单模型多传感器多尺度交互式数据综合估计算法

将小波分析理论中的多尺度分析思想与传统Kalman滤波、多尺度数据融合算法相结合,提出了单模型多传感器多尺度交互式数据综合估计新算法,并通过计算机的仿真结果,对此算法进行了定性分析;用标准差对此进行了定量分析,从而说明了该算法的有效性.     

多传感器单模型多尺度平滑融合估计

基于多尺度分析思想,在对单传感器模型多尺度平滑估计方法详细研究的基础上,提出了多传感器单模型基于多尺度平衡融合估计算法,得到了中心估计和分布式估计多尺度平滑融合计算法,并相应给出了两种方法的计算机仿真。     

多传感器数据融合模型综述

多传感器数据融合的关键问题是模型设计，数据融合模型主要包括功能、结构和数学模型。根据数据融合功能层次性和信息流通方式及传输形式，把数据融合功能模型分为五级，即检测级、跟踪级、属性级、态势级和威胁级。这种划分方法更有利于数据融合技术的研究。在此基础上，详细讨论了前三个级别的系统结构模型、数据融合系统的组成、相关数据流、系统与外部环境的界面及各种结构模型的优缺点和应用范围，并同时介绍了有关的融合算法。     

动态系统的实时多尺度估计和融合算法

介绍了一种最优动态多尺度估计和融合算法，讲座了在数据残缺的情况下，如何得到等效的测量值和测量方程；给出了当测量的采样率为任意值时，对测量数据的处理方法。     

多尺度分布式平滑估计方法

利用多尺度分析的思想,将基于模型的动态系统分析与基于统计特性的多尺度信号变换方法相结合,建立起基于小波变换的多尺度分布式平滑估计新算法,并给出了算法的计算机仿真结果。     

多传感器多模型相互作用的数据关联方法

基于信息融合中的数据关联技术,在卡尔曼滤波基础上,结合相互作用多传感器多模型的概率数据互联算法,建立故障监测报警和现场传感器量测数据关联二者之间的关系,建立更具一般性的分布式传感器系统基础上的多传感器多模型,改进概率数据关联方法,以用于故障监测报警中相互作用的算法．并结合一个时变系统中空间位置传感器的故障诊断问题为例,运用多传感器多模型相互作用的数据关联方法进行仿真分析,研究此类故障判据的数据关联问题和数据关联算法的改进,研究表明相互作用多模型的概率数据互联改进方法不仅与有限维数的特定测量阈值相对应,而且直接针对故障模式,能够体现出动态模型的优点,可以与系统诊断知识相融合,为故障诊断的单步的、多步的、长期的预测预报提供依据．     

多传感器数据融合浅析

近十几年以来，多传感器数据融合技术已爱到广泛的关注，它的和方法已被应用到许多研究领域，本文主要阐述数据融合技术在Ｃ＾３Ｉ中的应用，首先介绍了多传感器数据融合的基本概念，进而以国内外发表的文献为例说明了数据融合技术已取得的进展，最后对数据融合技术进行了展望，并提出了我们的对策。     

多尺度多速率递归Kalman滤波

利用多尺度分析的思想，将模型的动态系统分析与信号多尺度分析的思想相结合，基于不同尺度上拥有不同采样速率的多传感器动态系统，建立一个多尺度、多速率递妆Kalman滤波器，在最细尺度上获得目标状态基于全局信息的融合估计值。     

一种多传感器数据信息的融合算法

为解决在多传感器信息融合技术中出现的测量维数和置信度较低、系统的探测能力和生存能力较差以及空间和时间的范围较窄等问题,提出了一种改进的PSO算法.该算法主要包括对传感器自身特点的分析,以及建立一个综合传感器信息增量和处理时间的目标函数的过程.从实验仿真结果可以看出,该算法可以有效地剔除性能不符合系统标准的传感器,从而更...     

对多传感器数据融合的综合研究

1多传感器数据融合的概念数据融合一词出现在20世纪70年代,并于80年代发展成一项专门技术。它是人类模仿自身信息处理能力的结果,类似人类和其他动物对复杂问题的综合处理。人类能将各种功能器官(眼、耳、鼻、四肢、皮肤)所探测到的(图像、声音、气味、触觉)与先验知识进行综合,以便对周围的环境和正在发生的事件做出估计。数据融合最早用于军     

多传感器多组加权融合算法研究

将多传感器对某一状态的测量结果分组，针对每组测量变量的算术平均值，依据极大似然原理，提出了多传感器分组加权融合算法。通过对各组传感器测量值的方差进行估计，从而对每组传感器测量平均值的权值进行合理的分配，解决了在传感器和环境干扰未知情况下，加权融合算法中权系数如何确定的问题。     

子波域一种新的多尺度多传感器状态估计

研究了多尺度状态参数估计问题.利用状态信号的多尺度特性,引入小波变换,建立了一个新的多尺度多传感器滤波算法.将函数全变差和局部变差概念引入到小波变换,提出了小波缩减因子的概念.通过小波缩减因子的引入,细尺度上的高频信号也得到了有效处理.仿真结果表明,该算法充分利用信号的多尺度特性,基于尺度级的信息融合大大提高了状态估计的精度.     

多传感器数据融合技术与单平台火控系统

分析了多传感器数据融合技术的优越性和单平台火控系统的不足，应用数据融合技术，不仅可以提高目标的探测和分类能力，亦可提高目标跟踪精度，给出单平台火控系统数据融合结构和功能图；指出应用神经网络融合方法优于其它算法。     

基于H_∞滤波器的交互多模型算法

为了解决在实际情况中噪声的统计特征信息经常残缺甚至完全未知的问题,在量测噪声的协方差未知的前提下,提出了一种方法解决含有马尔可夫参数线性离散系统的估计问题.在交互多模型算法的基础上融合H_∞滤波器构造估计器,得到交互过程中必需的噪声统计特征,进而对目标的状态进行估计.该方法不但解决了噪声信息缺失问题,而且保留了交互多模型算法的优异性能.通过与单模型H_∞滤波进行比较,试验仿真结果证实了该算法的有效性.     

一种多尺度数据融合模型的工程实践与相关理论问题

为解决不可重复测量物理量的真值估计问题,提出了一种"多尺度数据融合模型",该模型采用多传感器对同一物理量同时进行测量,对各个传感器的测量结果进行小波变换,并在不同小波尺度域对各个传感器的测量值进行多尺度加权平均,通过逆小波变换得到待测物理量的真值估计。笔者对该模型进行了分析和总结,包括对相关领域研究的评述,在此基础上,给出了数据融合定理及一些重要的推导及结论。     

基于Kalman滤波的多尺度融合估计新算法

将信号的多尺度分析方法与多传感器数据融合技术相结合，基于某一尺度上给定的状态模型和在不同尺度上拥有不同采样率的多传感器分布式动态系统，提出了一种新的基于Kalman滤波的多尺度融合估计算法；在最细尺度上获得了基于全局信息的融合估计值；计算机仿真验证了算法的有效性。     

基于多传感器的数据融合方法和模型研究

数据融合技术受到广泛的关注,本文结合数据融合及其一般功能模型、目标识别融合结构层次,重点分析了基于多传感器的数据融合的算法和级。比较了集中式和分布式融合处理,提出了利用实例,展望了基于多传感器的数据融合技术的发展趋势和困难。     

一种基于多尺度分解的多传感器图像融合方法

给出了一种基于多尺度分解(易操纵金字塔分解)的多传感器图像融合算法．该算法把来自不同传感器的图像分解成不同尺度、不同方向(不止3个)的子带系列；使用基于相似性量测的规则融合各相应子带图像；再进行反变换，获得融合后的图像．实验结果表明该方法有较好的融合效果．     

多传感器多模型动态系统交互式数据融合估计的一种算法

基于多传感器多模型信息,给出了目标状态基于全局信息融合估计的一种新算法,并通过计算机仿真验证了这种算法的有效性。     

多传感器数据关联算法研究及发展综述

对多传感器多目标融合中的数据关联算法的研究及发展进行了回顾,指出了各个算法的适用范围及局限性,重点对概率数据关联算法及联合概率数据关联算法进行了分析;最后指出了数据关联算法的研究方向及将来的趋势。