基于方位合成的异类传感器航迹数据融合算法

针对纯方位传感器与二维雷达量测空间不一致的航迹数据融合问题,提出了一种基于方位合成的异类传感器航迹数据融合算法.该算法以纯方位传感器承载平台为融合中心,计算雷达和纯方位传感器探测的目标航迹相对于同一坐标系的方位量测,并用一种近似方法计算方位精度;采用基于最优权值分配原则的加权平均法对方位进行合成,用合成的方位对雷达探测的目标航迹进行修正,并将修正后的航迹作为融合航迹.该算法在获得融合航迹的同时,给出了融合航迹的精度.仿真结果表明,与雷达航迹精度相比,融合航迹的精度平均提高25.23%.     

动态航迹推测方法

应用大圆航迹和等角航迹原理,融合雷达、电报等动态数据,研究了动态航迹推测算法,以及该算法在航空器飞行轨迹预测、航空器过航路点时间预测和空中交通流量动态统计预测等方面的应用。利用广州机场的实际航班数据,将动态航迹推测算法与经验时间累加法进行了对比研究,发现动态航迹推测算法符合航空器运行规则,其误差在±0 5 min之内,能及时修正航空器的飞行轨迹,反应灵敏。结果表明动态航迹推测方法能更好地预测未来短时期内空域使用情况,是一种为空中交通战术流量管理提供准确数据的有效方法。     

一种基于ADS-B的雷达误差实时融合校正算法

针对我国中西部地区雷达未实现多重覆盖,大部分飞机未配备广播式自动相关监视(automatic dependent surveillance-broadcast, ADS-B)机载设备,监视精度不高的问题,结合雷达误差模型理论,提出了基于ADS-B数据的雷达误差实时校正算法.该算法对同一时刻获得的多组ADS-B数据与雷达数据的差值进行数据融合,得到该时刻雷达误差的最优估计值,并对雷达进行误差校正.算例仿真结果表明:经该算法校正后,雷达测量的距离与真实距离之间的均方根误差约为50 m,测量的角度与真实角度之间的均方根误差约为0.04°,且校正后的航迹和真实飞行航迹基本重合.      

基于遗传粒子群算法的船舶航迹融合研究

研究利用遗传算子对粒子群算法进行优化设计,建立了基于遗传算子的粒子群算法多源数据融合模型。该模型克服了粒子群算法在训练过程中容易陷入局部极值的缺陷,得到了更高的学习精度和更快的收敛速度。利用多传感器检测到的目标船舶航迹点数据进行了融合验证,MATLAB仿真结果表明,基于遗传算子的粒子群算法融合模型融合后的目标船舶航迹点比各传感器单独检测到的目标船舶航迹点数据更加精确,更适用于船舶航迹的跟踪及预测。     

一种避免航迹聚集的改进的JPDA方法

提出了使用分类信息来改进传统的JPDA方法,在数据关联过程中综合使用了目标的运动学信息和目标的分类信息,提高了在跟踪波门内目标正确关联的概率,有效避免了航迹聚集现象.理论分析和仿真结果表明,尤其当多个临近目标的属性信息差别明显时,有目标分类信息辅助的JPDA方法可以显著提高跟踪波门内目标的正确关联概率,降低波门内其他目标/杂波的关联概率,使得被跟踪目标的信息更新以正确目标的信息为主.仿真结果验证了算法的正确性和有效性.     

基于 ECDIS 的雷达与 AIS 信息融合的算法与工程实现

为达到雷达与AIS（船舶自动识别系统）优缺点互补以提高航行安全性的目的,提出AIS目标信息与雷达目标信息融合算法。采用多因素模糊综合决策算法进行目标关联,并且基于ECDIS （电子海图显示系统）实现雷达与AIS目标信息融合。工程研究与实现最终验证了融合算法的可靠性及有效性。     

基于传递闭包聚类的多传感器航迹关联算法

在分布式多传感器数据融合系统中.航迹关联是关键技术之一,也是实现航迹融合的前提,航迹关联判定的准确性将直接影响到整个融合系统的性能.文中针对多传感器多目标航迹关联同题,提出了基于传递包模糊聚类的多传感器航迹关联算法.该算法利用基于模糊统计量的传递团包聚类法,选择航迹的位置、速度等信息为聚类指标,对来自多传感器的航迹数据进行聚类.计算航迹相似矩阵,利用平方法求出航迹相似矩阵的传递闭包,并根据该传递闭包确定航迹关联对.仿真试验结果表明,该方法能有效地实现多传感器、多目标航迹关联.     

一种改进的多传感器伪序贯滤波算法

传统的多传感器数据融合算法假定传感器之间的测量噪声是不相关的,但实际上测量噪声存在着一定的相关性,因而会引起滤波精度的损失．针对该问题,文中研究了测量噪声相关情况下的同步多传感器跟踪系统的测量融合技术．在测量噪声相关的条件下,根据线性无偏最小方差估计理论,提出了一种改进的同步多传感器伪序贯滤波算法,该算法不但适用于噪声不相关情况,而且也适用于噪声相关情况．经仿真研究表明,该算法明显提高了航迹的融合精度：在测量噪声相关时,融合精度比传统算法有明显提高;而测量噪声不相关时,性能与传统的数据融合算法相同．仿真结果表明了该算法的正确性和有效性．     

基于金字塔多尺度融合的交通标志检测算法

为了解决传统交通标志检测算法针对小目标交通标志检测时存在误检与漏检的问题,提出了一个基于金字塔多尺度融合的交通标志检测算法;为了提高算法对交通标志的特征提取能力,引入ResNet残差结构搭建算法的主干网络,并增加网络浅层卷积层数,以提取较小尺度交通标志目标更准确的语义信息;基于特征金字塔结构的思想,在检测结构中引入4个不同预测尺度,增强深层和浅层特征融合;为了进一步提高算法检测精度,引入GIoU损失函数定位交通标志的锚点框,利用k-means算法对交通标志标签信息进行聚类分析并生成更精准的先验框;为了验证算法的泛化性与解决试验所用数据集TT100K的类间不平衡问题,增强与扩充了数据集。试验结果表明：本文算法的精确率、召回率与平均精度均值分别达到了86.7%、89.4%与87.9%,与传统目标检测算法相比有显著提高;多尺度融合检测机制、GIoU损失函数与k-means的引入能够不同程度提高算法的检测性能,使算法检测精确率分别提升4.7%、1.8%与1.2%;提出算法针对不同尺度交通标志检测时均有更优越的性能表现,在TT100K数据集中的(0,32]、(32,96]与(96,400]尺度下...     

基于自然选择粒子群的时钟同步算法

为了提高无线传感器网络的时钟同步精度,避免因不可靠数据和网络拓扑结构变化在同步过程中产生的同步误差,建立了基于自然选择粒子群融合算法仿真模型.首先,采用卡尔曼滤波算法,将多个传感器的测量数据进行局部滤波处理,去除测量数据中最底层的冗余信息,提高测量数据的准确性;其次,采用自然选择粒子群算法建立数据融合模型,计算网络的最优融合估计;最后,对自然选择粒子群融合算法模型进行仿真,结果表明:该算法的融合模型不仅能够对网络中的5个节点时钟进行有效融合,而且可以提高节点晶振的时偏和频偏的融合精度,形成一个具有较高稳定度的虚拟时钟,其时偏和频偏的融合精度主要集中范围分别为10-5和10-7,与传统自适应融合算法相比较,它的时偏和频偏融合精度提高了1个数量级.     

考虑航段相关性的航路拥挤态势多模型 融合动态预测方法

研究航路交通拥挤状态动态实时预测问题,可为缓解航路交通拥挤,优化拥挤管控 策略提供科学的依据.首先,采用神经网络理论建立考虑航段相关性的交通流参数预测模型, 预测航段流量和航段密度参数;然后,运用多模型融合预测算法提高预测精度,基于模糊C均 值聚类算法和航段历史及预测交通流参数预测航段交通拥挤态势;最后,采用雷达实测航迹 数据验证模型的有效性.研究结果表明,本文建立的预测模型同时考虑了时间和空间因素,对 航路拥挤状态预测准确率达到82.29%,预测方法符合实际且对航路交通态势的预测具有应用 价值;同时考虑航段相关性影响和采用多模型融合预测算法能够明显提高预测精度.     

һ���µĻ��ڴ������ںϵĸ��ӽ�ͨ�������·���

复杂交通场景由于背景构造困难限制了视频监控技术的应用. 为了解决这个问题,本文提出了一种新的基于传感器融合的复杂交通视频背景构造方法. 首先通过基于EM算法的高斯混合模型提高背景建模的准确性;其次,对于运动缓慢或者静止的区域,通过设定不同的采样频率来提高背景建模数据的可靠性;对来自线圈和虚拟检测线检测到的数据进行数据融合来提高虚拟线圈检测车速的精度,通过引入局部稳态最优Kalman平滑器提高了数据融合算法的自校正能力. 最后,实验结果证明了所提方法的有效性.     

一种新的基于传感器融合的复杂交通背景更新方法

复杂交通场景由于背景构造困难限制了视频监控技术的应用. 为了解决这个问题,本文提出了一种新的基于传感器融合的复杂交通视频背景构造方法. 首先通过基于EM算法的高斯混合模型提高背景建模的准确性;其次,对于运动缓慢或者静止的区域,通过设定不同的采样频率来提高背景建模数据的可靠性;对来自线圈和虚拟检测线检测到的数据进行数据融合来提高虚拟线圈检测车速的精度,通过引入局部稳态最优Kalman平滑器提高了数据融合算法的自校正能力. 最后,实验结果证明了所提方法的有效性.     

基于贝叶斯估计的短时空域扇区交通流量预测

为准确把握空域扇区流量分布态势及未来变化趋势,提出了一种基于贝叶斯估计的短时空域扇区交通流量预测方法.首先,通过解析空域系统内航空器原始雷达数据,提取各扇区历史运行信息,建立了多扇区聚合交通流模型;其次,采用贝叶斯估计理论对模型参数进行最优估计和动态更新,预测了空域扇区交通流量的未来演变趋势及其不确定范围;最后,选取国内5个典型繁忙扇区为例,以5 min为时间段,以未来1 h为预测范围,对所提预测方法进行了验证.研究结果表明:85%以上时段交通流量预测结果的绝对误差在3架以内,平均绝对误差均在2架次以内,预测结果的稳定性较好,可充分反映各空域扇区之间短时交通流的动态性和不确定性,符合空中交通的实际情况.      

神经网络在交通流信息融合中的应用

在城市交通控制系统中可利用数据融合技术获得准确的车辆状态和身份估计,并将相关信息用于交通管理的决策.应用人工神经网络的方法在多传感器信息融合的基础上,提出了一种基于信息融合思想的神经网络模型,并通过实际验证了其有效性及可靠性.     

基于实测数据的终端区空中交通流特性分析

研究机场终端区空中交通流时空特性,为揭示交通流内在相互影响及拥堵机理,优化终端区管控策略提供科学依据.本文根据实测的空管雷达信息,首先确定目标航段上空中交通流参数的时序分布;然后从交通流参数关系基本图出发,结合终端区空中交通运行方式与管制规则的分析,将空中交通流状态划分为自由流、弱管制干预流和强管制干预流三个阶段;最后,在状态划分的基础上,采用线性回归分析建立空中交通流的速度-密度模型、流率-密度模型和流率-速度模型,并以F和T检验对回归模型及回归系数的显著性进行检验.研究结果表明,本文建立的交通流模型能够较好地反映空中交通流特性,且对终端区空中交通时空态势的评估具有应用价值.     

����ʵ�����ݵ��ն������н�ͨ�����Է���

研究机场终端区空中交通流时空特性,为揭示交通流内在相互影响及拥堵机理,优化终端区管控策略提供科学依据。本文根据实测的空管雷达信息,首先确定目标航段上空中交通流参数的时序分布;然后从交通流参数关系基本图出发,结合终端区空中交通运行方式与管制规则的分析,将空中交通流状态划分为自由流、弱管制干预流和强管制干预流三个阶段;最后,在状态划分的基础上,采用线性回归分析建立空中交通流的速度—密度模型、流率—密度模型和流率—速度模型,并以F和T检验对回归模型及回归系数的显著性进行检验。研究结果表明,本文建立的交通流模型能够较好地反映空中交通流特性,且对终端区空中交通时空态势的评估具有应用价值。