阶神经网络的串行结合。根据Dempster-Shafer证据理论的基本原理,利用多传感器多周期测量条件下命题不确定性度量的融合算法公式,进行命题的空间和时间融合,以达到空中目标的敌我识别。将融合后的最终结果输入到高阶BP神经网络中,通过目标向量样本的训练,输出相应的目标类型。仿真结果证明,这种方法是行之有效的。 相似文献