多目标跟踪中的目标位置及速度数据融合

基于多传感器数据融合理论，提出了一种在杂波环境下解决多目标跟踪的方法，即利用位置，速度的融合，得到比较满意的多目标跟踪运动轨迹，给出了有效的融合算法，并进行了仿真，通过仿真可以看出这是一种实用，有效的多传感器融合。     

X2检验方法和DF方法抗距离拖引干扰的性能比较

利用Monte Carlo方法，对X^2检验方法和分解融合(DF)方法在有虚警测量的环境下抗距离拖引干扰的性能进行了分析和比较。研究表明，在既有虚警测量又有距离后拖(Rcpo)干扰的情况下，采用DF方法可以有效地抗距离后拖欺骗干扰，实现对目标的跟踪，相对于X^2检验方法有一定的优越性。     

图像分块融合算法速度优化处理研究

相比于自然界现阶段人们所持有的取像设备有着较低的动态范围,在某种曝光强度下,自然界的所有细节很难被完全抓取,图像的部分细节还是模糊的.基于对此现象的认识,本文通过将不同曝光度图像合成的方法,获取到了质量较高的融合图像,并在保证图像效果的基础上,通过加窗运算的方式,提高了算法在图像分块融合处理上的执行速度,保证了算法效率.     

长江智能航道关键技术体系研究* ——以长江干线鳊鱼溪至大埠街段数字航道为例

智能航道是内河航道信息化发展的必然趋势。针对畅通、高效、平安、绿色的内河水运发展对长江航道的业务需求,提出长江智能航道关键技术体系,包括３个层次20项关键技术,建立关键技术体系与内河水运发展目标之间的支撑关系图,明确未来一段时期内的研发任务,为长江智能航道技术整体同步突破提供理论指导。     

不同精度数据融合的自适应加权平均法研究磁

论文针对如何提高水声定位精度,提出了融合多个不同精度数据的方法---自适应加权平均法。当待数据为三个时,通过理论分析得出了计算加权因子的公式。由数值仿真得到了融合数据的精度,结果表明该方法可以有效改善定位精度,但注重数据的融合次序,先融合精度差距较小的两个数据,得到的结果更好。     

基于聚类和优序图法的事故再现结果融合方法

科学合理地融合多个事故再现结果具有重要现实意义，针对现有事故再现结果融合方法不能处理结果中包含潜在风险区间的问题，采用聚类算法与优序图法相结合的方式对多个事故再现结果进行融合。首先提出基于聚类的基础融合法，其先离散多个事故再现结果，再对离散后的数据进行聚类得到类结果，最后整理聚类结果可得融合结果。基础融合法操作简单、高效但不能处理再现结果中的潜在风险区间。进而通过引入优序图法提出基于优序图法的改进融合法，所提改进方法先从基础融合法的结果中得到各聚类区间概率与各聚类中心之间的距离表，并根据距离表中的距离极值将距离分段；再按照正态分布原则可知，各聚类中心之间的距离十分接近，现遵循距离越小分值越高的前提给予每段距离一定分值，距离表可根据分值得到各聚类中心的权重计算表;然后对权重计算表使用优序图法计算出各聚类中心的权重即各聚类区间权重；最后结合各聚类区间概率及其对应的权重得到融合结果。数值算例与真实案例均表明:改进融合法不仅可高效融合再现结果，还能识别出潜在风险区间并降低其在融合过程中的影响，从而提升融合结果的客观性，得到更理想的符合正态分布的结果，为融合包含潜在风险区间的多个事故再现结果提供有效解决方案。     

多源数据融合驱动的居民出行特征分析方法

结合传统抽样调查数据和交通大数据，研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口，以及手机信令数据分析出行频次分布等因素进行综合分析，获取居民初步出行特征；基于手机信令、IC、AFC、GPS 等大数据，通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析；最后，以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知，传统抽样调查居民出行漏报率为30%，每天出行2次的比例相差39.5%，全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明，多源数据融合驱动的居民出行特征分析方法，在总量上有效挖掘居民出行的沉默需求，在时空分布上起到了“削峰填谷”的作用，是一种研究居民出行特征的有效方法.     

多类信息对机场出站乘客交通方式选择的影响

在机场设置可变信息板(Variable Message Signboard, VMS)提供站台排队时间、道路拥堵状 况和车内拥挤度等信息，引导乘客在原有决策的基础上做出最优交通方式选择。根据出行信息 获取的顺序将决策过程分为两阶段，第1阶段是在自身经验或手机导航信息条件下进行初始交通 方式选择，第2阶段考虑到VMS信息对乘客的影响，建立基于巢式Logit模型的乘客交通方式转 移模型，利用全概率公式将两阶段信息数据融合，得到乘客交通方式选择结果。通过数值模拟验 证模型的可用性。结果发现：将信息质量足够高的等车时间信息、道路拥堵时间和车内拥挤度信 息结合有利于提高公共交通利用率和系统运行效率，可使公共交通利用率提高3%，系统运行时 间减少13.8%；道路拥堵越严重，路上拥堵时间信息的提供对乘客的交通方式选择影响越大；交通 需求较小的情况下提供VMS信息有利于提高机场巴士利用率。     

基于多模型融合的电动汽车行驶里程预测

纯电动汽车行驶里程预测是驾驶者最关心的问题之一，为解决现有预测算法模型精度低、相对误差大的问题，本文采用融合片段回归与单点分类的机器学习方法对行驶里程进行预测.以真实车辆各项状态参数、环境信息等作为输入，通过聚类和过滤封装式特征筛选，提取最优特征集合，并基于行驶片段样本量选择预测方法，通过对环境温度和电池健康状态(SOH)进行分层耦合提高片段回归预测精度，通过单点分类和片段回归预测模型融合优化最终预测结果.行驶里程测试集预测结果中均方根相对误差(RMSRE)为0.035，平均相对误差为1.71%，能够精确稳定地实现行驶里程预测.     

小样本条件下一种旋转机械振动状态阈值的确定方法及应用

针对旋转机械振动状态阈值设定时数据样本不足的情况,给出了一种基于Bayes-随机加权法的阈值确定方法.该方法综合运用了随机加权法、Bayes理论和验前信息融合技术,实现小样本条件下的振动特征值统计参数估计.通过与经典统计法和随机加权法的仿真对比研究,证明了其在小样本统计参数估计应用中的优越性.对离心泵机组故障模拟平台进行了整机振动状态阈值确定实验,能有效的实现设备振动状态评估.