基于B型灰色关联度的纯方位航迹关联算法

针对同平台纯方位多传感器的航迹相关问题,提出了基于B型灰色关联度的纯方位航迹关联算法.该算法将每条航迹的方位数据看作是时间的离散函数,不同传感器的航迹经过时间对准后,形成了具有相同时标的目标方位信息序列,通过对多传感器目标航迹的方位信息进行灰色关联分析,计算出各航迹对的B型灰色关联度,形成B型航迹灰色关联度矩阵,计算λ-截航迹灰色关联矩阵,并根据该矩阵确定航迹关联对.仿真试验结果表明,该方法能有效地实现同平台纯方位多传感器的航迹相关.     

基于摄动思想的传递闭包聚类法的分析与应用

分析了传统的模糊聚类方法,基于摄动思想,将传递闭包聚类法与目标函数法相结合,得出了一种既满足聚类效果要求又减小聚类失真的简便算法,同时给出了该聚类方法的步骤.最后通过对水体的水质进行聚类的例子对算法加以应用,显示了算法的可靠性、有效性.     

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。     

分布式自适应网格交互多模型JPDA算法

将自适应网格交互多模型(AGIMM)算法和联合概率数据互联(JPDA)算法相结合,提出了用于多传感器多目标跟踪的分布式自适应网格交互多模型联合概率数据互联(DAGIMM-MSJP-DA)算法.该算法在航迹关联检验阶段结束后,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各模型概率、各模型状态估计及其对应的估计协方差阵进行融合,从而得到关于目标的总体状态估计和相应的估计协方差阵,并将融合后的各模型概率反馈至各传感器以便进行统一的、更为精确的网格自适应调整.最后通过计算机仿真验证了该算法的有效性和正确性.     

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%.     

信息融合的灰色工学方法研究

灰色系统理论是研究贫信息系统分析、建模、预测、决策、控制的有效工具,在工程技术、社会、经济等领域中应用广泛。探讨了灰色系统理论在多传感器信息融合中的应用问题,提出了多传感器数据融合的灰色关联算法、灰色统计算法、灰色聚类算法、灰色统计聚类算法、灰色层次聚类算法以及灰色综合决策算法。     

基于自适应聚概率矩阵的JPDA算法研究

为了降低联合概率数据关联(joint probabilispic data association,JPDA)算法的计算复杂度,解决跟踪临近目标时出现的航迹合并问题,基于量测自适应消除方法,提出了一种改进JPDA算法.该算法首先通过Cheap JPDA算法计算互联概率,降低算法计算量;其次对聚概率矩阵加以阈值处理,通过重建确认矩阵,进一步优化算法复杂度;最后采用自适应消除方法,去掉聚概率矩阵中易引起错误关联的量测,减小JPDA算法在关联临近目标时的误差.仿真实验结果表明:相较于JPDA算法及Scaled JPDA(SJPDA)算法,本文算法在保证跟踪精度的前提下,降低了算法复杂度,提高了时效性;在跟踪临近目标及交叉目标时,改进算法能避免航迹合并现象及跟错目标情况的发生.     

多雷达与ADS数据融合的可变周期更新算法

为提高空中交通管制系统的整体监视精度,在研究自动相关监视(automatic dependentsurveillance简称ADS)信息与雷达监视信息构成和特征差异的基础上,通过建立ADS目标与雷达目标之间的数据关联映射关系,构造了一个将ADS数据与多雷达数据融合处理的过程模型,提出了基于ADS报告周期调整ADS航迹与雷达航迹融合权重因子的可变周期更新算法。应用结果表明更新算法实现了两类信息的深度融合和对有效信息的综合利用,既保证了当ADS报告更新率较高时ATC监视的整体精度,又提高了ADS报告更新率较低时目标航迹的连续性,降低雷达测量误差对系统监视精度的影响,是一种用于空中交通管制系统监视数据处理的有效方法。     

基于深度数据的车辆目标检测与跟踪方法

现有基于几何特征的目标检测与跟踪方法误检率较高,目标跟踪过程中的漏检易导致错误的目标关联.针对这些问题,本文提出了一种基于激光雷达(LiDAR)深度数据的车辆目标检测与跟踪方法.根据激光雷达深度数据特性,采用一种基于栅格的参数自动化聚类(PAG) 算法对原始数据进行处理,并在每个聚类中提取目标线段,获取目标特征.在此基础上对车辆目标进行识别,并计算得到目标的位置信息.采用卡尔曼滤波算法,制定滤波器管理策略,完成目标关联及状态估计.最后利用装备有一个前向激光雷达的实验车辆对提出的方法进行验证. 实验结果表明,本文提出的方法可准确识别并跟踪多个车辆目标,避免错误的目标关联.     

基于多传感器数据融合的目标分析

声场环境复杂,易引起单个声传感器所获得数据的不确定性,利用数据融合方法可以解决目标分析中信息的不确定性问题.文中建立了适合工程实用的基于多传感器数据融合的目标分析模型,利用该模型对三维情形下舰船通过过程进行了仿真.该方法的应用实现了对多传感器信息的优化利用,取得了较满意的结果,证明了模型的有效性.     

An SNN Ontology Based Environment Monitoring Method for Intelligent Irrigation System

In order to realize high precision of environment parameters detection in irrigation applications, a sensor and sensor network (SSN) ontology based data fusion method is proposed. An SSN sub-ontology for soilstate monitoring is revised, which includes the sensing devices hierarchies and measurement properties selection according to the detection feature interests. As for sensor data processing, a tuning data method by data pool filtering and clustering is adopted, as well as a useful data fusion method for multi-sensor system. The testing results show that both the accuracy and efficiency of the proposed method are higher after related filtering and clustering process, which enables a thorough monitoring for intelligent irrigation systems and can be extended into environment monitoring and control applications.     

一种基于激光与视频信息时空数据融合的行人检测方法

针对城市交通行人安全问题,本文提出了一种基于激光与视频数据融合的行人检测方法.通过激光与视频数据空间和时间上的融合,将激光数据映射到图像坐标;在激光聚类过程中,采用K-means 聚类算法对激光云点进行聚类分析,然后运用行人宽度模型提取候选行人区域;在基于图像的行人检测过程中,选取头肩、躯干以及腿部人体特征部位,采用Haar-like 特征集和Boosting 算法进行训练,得到部位检测器;最后,基于贝叶斯决策的组合策略对候选行人区域进行有效判定.实验结果表明,本文所述算法有较好的检测精度和实时性能.     

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.     

��·��������ϵͳ���߼��ṹ��������

铁路智能运输系统(RITS )规模大、结构复杂、要素繁多,系统设计难度大.这类系统设计和建设的关键在于采用合理的模型描述系统的结构、数据及相互联系,使得复杂的信息关联简单易懂,便于整个铁路智能运输系统的设计.为降低系统设计复杂程度,本文提出了一种基于模糊聚类的RITS逻辑结构分解方法,通过建立模糊关联强度矩阵描述过程间的关联程度,在此基础上采用模糊聚类将RITS逻择结构分解为若干相对独立的功能单元,使系统分解过程更为精细和严谨,为系统物理实现及相关研究提供了基础.     

基于改进低秩矩阵补全的交通量数据缺失值插补方法

提出了一种低秩矩阵补全的改进方法以研究道路交通量数据缺失值插补问题。应用基于核范数的低秩矩阵补全对交通量数据矩阵中的缺失值进行第1轮插补; 通过层次聚类算法将交通量数据划分为不同类别, 使得同类中的数据具有较强相关性, 异类中的数据具有较弱的相关性; 在每类样本上应用低秩矩阵补全得到缺失值的第2轮插补; 为了减少聚类数的影响, 提出最小二乘回归集成学习方法将不同聚类数下的插补结果进行融合, 得到最终的交通量数据插补结果; 用美国俄勒冈州波特兰市的交通量数据比较了5种方法的插补误差, 并分析了不同聚类数和距离度量方法的影响。研究结果表明: 在完全随机缺失模式下, 缺失率为10%~60%时, 其相对于传统的低秩矩阵补全模型的插补误差降低了5.93%~9.11%;在随机缺失和混合缺失模式下, 插补误差也分别降低了8.32%~9.55%和8.14%~9.20%;集成不同聚类数下的多个插补结果比单一聚类数下的插补误差降低2.62%~4.76%。可见, 在3种数据缺失模式下, 改进低秩矩阵补全方法降低了交通量数据的插补误差, 能有效提高插补后交通量数据的有效性。      

���ھ�������ij��н�ͨ·�λ����о�

根据交通流特性的相似性进行交通路段划分对城市交通管理和控制具有重要作用。交通流数据具有时间序列特征,相似性度量问题是时间序列聚类中的最基本的问题之一。本文为交通流数据聚类给出了一种基于灰色关联的相似性度量方法,通过比较试验确定了它具有较高的聚类精度。在每个时段时间序列间的相似性差异、在某一个时段的异常数据等会影响到在整个时间区间的交通流数据聚类,为此本文提出了一种基于时段划分的交通流数据聚类方法。这个方法首先对每个时段数据进行聚类,然后采用最大频繁项集方法得到最终聚类结果（即交通路段划分）,实例证明了方法的有效性。     

基于模糊聚类的RITS货运服务系统逻辑框架设计

基于发展先进的货物运输服务系统的迫切要求,在运用传统的面向过程的体系构架开发方法的基础上,借鉴了企业架构规划思想,提出了基于模糊聚类的RITS逻辑框架设计模型。从系统科学的思维角度出发,通过分析货物运输整套流程,提出了基于 RITS 面向货主的货运服务系统需求分析表,并定义了货运服务系统逻辑框架系统要素。运用模糊数学相关概念,定义了过程和数据的模糊关联矩阵,运用模糊聚类分析的数学方法,实现了RITS货运服务系统的逻辑框架功能模块软化分,并完成货运服务系统顶层逻辑框架DFD图。     

基于CPN高铁临时限速数据融合方案验证

高速铁路列控系统中C3单元和C2单元相对独立控车,两套系统中的列控数据在系统层之间缺乏共享和约束机制.本文在分析系统结构和数据传输特性的基础上,提出一种基于数据融合,提升高速铁路临时限速安全性的方案,并利用有色Petri网（CPN）对融合方案进行建模.通过仿真软件分层和赋时功能构造系统顶层模型、临时限速生成子模型、故障子模型、融合子模型和时间序列,模拟临时限速信息传输过程中的系统状态和行为.仿真结果表明：在故障注入情况下,数据融合方案在一定程度降低了错误数据的输出,提高了系统的安全性.     

区域高速公路网应急救援能力评价体系建模研究

基于系统论,应用隶属度分析、相关性分析、鉴别力分析等方法筛选出科学的符合客观实际的指标,建立了高速公路网应急救援能力评价指标体系;采用5/5-9/1标度层次分析法确定指标权重,并应用模糊聚类方法对不同专家所给的权重进行分类合成,提高了权重确定的合理性;建构的应急救援能力评价模型具有系统性、科学性及可操作性.