多传感器数据融合算法研究

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。     

基于Kohonen神经网络的多传感器数据关联算法

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。     

基于Kohonen神经网络的多传感器数据关联算法

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.     

多传感器多目标的数据互联算法的神经网络实现

本文针对具有重要军事背景的多传感器多目标的数据互联问题,即广义3—D分配问题,应用Hopfield神经网络,设计了此问题的对应能量函数,在PC386机上用C语言实现了广义3—D分配问题的求解程序。运行结果表明,本文所提出的方法是有效的,其能量函数的设计是合理的。     

单舰多传感器数据融合系统分析

本文从数据融合结构和算法的一般理论出发,分析了水面舰艇的数据融合问题。根据美国实验室联合指导委员会（ＪＤＬ）提出的结构模型,以及英国“数据融合技术演示系统（ＤＦＴＤＳ）”的实践经验,在对大中型水面舰艇的传器进行深入分析的基础上,提出了单舰传感器数据融合的分层结构。并讨论了各层进行数据综合的算法。     

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。     

多传感器目标识别的神经网络与证据理论结合方法

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。     

基于Kohonen神经网络的多传感器多目标跟踪方法

本文描述了一个Ｎ维Ｋｏｈｏｎｅｎ神经网络和算法,提出了多传感器多目标跟踪（ＭＳＭＴＴ）的Ｋｏｈｏｎｅｎ神经网络方法,认真研究表明该方法的有效性,可提高目标跟踪的速度和精度。     

基于混沌神经网络的多目标数据关联

研究了多目标跟踪中的数据关联问题.利用混沌动态的遍历性,搜索过程可避免陷入局部极小.仿真结果表明,利用混沌神经网络实现多目标数据关联是可行的,且比Hopfield神经网络有更高的收敛效率.     

多传感器信号融合算法的仿真

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。     

求解多目标跟踪中数据互联问题的数字网络结构研究

在多目标跟踪情况下,求解数据互联问题要求计算把第i个量测分配给第t个目标的概率βi^t。该文阐述了求解数据互联概率βi^t的神经网络方法,介绍了具有神经元网络结构的数字实现,并分析了该神经元网络结构的稳定性和收敛性。     

基于混沌神经网络的多目标数据关联

研究了多目标跟踪中的数据关联问题。利用混沌动态的遍历性，搜索过程可避免陷入局部极小。仿真结果表明，利用混沌神经网络实现多目标数据关联是可行的，且比Hopfield神经网络有更高的收敛效率。     

基于模糊神经网络的船舶多传感器火灾发现算法

在应对和控制船舶火灾过程中,及时发现火灾至关重要,因而火灾发现系统随着造船技术的发展不断发展。传统的火灾警报系统通常采用单传感器模式,依靠简单的逻辑推测出火灾发生的程度,当前船舶主要采用的火灾探测技术为多传感器火灾发现机制。为了提高该机制的精确性,本文提出一种基于神经网络模糊推断系统的多传感器火灾发现算法,通过使用多传感器的集成和协作,以及多参数的综合分析,能够实现多等级的船舶火灾预警。     

一种改进的无线传感器网络安全数据融合算法

首先对无线传感器网络数据融合的相关技术进行比较,在分布式数据融合算法的基础上提出了一种改进高效数据融合算法,利用NS2仿真平台对其传输开销进行仿真测试。仿真结果表明,相比分布式数据融合算法,所提的算法能够更有效地减少传输开销并且节省节点能耗。     

基于神经网络的多传感器模糊航迹关联算法

文章以模糊数学中的隶属度概念为基础,针对分布式多传感器系统中的多节点情况,提出了一种航迹关联的多维分配方法。多维分配问题是是一个完全非确定性多项式问题,很难找到问题的最优解,而且其计算量容易出现指数爆炸现象。文章提出了一种新的三维神经网络模型用以解决三维分配问题。仿真实验结果表明,文章提出的人工神经网络模型不仅使航迹关联具有较高的关联正确率,而且计算时间短,其计算时间不会出现指数爆炸现象。所提出的三维神经网络模型同样可以推广到多维情况,以解决航迹关联的多维分配问题。     

基于改进Kohonen神经网络的多传感器关联融合算法

把一种基于Kohonen神经网络模糊聚类方法运用到多传感器多目标数据关联中来,该方法能对多传感器的测量数据进行自组织聚类,把测量数据准确地划分到各个类别中去,从而实现测量数据的关联。计算机仿真结果表明,该方法运用到多传感器多目标数据关联中来具有明显的优越性,能克服传统算法的错跟漏跟现象。     

异步多传感器数据融合

在分布式多传感器数据融合系统中，由于每个传感器的采样周期不同以及具有不同的通信延迟，导致送入融合中心的局部航迹往往不是同步的。提出一种多传感器异步数据融合算法，该算法首先利用最小二乘实现时域融合，将航迹同步化，然后利用一种序贯的Kalman滤波方法进行融合。     

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。     

分布式多传感器航迹数据融合

本文研究分布式多传感器系统中的航迹数据融合问题，对来自分布于不同几何位置，具有不同精度的多传感器的所有航迹，根据它们的状态向量及其滤波误差协方差阵Ｐ进行融合处理，形成融合航迹，介绍两种典型的适用于分布式系统的航迹融全数学模型。各种模型中又有数值模式。     

多传感器数据融合技术概述

多传感器数据融合是指对由多个传感器单元所获取的信息进行综合分析及处理的一种技术,它避免了单传感器的局限性,可以得到更为全面、准确的信息估计。文章主要论述了多传感器数据融合的基本原理、特点与结构、方法及应用,并对多传感器信息融合技术的研究进行了展望。