VTS中雷达和AIS信息融合算法探讨

提出VTS中雷达和AIS信息时间统一性的算法,采用K近邻域法和基于统计的加权估计法对雷达和AIS信息进行相关判别和融合,提高了VTS对目标的跟踪性能和可靠性。     

AIS与雷达信息融合关键技术的研究

现代水运物流业的快速发展使得由AIS与雷达分别组成的单一系统无法满足航道中船舶管理的需求,而AIS与雷达的信息融合应用可以增强所获取数据的准确程度,从而降低水运事故的发生率。文中设计了一种分布式的融合模型,采用了墨卡托投影、MK—NN以及加权融合等理论和算法,进行了信息融合功能的设计与实现,选取MATLAB软件对设计方案进行了仿真与测试,结果表明该模型与传统手段相比能获取更加准确的数据。     

自适应加权融合算法在图像型火灾探测系统中的应用

根据船舶火灾探测的特点以及火灾早期预报的要求,设计了带图像信息的火灾自动报警系统,并将自适应加权融合算法应用于该系统。在该系统中信息层完成数据采集、处理,特征层运用自适应加权融合算法进行特征融合,决策层运用概率神经网络进行决策融合,完成船舶火灾探测系统的自动报警输出。实验表明,将该算法应用于此系统能够准确、快速探测火灾,识别日光灯、酒精灯等干扰源,具有较强的抗干扰性。     

船舶无人驾驶中的数据融合技术应用

海上船舶无人驾驶技术是现代海上信息化发展的重要方向,其不仅需要按照规定的航向航速运行,还需要考虑船舶碰撞及各类突然情况。无人驾驶技术对采集的信息及数据融合处理要求很高,通过各类传感器采集海上地形﹑环境﹑目标船只等信息,进行融合处理,为船舶无人操控提供可靠的航行数据。本文重点研究无人驾驶领域中利用AIS与雷达数据的信息融合方法,提出一种基于船舶航行及数据加权融合算法,最后进行仿真。     

基于模糊理论的雷达/AIS目标数据融合方法

雷达和船舶自动识别系统(AIS)是保证现代船舶航行安全的重要导航设备。针对1部雷达和1部AIS得到的目标航迹进行融合,提出1种基于模糊理论的雷达/AIS目标数据融合方法,采用模糊数学中的正态隶属函数法来进行航迹相关,数据融合则采用参数加权方法,并将融合后数据进行多项式拟合,用以提高导航数据信息的精度与可靠性。通过仿真实例验证了此方法的可行性与有效性。     

基于加权信息增益的并行融合AUV协同定位方法

[目的]为提高杂波干扰下自主水下航行器（AUV）集群系统在协同定位过程中的全局定位精度,提高定位信息的实时性,提出一种以信息增益为评价标准的局部信息融合算法。[方法]通过阈值加权方法对观测数值进行粗差改善,进行局部信息滤波,优化观测值以使其更接近于真实值。从信息熵理论的角度考察各量测信息的可靠性,对多台主AUV的多组局部滤波信息进行优化。以信息增益为融合权值指标,融合多组局部滤波结果,生成唯一的被测从AUV定位信息。进一步地,考虑到主、从AUV之间的声呐探测以及水声信号的通信延时特性,局部信息滤波与信息增益融合算法会出现滤波数据异步的问题,提出一种局部信息滤波和信息增益加权方法的并行结构,通过实时更新机制,确保信息加权算法的输入值为最新时刻的局部滤波输出值。[结果]仿真实验结果表明,相较于多源局部滤波信息,所提融合方法能够有效降低局部滤波误差,提高定位精度,对局部滤波有进一步的优化作用。[结论]所提融合方法可有效实现多AUV系统的协同定位能力。     

船用ARPA雷达与AIS信息融合的实现

将AIS信息融人到ARPA雷达系统中,为船舶导航和避碰系统提供更精确可靠、更实用的数据.归纳出ARPA雷达与AIS信息融合的系统框架,针对基于模糊数学和统计加权方法进行航迹关联的不足,提出基于灰色理论的航迹关联算法.模拟实验的分析结果表明,目标船在40艘左右的情况下,识别准确率为98%～99%,具有较高的航迹关联匹配率.     

基于自适应渐消Sage-Husa扩展卡尔曼滤波的协同定位算法

[目的]针对多自主水下航行器（AUV）在航行过程中的定位精度等问题,提出一种基于自适应渐消Sage-Husa扩展卡尔曼滤波的多AUV协同定位算法。[方法]首先,改进滤波算法中的自适应滤波器,由渐消记忆指数加权得到新息协方差估计值,并引入渐消因子修正预测误差协方差,以达到调节滤波增益的目的。然后,建立多AUV协同导航模型,得到基本的协同导航滤波过程,通过对速度、加速度及位置信息的融合,实现对跟随AUV位置状态的准确估计。最后,采用此算法与EM-EKF,EKF算法分别对AUV协同导航模型进行仿真,并对结果进行对比。[结果]结果表明,在噪声协方差不匹配时,所提算法与EM-EKF,EKF算法相比均方根误差（RMSE）分别减少17.82%和24.48%,平均定位误差分别减少17.87%和22.54%;在噪声协方差时变时,RMSE分别减少42.11%和51.23%,平均定位误差分别减少34.87%和46.90%。[结论]所提算法有效改善了滤波的可靠性、精确性和自适应性。     

基于测量分量加权融合的GPS/SINS船舶组合导航算法

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通常提供的是不等同维的测量数据,加之传统测量值加权融合存在各传感器测量等同维数的约束,使得该类算法在船舶组合导航中的应用能力和使用范围受到了很大的限制.针对上述问题,以GPS和SINS组成的、具有不同维数测量的船舶组合导航系统为研究对象,提出了一种新的基于测量分量加权融合的船舶组合导航算法.该算法的基本思想是寻找一个变换矩阵将具有不等同维数的测量扩维成满状态维数的矩阵,然后考虑扩维后的噪声方差是奇异矩阵,从而采用测量分量对应加权进行融合.与传统的测量加权融合方法相比,该方法不仅具有更广的应用范围,而且保持了与传统的集中式扩维融合相同的高精度性能.算法的性能分析和计算机仿真证明了新算法的有效性和优越性.     

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.