基于D-S证据理论的多传感器多特征目标识别

 传统多传感器环境下的目标识别方法主要有两种：利用多传感器获得的数据进行数据融合、利用每个传感器信号的特征向量进行特征融合。但这两种方法均存在目标识别精度不高的问题。针对这一问题,本文提出了一种基于D-S 证据理论两次组合规则的融合方法。该方法在提出多传感器目标识别系统模型的基础上,运用D-S 证据理论对单传感器的多特征信息进行数据融合;根据传感器接收信号信噪比来确定传感器可信度,将该可信度作为D-S 证据理论组合规则中的证据权值,以此来完成目标识别。本文提出的方法综合考虑了传感器的多特征信息和传感器的可信度,克服了传统的D-S 证据理论对证据冲突处理能力有限的缺陷。实验结果表明,该方法具有较高的正确性和有效性,提高了目标识别的精度。     

多传感器系统最优决策融合的熵方法

根据多传感器最优决策融合的信息模型提出了多传感器决策融合熵的概念；推导了多传感器系统最优决策融合的熵规则，分析了该方法对融合系统的可行性和虚警率的影响，表明该方法对提高融合系统品质具有重要意义。     

粗糙集理论在多传感器目标识别中的应用

针对多传感器目标识别中存在的问题,提出了一种基于粗糙集理论的目标识别方法。该方法利用粗糙集理论对数据进行分析,通过决策系统的可辨识矩阵导出分类识别规则,建立目标识别规则库。实例分析表明,该方法的是可行的。     

基于随机集的复杂境况下多目标测量

在多传感器多目标融合系统中,多传感器所提供的信息常常不同类,难以融合,建立多传感器多目标的随机集观测模型可以解决统一融合问题.基于随机集理论,根据虚警及漏测的情况,给出了目标的信任测度及其全局密度.从单传感器单目标推广到多传感器多目标,建立了实用的多目标随机集测量模型,并根据实例证明了该模型的实用性和有效性.     

基于矩阵分析的一种不确定性推理的数据融合方法

采用不确定性推理的矩阵分析方法，建立了用于目标识别的多传感器数据融合的数学模型。该模型综合了来自多种不同传感器的基于正态分布的检测数据，通过定义相关系数矩了来获取基本可信度分配值矩阵。提出了一种多传感器信息融合的新算法，该算法依靠可信度的积累，通过多级递推融合可获得目标状态基于全局信息的融合估计值。实例分析表明：基于融合后的识别结果较各传感器单独决策的结果性能优化，具有较强的容错性和有效性，并且不确定值较融合前平均下降了74%，从而可精确快速地控制工业生产。     

用于火灾探测的神经网络数据融合算法

提出了一种多传感器火灾探测系统的数据融合算法,并针对火情信号测试的固有特点,采用神经网络进行数据融合决策,探讨了算法模型的建立,并由仿真结果验证了方法的可行性。     

基于MIMO-FNN模型的弹道导弹目标时空序贯融合识别方法

针对传统弹道导弹(BM)目标时空序贯融合识别算法识别效率低、抗噪性能差的缺点,提出了一种基于多输入多输出模糊神经网络(MIMO-FNN)模型的BM目标时空序贯融合识别方法.该方法首先根据多层融合的思想,结合神经网络和模糊理论,提出了多传感器多特征MIMO-FNN模型;其次,在此基础上,将当前时刻的融合结果与下一时刻的融合结果再融合,得到此时刻时空序贯融合识别结果,并将其与识别门限比较,直到满足识别门限要求,时空序贯融合识别结束,并做出决策;最后通过实验验证了所提模型的有效性和良好的抗噪性.     

用于目标识别的多传感器信息融合算法研究

提出了一种用于目标识别的多传感器雅息融合算法-后验概率检测算法.在该算法中,融合中心将各个传感器送入的识别结果进行综合处理,得出最终的决策.仿真结果表明多传感器系统探测目标的性能优于单传感器系统,该算法运算量小,适于进行快速的实时处理.     

基于反馈机制的异步环境跟踪算法

多传感器目标跟踪系统中,各传感器量测周期的不同导致局部量测或估计到达融合中心的时间不同步。使用航迹融合和卡尔曼滤波方法,各局部传感器在共享融合中心数据的基础上进行独立滤波估计,融合中心根据各局部航迹插值对准进行融合,提出了一种适合于任意多传感器速率构成的异步环境跟踪的方法。实验仿真结果表明,该方法能够很好地完成异步环境的目标跟踪任务,跟踪效果明显好于各局部传感器。     

基于贝叶斯数据融合的多尺度目标识别

针对红外电厂目标识别问题，提出了基于贝叶斯数据融合的多尺度目标识别方法．该方法研究了前视成像末制导过程中图像目标尺度变化引起的视点角度和特征尺度变化规律，建立了分层次的时空特征模型，根据显著性选取目标特征，采用贝叶斯网络把不同尺度下的显著性特征进行融合，得到正确的识别结果．实验表明，该方法能将多尺度目标的不精确、不完整的特征进行融合处理，从而完成了目标的可靠识别．     

模糊逻辑在分布式多目标跟踪融合中的应用研究

多传感器多目标跟踪融合中的目标航迹包含了模糊信息，这种模糊信息可以用模糊隶属度函数来描述．利用对两航迹的位置偏差、速度偏差和加速度偏差进行模糊化、模糊逻辑推理及去模糊等技术，提出了分布式多传感器多目标航迹模糊融合关联方法，计算机仿真结果表明了模糊逻辑方法应用于多目标航迹融合关联判别的有效性，较好地解决了航迹融合关联问题。     

神经网络在多传感器多目标跟踪中的应用

首先研究了基于粗关联和精关联过程的多传感器多目标(MSMT)跟踪融合算法，精关联是联合概率数据关联(JPDA)算法的推广，JPDA算法存在随传感器数和目标数的增加而计算量迅速增加的缺点；其次提出了一种基于神经网络的MSMT联合概率数据互联(MNJPDA)算法，MNJPDA算法能克服计算量爆炸问题，基于MNJPDA的融合算法能提高跟踪的快速性．仿真结果证明了MNJPDA融合算法的有效性．     

一种基于GA的多传感器多目标数据关联算法

研究了漏检情况下多传感器多目标检测中的数据关联问题,并将其描述为数学规划中组合最优化问题． 当传感器数大于等于３ 时,该问题的求解是ＮＰ的． 文中提出了一种基于ＧＡ（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ） 的数据关联算法,仿真实验表明,该算法具有较高的关联成功率,并能优化求解的目标个数,提高多传感器系统的检测概率．     

象素级多传感器图像融合技术

多传感器图像融合是图像信息物综合怀分析过程，它可有效地萃取多通道图像信息，构成统一图像，提供显示中心显示或决策机构判别。各种图像传感器的性能极大地依赖于使用环境，至今还没有一种图像传感器在多种不同的使用条件下，其各项性能都高于其它类型的图像传感器，融合多传感器国图像能够提高图像探测系统的探测和识别能力。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

多传感器数据融合在切割机器人系统中的应用

为了对造船中所用型材变形进行在线检测，在高精度划线切割机器人系统中，建立了多传感器检测系统，引入基于小波变换和虚拟噪声自适应卡尔曼滤波的多分辨率最优多传感器数据融合方法，实现了对噪声统计量缺乏先验知识和模型参数不确切的多分辨率多传感器的数据融合。实验结果表明，多传感器数据融合可以有效地实现变形型材的在线检测，提高系统的测试精度和可靠性。     

多传感器最大属性数据融合及其目标识别应用

为解决干扰存在下目标分类识别问题 ,在数据融合的决策层上 ,利用属性集和属性测度的概念 ,提出了多传感器最大属性融合方法 ,既考虑了各传感器得到的数据 ,也考虑了各传感器所得数据的可信度。通过试验得到融合后的识别结果优于单传感器的识别结果 ,证明了多传感器最大属性融合方法的正确性和有效性     

基于威胁博弈理论的决策级融合模型

针对多传感器信息融合系统中普遍存在的冲突信息环境下的融合系统决策问题,提出了一种新的基于威胁博弈的决策级信息融合模型·该模型将冲突环境下的融合过程视为局部决策空间、策略空间和全局决策空间上的变换过程,并以此构建融合中心的一种结构模型·在融合算法的研究中,以威胁博弈的算法实现融合中心的多传感器交互决策·在应用中将该模型用于丰满水电仿真系统调速器PID模型的参数在线调整·经现场应用表明,该模型可以有效地解决原PID模型参数整定困难而导致的系统转速和频率振荡等问题·     

基于多传感器最小系统的多目标跟踪算法

论文提出了一种基于多传感器最小系统的多目标跟踪算法。首先，采用全邻域方法实现目标的航迹起始，其次，采用修正的多假设跟踪方法完成已确立目标的跟踪和新目标的起始。最后，进行了仿真实验，其结果验证了提出的算法能够很好地完成对多个目标的起始和跟踪。