基于因素空间的多传感器决策融合方法

基于因素空间理论,建立一种多传感器多目标识别方法。根据多传感器探测与控制网络系统的决策特性提出了传感器模糊矩阵的建立方法,根据对概念的反馈外延计算提出多目标识别方法。仿真结果表明该方法能使系统的识别错误率低于１０％。多传感器多目标决策融合的工程方法为其决策融合方法的建立提供了一条新的途径。     

多传感器稳健融合跟踪算法

讨论了多传感器融合跟踪的稳健性算法．针对集中式多传感器的融合跟踪结构，采用统计方法和随机逼近方法分析了传感器最优权的选取原则，得出了传感器融合对公共测量噪声没有影响的结果．依据最优选取原则给出了两种自适应融合跟踪算法，算法能在线适应传感器性能的变化，并使融合方差最小．采用典型航路进行了算法仿真，结果验证了理论分析的合理性和工程应用有效性．     

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。     

基于多源信息融合的管道机器人定位技术研究

提出了3种管道机器人定位方法,即基于视觉的CCD定位方法,加速度定位法,多里程轮定位法。在考虑到3种传感器的精度差异及运用范围的基础上,提出了定位技术融合理论,在该理论的基础上,给出了并行结构融合系统的最优分布式定位融合算法,验证了多传感器定位融合系统相比于单一传感器系统,定位性能有了明显提高,实现了机器人在管道中定位精度的提高。     

多传感器观测下带乘性噪声系统的逆向滤波与反褶积融合算法

针对多传感器观测环境下带乘性噪声系统的逆向最优滤波与反褶积融合估计问题，本文提出了1种基于极大似然准则的最优融合算法。该算法中各单传感器间并行计算，并且融合中心与单传感器处理中心间无反向通讯，因而招待效率较高。仿真表明，该融合算法产生的逆向滤波与反褶积比单传感器处理结果有较明显提高。     

分布式多传感器决策融合系统求解

本文研究了分布式多传感器决策融合的信号处理，推导和求解在“双阈检验准则”下两个级别上的优化决策规则：一个是当局部检测器生成的个体决策结果被送到数据融合中心时，基于这些个体决策集合作出总的决策的融合规则；另一个是在总体决策融合规则给定情况下求解某一局部检测器的优化决策规则．所采用的“双阈检验法”是作者在Ｎ－Ｐ检验法基础上提出的新的融合方法，该方法由于引入了两类不明概率区而使传统的Ｂａｙｅｓ决策能力和适用范围得以扩大．本文还从减少计算量角度考察了分布式检测系统在观测独立情形下的优化决策规则简化计算公式．最后给出了简单算例，并加以验证．     

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.     

数据融合技术在多滚轮法大轴径测量中的应用

为克服单一传感器的不确定性和局限性，全面而准确地描述被测对象，充分利用多传感器之间的协调和互补优势，采用多传感器数据融合技术，设计了多滚轮法大轴径测量系统。该系统利用电位移传感器、光栅测角、光电测转数、压力测量等系统以及温度传感器、多路温度巡测仪，对不同时间和空间的测试数据进行融合、处理，极大地提高了测量系统的性能和效率，可得到高精确度的大轴径测量尺寸。     

仓储综合测试专家系统的多传感器管理

储粮参数自动测试和智能化信息处理是实现仓储现代化管理的重要手段,介绍了仓储综合测试专家系统的基本组成,提出了专家系统的多传感器管理问题,论述了该系统的多传感器管理目标、管理内容和管理功能,为系统的数据融合与控制决策奠定了基础。     

基于信息博弈的多源信息融合方法

针对多传感器信息融合系统中的信息冲突,结合博弈论的原理,在考虑信息冲突环境下局中人最优策略和最优支付的情况下,提出了求解信息冲突环境的信息博弈融合方法.首先通过信息熵的形式将多信息器表示成多源信息,并将多源信息的信息冲突过程抽象成为信息博弈过程,多传感器系统通过信息博弈的过程实现整个系统的信息收益最大化.通过对空调机调速器运行工况评价的实验分析,证实该方法在保持调节性能的同时,能从冗余的多源信息角度对系统的被控参数做出调整,各种动态品质特性优于传统的方法.     

带有色噪声的广义系统信息融合Kalman滤波器

对于带自回归滑动平均(ARMA)有色观测噪声的多传感器广义离散随机线性系统,应用奇异值分解,提出了广义系统多传感器信息融合状态滤波问题.基于Kalman滤波方法,在线性最小方差信息融合准则下,给出了按矩阵加权融合降阶稳态广义Kalman滤波器.为了计算最优加权,提出了局部滤波误差协方差阵的计算公式.一个Monte Carlo仿真例子说明了其有效性.     

D-S证据理论在炮兵战场电磁辐射源识别中的应用

采用D-S证据理论的数据融合方法解决炮兵战场电磁辐射源识别问题。阐述了D-S证据理论用于多传感器数据融合的基本概念、合成法则、一般步骤及决策准则。与单传感器单周期的目标识别结果相比较,多传感器多周期的方法能显著提高目标识别能力,并将它应用于炮兵战场电磁辐射源识别的数据融合中解决了问题,试验结果证明了该方法的正确性和有效性。     

基于粗集理论的C3I信息融合性能评估方法

讨论了基于粗集理论的信息融合系统性能评估的理论和方法, 以C³I的应用为背景建立了信息融合性能指标体系. 给出基于粗集理论进行系统综合评估的一般步骤和确定评估指标权值的算法, 尤其是在有信息遗失情况下的信息处理方法. 同时提出一种用于多传感器信息融合性能测试与评估的系统结构, 通过软件测试的方法, 对融合算法进行测试与评估, 实现了对融合算法选择和参数选择的指导, 实验结果验证了本文方法的有效性.     

基于两阶段卡尔曼滤波的多传感器信息融合

在目标跟踪中,对目标运动建模时,常会遇到系统状态方程存在偏差问题. 传统的信息融合方法总是假设系统状态方程中的偏差为常量,很少涉及偏差为随机变量的情形,但实际建模中常会出现这类问题. 针对此问题,提出了基于两阶段卡尔曼滤波的多传感器信息融合方法. 这种方法可以有效地消除系统状态方程在建模存在随机偏差时给信息融合所带来的影响,从而提高了融合精度.     

多传感器信息融合技术的研究与进展

介绍了多传感器信息融合技术的概念,分析了多传感器信息融合层次的问题,提出了多传感器信息融合的主要方法,预测了其发展趋势。     

一种基于模拟退火的特征层融合模式识别实现方法

文章提出一种特征层融合模式识别的方法,定义"融合特征"和"特征融合系数"实现模式的特征融合。使用模拟退火算法搜索最佳的"特征融合系数",从而提高模式识别的正确性,降低分类决策的模糊性。特征层融合的交通标志形状识别实验和数字字符识别实验均表明:该方法具有以上两方面的优点。     

多模型信息融合Wiener状态估值器

对多模型多传感器线性离散定常随机系统,应用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型和白噪声估计理论,根据按矩阵加权、按对角阵加权和按标量加权三种最优融合规则,提出了系统公共状态的三种最优加权融合Wiener估值器。它们的精度高于每个局部估值器的精度,且可统一处理融合滤波、预报和平滑问题。为计算最优加权,提出计算局部估计误差互协方差公式。它们可用于带ARMA有色观测噪声系统状态融合滤波问题。一个跟踪系统MonteCarlo仿真例子说明其有效性。     

基于熵模型的自适应信息融合方法

建立了一种用于信息融合的熵模型,依据融合的几个步骤即信息提取、关联与决策,描述了基于熵模型进行信息自适应融合的新方法·该方法可对从各对象源(如传感器、数据库、知识库等)中提取的特征属性信息进行模型化,对这些模型化的属性信息进行关联后,得到准确的决策·为了实现多对象源的信息融合,提出了EAA算法·该算法基于熵自适应聚集规则,通过缩减关联模型联合动作的复杂性来控制其收敛性·并通过应用实例,检验了这种方法的可行性     

多传感器矩阵加权信息融合预测控制算法

针对多传感器线性离散时不变随机控制系统,应用Kalmam滤波方法,基于状态空间模型,在线性最小方差最优信息融合准则下,给出了多传感器按矩阵加权信息融合预测控制算法.该算法将信息融合Kalman滤波器和预测控制相结合,避免了求解复杂的Diophantine方程,可明显减轻计算负担.与单传感器情形相比,可显著提高控制精度.一个三传感器目标跟踪控制系统的仿真例子说明了算法的有效性和正确性.