基于LMI的多传感器H∞融合滤波器设计

在实际多传感器数据融合系统中,往往过程噪声及测量噪声统计特性未知,但能量有限。此时一些在已知精确系统模型与噪声统计特性情况下保持优良融合性能的方法,不仅无法保持良好性能,甚至会出现崩溃情况。H∞融合滤波方法可以有效地解决此类多传感器融合系统的滤波问题,但存在求解困难问题。基于LMI给出并证明了H∞融合滤波器的解,给出了数值仿真实例。结果表明提出的方法可以解决过程噪声及测量噪声统计特性未知,但能量有限情况下的多传感器数据融合问题。     

基于不完全观测数据的多速率多传感器数据融合

研究了一类时变线性动态系统,在不同传感器以不同采样率对同一目标进行观测,并且各个传感器的观测数据存在不规律丢失情况下,给出了一种有效的信息融合方法。该方法通过数学推导,将多速率传感器数据融合转化为单速率传感器数据融合问题,并采用修正的联邦Kalman滤波器进行状态估计。新算法不需要对状态或观测进行扩维,计算量适当,从而保证了算法的实时性。在观测数据丢失的时刻,采用外推的观测值代替错误的观测数据,从而避免了传统算法的发散。理论分析和仿真实验验证了算法的有效性。     

基于LMI的多传感器H∞融合滤波器设计

在实际多传感器数据融合系统中,往往过程噪声及测量噪声统计特性未知,但能量有限.此时一些在已知精确系统模型与噪声统计特性情况下保持优良融合性能的方法,不仅无法保持良好性能,甚至会出现崩溃情况.H∞融合滤波方法可以有效地解决此类多传感器融合系统的滤波问题,但存在求解困难问题.基于LMI给出并证明了H∞融合滤波器的解,给出了数值仿真实例.结果表明提出的方法可以解决过程噪声及测量噪声统计特性未知,但能量有限情况下的多传感器数据融合问题.     

基于汉语手指语字母识别的手指角度模糊融合

以汉语手指语拼音字母为研究对象,根据自行研制的数据手套CAS_Glove上传感器的特点,采用了弯曲传感器和外展传感器先后分别进行模糊融合的策略。针对弯曲传感器的模糊融合,提出一种分类融合方法,分别采用弱t模算子和弱t共模算子,再对其结果进行转换,最后用MICA算子进行弯曲传感器的最终融合。针对外展传感器融合的特点,使用了弱t模算子。通过和其它模糊融合方法的实验对比,证明该方法在数据手套进行角度融合时,优于其它模糊融合方法。     

基于多传感器数据融合的机动目标跟踪自适应学习方法

考虑到传感器对目标的观测都存在有偏差，同时针对雷达系统检测中存在漏检的现象，提出了一种适用于处理传感器漏检现象的多传感器融合方法。并以雷达／红外成像复合的双模制导体系下红外和雷达两种传感器对目标状态的检测和跟踪为例，给出一个完整的多传感器数据融合和目标跟踪自适应方法。该方法简单易行，鲁棒性强，通过对红外成像和雷达系统的数据融合和目标跟踪的数字仿真，表明该方法有效。另外，该方法同样适用于多于两个多传感器系统。     

一种空间信息融合的D-S算法研究

多传感器信息融合技术已获得了普遍的关注和广泛的应用,其理论和方法已成为智能信息处理的一个重要领域,证据理论是主要的技术之一。在目标识别系统中,为了获得可靠的识别结果需要考虑时间和空间的融合问题。从多传感器信息的时间域和空间域的融合出发,提出了在目标识别中多传感器信息的时空两级融合模型,以及基于证据理论的信息融合算法。仿真结果表明,该模型和算法具有方法简单、运算量小、可靠等优点,具有一定的理论意义和使用价值。     

量测噪声情况下基于自适应D-S证据推理的滑模控制

在滑模控制中 ,当状态量测传感器存在噪声时 ,控制器不能获得准确的滑模函数信息。面向一类不确定非线性系统 ,根据滑模控制依赖滑模函数符号的特点 ,提出利用基于Dempster Shafer证据推理的多传感器信息融合方法 ,其作用是压缩滑模函数符号的不确定性 ,并基于闭环原理给出了对信息融合结果进行自适应补偿的改进方法。仿真表明了该方法的有效性。     

异步航迹关联算法与仿真

在分布式多传感多目标信息融合系统中,由于每个局部传感器的采样频率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。本文提出一种异步航迹的关联方法,该方法首先基于最小二乘法实现单传感器的时域融合,从而将多传感异步航迹同步化;然后利用网络优化算法,获得相应于每个目标的各个传感器的局部航迹组合。仿真试验表明本文算法在解决异步航迹关联问题的有效性。     

多传感器异步关联航迹的融合

异步航迹融合是多传感器多目标跟踪系统的一个重要问题。由于多传感器的采样速率和通信延迟不同,因此为了提高跟踪精度和准确性,融合中心必须进行异步目标航迹融合。在分布式模式下,基于各传感器在Kalman滤波器输出本地目标航迹的基础上,提出了一种融合误差均方差矩阵的迹最小意义下的异步目标航迹融合算法。给出了具体的实现步骤。仿真实验结果表明,这种融合方法是有效的。     

推广的多传感器数据融合算法

本文对工程实际中多传感器系统线性化后存在未知的系统误差，测量噪声具有指数衰减相关，且与状态噪声相关的问题，提出了推广的多传感器数据的分层融合算法和多传感器自适应数据融合算法，给出了计算流程图，可以对目标的状态进行实时估计，这两种算法对防空导弹体系制导雷达组网数据融合具有理论意义与实用价值。     

基于信息融合的汽车防撞决策系统研究

研究并提出了基于多传感器信息融合的动态目标跟踪算法来实现防撞系统的信息获取，并引入预测残留误差来修正跟踪残留误差不能完全反映不可预测的信息所带来的误差；研究了驾驶过程状态信息的表达方法，建立了汽车一环境状态特征模型，描述了汽车在行驶过程中时变动态的驾驶状态。在此基础之上，利用模糊积分方法融合多种相关信息，确定汽车应采用的安全运行模式，实现主动安全防撞决策。     

基于相对系统误差估计的组网雷达点迹融合技术

雷达组网点迹融合系统中,雷达系统误差的存在导致雷达点迹的空间配准精度不能满足数据关联和点迹融合的需求。提出一种基于相对系统误差估计的组网雷达点迹融合技术,即将各雷达观测统一到本地雷达的系统误差基准上,以实现精确的点迹空间配准。这种融合技术能提高融合航迹的精度,改善多目标环境下数据关联的正确率,并且当本地雷达功能失效时,融合中心可以采用远方雷达点迹进行补盲,实现精确的航迹维持。仿真实验验证了以上结论。     

基于系统误差估计残差的错误关联检测方法

在多传感器数据融合系统中,航迹关联是后续融合处理的基础。由于随机噪声、系统误差以及虚警漏报的干扰,航迹关联结果中常常包含错误关联,错误关联对后续融合处理的影响是灾难性的。目前尚缺乏一种有效的错误关联检测手段。根据系统误差估计与航迹关联相耦合的特点,提出了利用系统误差估计残差来对错误关联进行检测的高斯检测器和卡方检测器。仿真实验表明,所提两种检测器能够有效地检测错误关联,具备良好的实际应用前景。     

机载雷达与红外搜索跟踪装置的航迹融合研究

在单机空对空多目标攻击武器系统中 ,发射出的导弹必须可靠地分辨并截获所指定的目标 ,这对目标探测装置的数据精度提出了相应的要求。为此 ,设计了机载火控雷达与红外搜索跟踪装置的航迹融合技术结构模型 ,其中航迹关联算法基于模式相似性测度分析 ,目标状态信息融合算法基于极大似然估计。为验证模型的有效性 ,以具体装备为背景进行了仿真研究与分析 ,并给出了其结果     

基于算法融合的红外成像目标稳健跟踪方法

针对复杂背景下的红外图像机动目标跟踪问题,在对现有的多种红外成像目标跟踪算法进行分析与比较的基础上,提出了一种基于算法融合的红外成像目标稳健跟踪方法。该方法在对各跟踪器输出的目标位置测量值序列采用基于“当前”统计模型的模糊交互多模方法进行处理的基础上,采用基于总均方误差最小规则的自适应加权融合方法对目标状态的多个滤波与预测值进行综合处理,较大程度上提高了系统的跟踪精度与稳定性。仿真结果显示了该方法的有效性与稳健性。     

基于MPC的无人机航迹跟踪控制器设计

针对固定翼无人机航迹跟踪问题,采用基于状态扩展的双反馈模型预测控制理论对控制器进行设计。首先推导基于侧向偏差的无人机侧向航迹跟踪模型,采用动态逆方法对模型进行线性化处理,在此基础上设计基于状态扩展的双反馈模型预测控制器,并采用量子粒子群优化(quantum particle swarm optimization, QPSO)算法对控制器参数进行优化,考虑无人机飞行过程中受到的未知干扰,引入扩张状态观测器(extended states observer, ESO)对干扰进行观测,进一步提高系统的鲁棒性,并结合实际工程应用对系统进行数学仿真。仿真结果表明,基于状态扩展双反馈模型预测控制的无人机侧向航迹跟踪控制器,能够在系统存在模型不确定性与受到动态干扰时对期望航迹进行准确、稳定的跟踪。     

Research on Kalman-filter based multisensor data fusion

Multisensor data fusion has played a significant role in diverse areas ranging from local robot guidance to global military theatre defense etc.Various multisensor data fusion methods have been extensively investigated by researchers,of which Klaman filtering is one of the most important.Kalman filtering is the best-known recursive least mean-square algorithm to optimally estimate the unknown.states of a dynamic system,which has found widespread application in many areas.The scope of the work is restricted to investigate the various data fusion and track fusion techniques based on the Kalman Filter methods.then a new method of state fusion is proposed.Finally the simulation results demonstrate the effectiveness of the introduced method.     

异类传感器多目标检测跟踪与识别随机集模型

为在空中预警监视系统中实现多异类传感器多目标联合检测、跟踪与识别,在多目标检测、跟踪的随机有限集模型基础上,进行多异类传感器多目标联合检测、跟踪与识别的理论模型与处理框架研究。通过对目标的运动学状态与目标识别属性状态统一描述,把多目标状态建模为一个用随机有限集描述的全局状态。通过对运动学传感器与属性传感器模型分析,把各异类传感器建模为一个全局传感器,并把各传感器的测量建模为一个用随机有限集描述的全局测量。根据全局状态与全局测量模型,把异类传感器多目标联合检测、跟踪与识别过程描述为Bayes滤波过程,并给出了相应的多异类传感器多目标联合检测、跟踪与识别处理框架。通过仿真试验验证了理论模型与框架的有效性。     

航迹相关与融合的性能评估

多传感器多目标航迹相关与融合的性能评估是数据融合系统的重要组成部分 ,但多年来国内外一直缺乏一套可被广泛接受的反映融合系统性能的指标体系。提出一种计算航迹纯度的方法 ,解决了融合航迹与目标真实轨迹的关联这一关键技术难题。并在此基础上 ,对航迹相关与融合的性能需求加以分析 ,建立了一组用于性能评估的较为完备的指标体系。该技术已成功应用于实际的数据融合测试与评估仿真系统中     

基于UKF神经网络的姿态测量信息融合算法

针对融合系统建模误差、噪声统计特性不精确性和环境的动态变化性致使传统联合滤波过程中融合权值难以确定,引入人工智能中的神经网络,提出了基于神经网络的多信息自适应智能估计融合算法研究;利用神经网络的自适应能力对状态估计融合结果进行实时辅助补偿和修正,将非线性最优估计与神经网络技术相结合,重点研究了基于UKF的神经元融合权重在线自适应学习算法,以便在缺少准确局部子滤波器协方差信息情况下,仍能使全局估计融合结果最优,从理论上证明了UKF学习算法优于传统EKF学习方法,并以卫星多姿态测量信息融合定姿系统为例,给出了计算实例和结论分析,表明了所提出的模型与算法在实际应用中的有效性。

Abstract：

The fusion weight of traditional Federal Kalman Filter is difficult to be determined because of the fusion system modeling error,the inaccuracy of noise statistic characteristics as well as the dynamic variability in the fusion filtering process.In order to solve this problem,a self-adaptive fusion estimation algorithm for multi-information measurement based on neural networks was presented,which used the self-adaptive ability of neural networks to make real-time compensation and amendment for the state fusion estimation results.Combining a nonlinear optimal estimation with neural network,an online adaptive training algorithm for the weights of neuron based on Unscented Kalman filter （UKF） was researched,which could still realize the optimal fusion for the global estimation even if the accurate covariance information of each local sub-filter were absent.The performances of UKF training algorithm and the traditional EKF algorithm were analyzed and compared,and moreover taking the multi-information fusion system for satellite attitude determination as the experimental example,the simulation calculation and analysis were advanced,which show that the presented models and algorithms are effective in the actual application.