多传感器跟踪的航迹关联

多传感器目标跟踪是信息融合技术在目标跟踪领域的应用范例,航迹关联是其中的关键技术之一.提出先用模糊C-均值算法对点迹聚类,然后根据聚类的结果定义航迹关联质量,选择航迹关联质量大的为关联对.这样使关联同时能考虑当前和历史航迹,提高了关联正确率.最后把多传感器航迹融合,得到了很好的跟踪效果.仿真结果表明,该算法是确实有效的.     

一种基于遗传算法的多传感器多目标航迹关联模型

随着信息技术的发展,智能信息技术得到了广泛应用,其中智能算法较多应用于多传感器信息融合领域。常用的加权法、修正法、最近领域法这3种基本方法只针对两个局部节点的情况进行求解,而无法对较大规模系统目标关联问题进行求解,针对防空作战系统目标关联问题,提出了一种基于遗传算法的多传感器多目标航迹关联算法,将多传感器多目标航迹关联这一问题转化为多维分配问题进行求解,给出了求解该问题的具体模型、算法和求解步骤,并通过仿真实验证明了应用该算法求解此类问题的正确性和有效性,对于多传感器多目标航迹关联应用系统的实现具有一定意义。     

模糊数据关联在多传感器多目标跟踪中的应用

运用现代数学中的综合分析方法 ,对杂波环境下多传感器多目标跟踪中的模糊数据关联算法进行了研究 ,讨论了两航迹状态估计向量间关联度的度量、评价方法和模糊关联准则 ,并对算法进行了仿真分析 ,结果证明模糊关联算法对数据关联的质量有明显改善     

基于模糊聚类的异类多传感器数据关联算法

针对异类传感器观测空间不一致的问题，提出了基于模糊聚类的异类多传感器数据关联算法．该算法首先通过在不同传感器的观测空间上建立多目标运动状态的投影，将多传感器多目标关联问题分解为多个单传感器多目标的关联问题，再对单传感器采用模糊聚类的方法求解关联概率，实现了在密集杂波环境中多目标的数据关联和精确跟踪．该算法降低了多传感器多目标跟踪的复杂性和计算量，有效地解决了异类多传感器可用公共信息少的问题．仿真结果表明，该算法的跟踪误差要小于传统的联合概率数据关联算法，且具有更优越的跟踪性能．     

基于灰色关联分析的多级别聚类评价模型的研究

根据灰色关联分析的性质 ,通过构造灰色系统的目标函数 ,运用 Lagrange乘数法建立了一种新的灰色聚类评价模型 ;还给出了时间序列的灰色绝对关联度系统评价算法 ,较好地解决了多因素、多指标、多级别的系统综合评价问题 .     

基于灰色关联分析的路段行程时间卡尔曼滤波预测算法

为改善卡尔曼滤波用于时间序列预测时的自适应性能，提出基于灰色关联分析的路段行程时间实时预测算法．首先，利用灰色理论对行程时间序列的各影响因素进行灰色关联分析，根据灰色关联度的大小来选取路段行程时间的主要影响因素，由此建立相应的动态方程．在此动态方程基础上，通过卡尔曼滤波递推进行路段行程时间预测．文中利用深圳某交通干道上的实测行程时间进行仿真实验，结果表明该算法的综合预测性能优于常规卡尔曼滤波方法，可应用于正常交通流状况下的路段行程时间预测．     

无线传感器网络多目标跟踪数据融合

在基于无线传感器网络多目标跟踪数据融合系统研究的基础上，提出了改进的模糊聚类平均算法，并给出了相应的集中式数据融合整体方案．算法将每一批观测数据按照航迹估计位置的关联门限进行划分，然后分别对航迹和关联门限内的采集信息进行模糊关联，再把获得的最大关联度数据分配给各条航迹作为目标的实际位置．数据融合的思路是，删除所有关联门限内的数据，将剩余数据再进行航迹起始模块处理．模拟实验表明，所提算法可解决多目标跟踪的误跟、漏跟和振荡问题，数据融合方案既能保存有用信息，又能去除冗余数据，进而有效避免了漏跟和重复跟踪的问题．     

一种基于多源异类信息统一表示的多传感器数据融合算法

针对异类多传感器所获信息在形式上的多样性和复杂性,分析了由多源异类信息所构成的目标特征空间的结构,运用集合空间理论构造出多源异类信息统一的表示形式,并基于Kalman滤波给出了一种适用于多种异类信息的数据融合算法。     

系统误差下基于双重模糊拓扑的编队航迹精细关联算法

为解决系统误差下编队内各目标航迹精细关联的难题,基于编队目标航迹的特点,利用模糊拓扑的思想,提出了一种系统误差下基于双重模糊拓扑的编队航迹精细关联算法.算法首先基于循环阈值模型对各传感器获得的航迹进行编队识别,然后利用编队中心航迹代替编队整体,深入分析系统误差对编队中心航迹的影响,建立第一重模糊拓扑模型,完成编队航迹的预互联和普通目标航迹的对准关联,最后基于预关联编队内目标航迹之间或与航迹关联对之间的拓扑关系建立第二重模糊拓扑模型,实现编队内目标航迹的精细关联.经仿真数据验证,与基于目标不变信息量的模糊航迹对准关联算法、基于航迹迭代的航迹对准关联算法和修正的加权法相比,该算法综合性能明显优越,能很好满足工程上对系统误差下编队内目标航迹精细关联的需求.      

多传感器数据融合与航迹预测的模型设计

文中建立了功能完整的多传感器数据融合模型,使用最邻近数据关联(NNDA)算法提取目标航迹,采用三次样条插值实现时间配准,并将传感器性能作为权重应用到航迹对的融合中,使用加权平均的方法融合航迹对.引用回声状态网络(ESN)技术实现航迹的预测.基于雷达数据在不同运动场景中测试模型性能,对于匀速直线运动和机动转弯的目标,模型具有较高的跟踪和预测精度.     

圈闭的灰色关联分析方法研究

在现实的油气勘探过程中,圈闭评价都是多样本的,能获取的资料有限,再加上各种地质条件的复杂性,造成圈闭的地质评价成为不确定的评价模型。在深入分析圈闭含油气性特征的基础上,采用灰色关联分析法给出了构造圈闭含油气性的综合评价方法,不仅可以综合评价圈闭的含油气性,而且还可以通过关联度给出评价结果的可靠程度。通过介绍灰色关联分析法在圈闭评价中的基本思想及评价方法,并应用实例,有效解决了勘探程度较低地区的圈闭优选问题,缩短了勘探周期,取得了较好的解释评价效果。实践证明,这种方法所需数据量小,运算较为简便,是油气勘探构造圈闭评价方法应用技术的新突破。     

铜锌铝合金表面非线性振荡的混沌相关性

为揭示铜锌铝合金表面非线性振荡花样出现的原因，探索振荡胞区中各个点在振荡过程中的相互关系，应用非线性动力学的方法来处理从振荡胞区中提取的灰度值时间序列，计算出各序列之间的相关系数．胞区中各个点的相关系数均大于0．7，并且相距较远的2个点之间的相关系数达到0．933，振荡胞区中的点的运动是长程相关的．在长程相关性的基础上，结合耗散结构理论探讨了“类流态”胞区出现的原因，认为振荡胞区的形成是一个从混沌到有序的过程．     

时间序列关联分析的灰色方法

给出了一种新的灰色关联度，讨论了其性质，并将它引入到时间序列的关联分析中．得到了时间序列关联分析的灰色方法．     

基于粒子滤波的灰度目标跟踪算法

粒子滤波主要利用粒子集来表示概率,可以用在任何形式的状态空间模型上.提出了一种基于粒子滤波的灰度图像目标跟踪方法,粒子滤波适合各种形式状态空间模型.算法目标特征采用了灰度直方图、灰度梯度直方图对灰度图像序列进行跟踪.粒子滤波跟踪算法有状态转移和状态观测两大重要模型.利用高权值的粒子替代低权值粒子这样的粒子重采样来保证粒子集的健壮性,得到目标最终位置.利用Matlab进行仿真证明了本文算法的有效性和稳健性.     

时间延迟估计的循环相关法

依据离散时间序列的长度有限性,将其扩充为以序列长度为周期的周期序列,又依据周期序列的相关原理———循环相关,对信号进行时间延迟估计.由于循环相关的平稳特性,即使在较大延迟量存在的情况下,仍然能够达到准确的时延估计效果.模拟得到了不同强度的高斯噪声或不同时间延迟量下的广义相关能量图和循环相关能量图.模拟实验结果表明,在低信噪比或大延迟量的环境下,循环相关时延估计方法比广义相关时延估计方法具有明显的优势.     

基于人工神经网络的联合厌氧消化产气预测模型

有机固体废物厌氧消化为非均相体系,预警调控对系统的稳定运行非常重要。为了准确预测负荷跨越式提升的联合厌氧消化体系的日产气量,利用灰色关联分析方法量化了厌氧消化体系中常见因素间的关联度,评估了厌氧消化体系的复杂程度,构建了反向传播（back propagation,BP）神经网络对日产气量进行预测。结果表明,各指标间的灰色关联度均大于0.7,表明厌氧消化体系中各参数之间关系的高度的关联性和复杂性。利用试验获取的148组数据作为BP神经网络的训练集和测试集,构建的BP神经网络精度较高,对148组样本数据的平均预测准确率达到99.17%,对日产气量具有较好的预测能力。     

淮河流域洪水的分形特征及可预报时间研究

用淮河流域代表性测站蚌埠站的多年逐日流量资料建立了洪水时间序列，在计算洪水序列的分维，定量证明洪水系统分形性和混沌性的基础上，对该序列作R／S分析，计算了序列的Hurst指数及其随时间的变化。分析表明：淮河流域洪水序列是分式布朗运动，具有明显的Hurst效应，H值的时间变化反映了洪水系统的演化特征。通过计算反映洪水相空间特征的参数Lyapunov指数和Kolmogorov熵。分析了洪水变化的可预报时间。淮河流域洪水具有短期可预报性，其可预报时间尺度为4～7年，平均可预报时间为5年。     

基于灰关联信息融合的转子系统早期故障发现研究

设置振动信号的FFT谱序列为特征量,在稳态运行下的参考特征量与异常运行状态下的待辨识特征量间建立了通道对应的灰关联空间并将两者进行灰关联分析.对安装有多传感器的转子系统在灰关联空间内设置融合策略进行转子系统的早期故障发现研究.为消除速度波动造成的关联失真影响,对FFT谱特征量进行了基于工频的归一化处理.实验分析表明,谱特征量在关联空间内的灰关联分析及基于关联得到的关联度评价了系统的异常分布状态,关联度量化了该分布的程度,灰关联度最小的信源是系统内的故障发生部位.     

基于灰关联分析-模糊推理的目标关联技术

提出了灰关联分析与模糊推理相结合的方法,称为GCA-FDM。GCA-FDM主要用于低时间分辨率的战术机动目标之间的关联。选取航天监测信息中相对稳定的目标属性特征作为基本的关联参量,计算目标间的关联度,以此作为目标关联的判决依据。同时,综合考虑当前战场各方面信息,利用模糊推理方法,对灰关联结果进行修正,从而能够得到更好的结果。GCA-FDM对目标样本数量没有太大的要求,具有广泛的实用性,弥补了经典关联算法在低时间分辨率目标关联中的不足。通过一个应用案例详细说明了GCA-FDM算法的操作过程。