共查询到19条相似文献,搜索用时 234 毫秒
1.
2.
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
3.
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。 相似文献
4.
5.
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
6.
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. 相似文献
7.
基于Kohonen神经网络的多传感器数据关联算法 总被引:1,自引:1,他引:0
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
8.
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
9.
10.
应用信息融合理论和技术研究舰载S&D(Search & Detection)系统中多传感器雷达的多机动目标跟踪问题,可极大地增强系统跟踪目标的能力,改善和提高系统的跟踪精度.仿真结果表明,使用的几种融合算法都可大大提高系统跟踪精度,同时还可提高系统的可靠性. 相似文献
11.
12.
基于自组织神经网络的多目标跟踪方法 总被引:2,自引:0,他引:2
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。 相似文献
13.
FMM人工神经网络在模式识别和分类中具有独特的优势,D—S证据理论在多传感器决策融合上具有优势。提出了一种FMM神经网络与D—S证据理论相结合的多传感器数据融合目标识别方法,给出计算机仿真结果,表明该方法可以克服单一传感器ATR系统的局限性,提高对目标的识别率和系统的容错性。 相似文献
14.
对于水下作战,目标识别十分困难,因此必须走多传感器融合、多技术融合的道路,应分析研究不同的方法优缺点,取长补短,综合处理。本文比较了不确定性推理技术中主观Bayes方法与证据理论的特点,分别给出了基于2种技术的目标融合识别思想。提出了基于Bayes统计理论的身份识别和基于D-S理论融合身份识别的框架。研究了基于模糊神经网络的多传感器信息融合技术,提出了模糊神经网络信息融合紧密结合与松散结合的2种处理框架,并结合应用讨论了其特点。 相似文献
15.
16.
XIA Li FEI Qi 《船舶与海洋工程学报》2006,5(1):62-68
1Introduction Withthedevelopmentofequipmentinsize,complexity andsystematization,ithasdrawnwideattentionof scholarsathomeandabroadtointroducetheinforma tionfusiontheoryintothefieldoffaultdiagnosis.Neu ralnetworktechnology[1,10]isconsideredpracticaland effe… 相似文献
17.
18.
针对海上船舶雷达在多目标跟踪过程中实时性较差和不能快速响应的问题,提出目前密集杂波情况下多目标跟踪中最为有效的数据关联算法——联合概率数据关联(Joint Probabilistic Data Association,JPDA)算法。为解决JPDA随着目标增多的情况会出现的组合"爆炸"及计算量较大导致跟踪实时性较差的问题,从分析联合概率数据关联确认矩阵着手,依据Hopfield神经网络在解决旅行商问题(Travelling Salesman Problem,TSP)时的思路,提出基于Hopfield神经网络联合概率数据关联(Hopfield Neural Network Joint Probability Data Association,H-JPDA)来改进联合概率数据关联算法,通过简化矩阵拆分过程,显著减少计算量,提高跟踪的实时性。基于上述改进的神经网络联合概率数据关联算法,通过MATLAB对多目标跟踪进行仿真,仿真结果表明该算法能提高跟踪的实时性和快速响应能力。 相似文献