多传感器多平台多目标数据融合系统中的数据对准研究

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。     

基于证据理论舰船类型识别多传感器数据融合仿真系统

建立了一个基于证据理论的舰船类型识别多传感器数据融合计算机仿真系统。阐述了基于Ｄｅｍｐｓｔｅｒ－ｓｈａｆｅｒ理论多传感器数据融合的优点，给出了仿真系统的系统结构图，说明Ｎｏｖｅｌｌ网上每个站点的功能。     

高阶神经网络与D-S方法在数据融合中的应用

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.     

高阶神经网络与D—S方法在数据融合中的应用

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。     

高阶神经网络与D—S方法在数据融合中的应用

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。     

多源数据融合系统性能评价的测试床研究

多源数据融合系统处理多个不同信息源上报的数据，估计战场环境中实体的当前和未来的运动特性，并识别这些实体的关键属性，生成综合战术态势。对多源数据融合算法和技术性能进行定量评价，评估多源数据融合系统是否按预期正常工作，既要求计算的准确性，又要求满足实时性。多源数据融合测试床可为评价多源数据融合系统的各种性能指标提供环境和能力。     

舰艇预警数据融合仿真系统设计与实现

在舰艇侦察监视系统中,数据融合已成为获得可靠战场感知的一项关键技术。本文结合我们所建立的舰艇预警数据融合仿真测试系统,阐述数据融合系统的设计与实现问题,对系统的数据融合层次化的黑板结构,以及实现中的数据配准、航迹关联和融合、属性融合和身份类型识别、态势估计、性能评估等关键技术进行了讨论。     

多传感信息融合的船舶动力定位控制系统设计与仿真

为提高动力定位测量装置的准确性和精度,本文基于多传感信息融合技术进行船舶动力定位控制系统设计与仿真研究。在地球中心固定坐标系与北东地坐标系中,建立船舶动力定位系统传感测量模型,利用半实物仿真系统的试验数据,对建立的多传感信息船舶动力控制系统进行仿真分析。仿真结果表明,上述动力定位系统模型和控制系统结构能够满足船舶半实物仿真实验系统的电罗经测量数据的融合要求,且本文设计的船舶多传感信息融合方法的融合性能优于测量数据滤波后加权融合。本文研究结果可为船舶动力定位控制系统的设计与仿真提供理论指导和试验依据。     

用于多传感器信息融合性能分析的分布交互仿真系统

采用分布交互仿真原理设计的信息融合性能测试系统 ,能够提供实时合理的多传感器态势观测数据。通过对多传感器信息融合处理环境的分析 ,给出了仿真测试系统的总体结构 ,对各模块的功能进行了描述。     

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。     

舰船信息系统多来源数据有效识别方法研究

在舰船信息系统中汇总了大量的多源数据,由于多源化的数据识别程度不同,造成传统多源数据识别方法识别速率较低,为此提出舰船信息系统多来源数据有效识别方法研究。使用线性特征计算对多来源数据进行快速特征提取,去除冗余数据减少识别数据量,以数据合成规则为基础,对提取特征进行快速融合,将融合特征数据以几何形式进行高速识别,完成舰船信息系统多来源数据有效识别。实验数据表明,设计的多来源数据有效识别方法比传统识别方法的TGK识别速率高0.15%,并具备极高的有效性。     

云环境下大规模融合研究舰船多源信息数据

目前对大规模舰船的多源信息数据融合研究中,在融合初期阶段,对数据的分解存在不足,导致融合后数据正确率受交集元素数量影响较大。因此提出云环境下大规模舰船多源信息数据融合研究。首先对多源信息矩阵进行分解,并且将得到的数据利用D-S证据理论在进行识别,得到数据类型和冲突程度。最后采用BP神经网络技术,通过训练后的神经网络,对多类型多冲突的数据进行融合运算。为了验证设计的数据融合技术的可行性,设计仿真实验,采用云环境下多艘舰船中的参数数据作为多源信息源数据作为实验数据,并采用设计方法和文献[1]、文献[2]、文献[3]中信息数据融合技术来进行数据融合。实验结果显示,设计方法融合后高斯噪声更低,且数据正确率受交集元素数量的影响较大。     

基于位置信息的多传感器数据关联

提出了基于位置信息融合的多传感器数据关联的理论算法，并进行了理论仿真计算，结合海上试验数据进行了验证比较。     

水声对抗系统中的数据融合方法研究

本文对水声对抗系统中的数据融合方法进行了研究，给出了用于鱼雷目标分类的决策级融合方法，以及利用多声纳方位测量数据进行目标初始定位和运动要素估计的融合结构，克服了需要本舰机动的限制。进行了仿真试验，对仿真结果进行了比较和分析。     

多生物特征识别系统的关键技术

单生物识别技术一直存在着很多问题，它们在准确率，用户接受程度，成本等方面都有不同的缺点，并且适应于各自的应用场合。这些问题一般可以由多生物识别技术来克服。首先对各种不同生物特征识别技术作简要的介绍，然后分析多生物特征提出的背景，并着重阐述多生物特征识别技术系统的模型和各种数据融合技术及其相应的研究发展情况，提出了它的应用前景。     

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.     

多传感器数据融合技术在VTS中的应用研究

此文分析了多传感器数据融合技术在VTS中应用的必要性和可行性，提出了应用于VTS中的数据融合处理模型。在像素级融合，研究了坐标变换、位置坐标的插值计算、目标点迹的关联与合并等技术；在特征级融合，采用BP神经网络、D—S证据理论进行目标识别。     

基于模糊综合技术的多传感器目标识别融合

通过研究基于模糊综合技术的多传感器之间的目标识别融合技术，把不同传感器提供的不同信息进行融合，这样可以把声呐系统的检测、识别、定位和跟踪联系在一起，根据它们之间一定的关系进而提高声呐系统的各项功能，以达到对弱信号的检测和估计。     

海面分布式传感器多信息融合技术

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。     

一种带反馈的多声纳跟踪融合算法

为了改善声纳系统目标跟踪性能,提出并推导了一种带反馈的两声纳跟踪融合算法,利用声纳距离、方位测量,对由两同步声纳构成的声纳系统目标跟踪融合性能进行仿真研究,结果表明:该融合算法能有效改善由两声纳构成的声纳系统目标跟踪性能,对声纳系统数据融合处理技术研究具有较大参考价值.