作战融合系统的构成及其效能分析

给出了作战融合系统的主要构成对象的定义、作战系统的系统框图及运作过程，分析了天气和地形对作战融合系统效能的影响。并在此基础上，阐述了作战融合系统效能分析方法和过程。     

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。     

多源信息的实时智能融合系统研究

面对复杂实时的融合环境，现有的信息融合方法仍然存在着许多不足之处．针对这一问题，本以专家系统技术为基础，综合运用数据库技术、神经网络理论和黑板理论，对复杂融合系统的知识表示、知识获取、知识管理和实时融合推理机制进行了一些研究．在此基础上，提出了一种多源信息的实时智能融合系统，并对该系统中的知识库和推理机进行了详细的论述．     

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。     

WiMAX与TD-SCDMA网络互操作研究

从未来无线移动通信系统发展来看，异构网络融合无疑是一个必然的发展趋势。分析了WiMAX与TFD-SCDMA网络融合的需求及可行性，重点介绍了一种基于MIP的WiMAX-TD-SCDMA网络互操作结构，并给出了系统间切换流程，此切换能够减小系统阀切换延时及丢包率。     

基于Android系统的人工鱼感知融合模型研究

为了逼真地在嵌入式系统上模拟人工鱼的感知能力，对感知系统融合模型的研究是首先需要考虑的问题．提出了基于内部状态需求的人工鱼多源感知融合模型．并对Pc机多感知融合实验和安卓系统的衔接进行了研究．在索爱XIO的安卓系统上进行了实验，取得了较为理想的效果．     

分级自适应多传感 器融合与机械振动监测诊断

针对旋转机械振动的监测与诊断，提出了一种分级自适应的多传感器数据融合方法。每个测点首先进行行传感器级的时间跨度的特征融合，然后再进行全局的空间跨度的融合。融合过程基于自适应模式特征提取，提出的方法可以在系统状态未知的情况下，自适应地融合不同测点的信息，从而较全面、准确、及时地反映系统的振动状态。对转子试验台上模拟故障数据的融合处理，说明了所提出方法的有效性。     

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。     

任意噪声相关异类传感器非线性系统状态矢量融合

基于线性无偏最小方差估计理论，提出了一种任意相关噪声异类传感器非线性系统状态矢量融合算法．该算法考虑了过程噪声和测量噪声以及测量噪声之间的相关性和传感器系统结构的不同性，增加了描述多传感器融合系统的信息量，通过局部估计的组合构造新的变量以去除局部状态之间的相关性，采用顺序滤波的方法减小了异类多传感器融合系统全局状态估计的计算量．仿真结果表明，由于考虑了过程噪声和测量噪声以及测量噪声之间的相关性，状态矢量融合算法比噪声不相关融合算法具有更好的跟踪性能，航迹跟踪的精度得到了改善．     

基于平方根Unscented卡尔曼滤波的车辆融合跟踪

针对车辆运动的机动性和跟踪系统的非线性，提出了一种基于平方根Unsoented卡尔曼滤波(SR-UKF)的多传感器融合跟踪方法．该方法采用动力学模型建立系统的状态方程和量测方程，充分利用了多传感器的量测信息，更好地满足了目标的机动特性．采用基于UKF的数据融合方法处理系统的非线性问题，避免了扩展卡尔曼滤波(EKF)产生的线性化误差．同时，在滤波过程中，以协方差平方根阵代替协方差阵参加速代运算，有效地避免了滤波器的发散，提高了滤波算法的收敛速度和稳定性，实验证明，与基于EKF的融合算法相比，基于SR-UKF的融合算法使系统的位置和方向角的跟踪精度分别提高了18．22％和34．81％。     

一类噪声相关多传感器系统的新型序贯式融合滤波

对于过程噪声与观测噪声一步互相关、各观测噪声一步自相关的多传感器融合滤波问题,提出了一种新的低维序贯式融合滤波算法.基于低阶迭代正交变换的思想提出了解相关的方法,将观测方程经过等价改写去除系统噪声的相关性,然后依据序贯滤波的思想,依次处理到达融合中心的观测信息,进而得到一类实时序贯式融合滤波算法.整个推导过程在线性最小均方误差意义下严格进行,能够实现系统状态的最优融合估计.最后的仿真验证了新算法在处理上述噪声相关问题上的最优性.     

云计算下大规模非显著特征多传感数据融合系统设计

云计算环境下存在大规模非显著特征多传感数据,传统数据融合系统容易受到传感器自身干扰,融合结果不可靠。为此,设计了一种新的云计算下大规模非显著特征多传感数据融合系统。给出融合系统总体结构,介绍了非显著特征数据采集模块。利用模糊理论与协方差匹配技术对经典卡尔曼滤波技术中的噪声协方差进行修正,以滤除传感器自身噪声。在云计算环境中,以联合滤波结构为基础,实现云计算下大规模非显著特征多传感数据的融合。实验结果表明,所设计系统融合结果可靠、实用性强。     

一种基于改进卡尔曼滤波的姿态解算算法

针对多传感器融合姿态解算精度不高的问题,本文提出一种改进的卡尔曼滤波算法,即高阶线性互补滤波与扩展卡尔曼滤波(Extended Kalman Filter,EKF)相结合的融合算法。该数据的融合是基于加速度计、陀螺仪传感器频率特性和姿态角的微分方程建立的系统模型,将互补滤波的姿态角数据作为该系统模型的观测值,利用EKF算法对加速度计、陀螺仪、磁力计进行数据融合。高阶的互补滤波和EKF的融合算法能够有效的解决陀螺方向的估计偏差,为了证明该算法的可行性,用搭载IMU(InertialSmeasurementSunit)模块的四旋翼飞行器进行了动态和静态的实验,分析对比了最新导航算法、经典卡滤波算法和该融合算法滤波的效果。实验结果表明：本文提出的高阶无源线性互补滤波和EKF相结合的融合算法,无论在静态还是动态的实时性情况下,都能很明显的去除噪声和抑制姿态角的漂移,且提高了姿态角的精度。     

多传感器信息融合的时间不确定性

分析了测量融合方案的测量信息时间不确定性,将时间不确定性转化为系统不确定性．以跟踪问题为例,讨论了卡尔曼滤波器、确定性系统的鲁棒滤波器和参数不确定性系统的鲁棒滤波器3种滤波器的应用,给出了3种滤波器的求解结果,并对其表现进行了比较．仿真结果表明,在时间不确定性条件下,3种滤波器的性能都有所下降,2种鲁棒滤波器的滤波误差的方差始终比卡尔曼滤波器的方差小。     

Multi-sensor federated unscented Kalman filtering algorithm in intermittent observations

Aiming at the adverse effect caused by limited detecting probability of sensors on filtering precision of a nonlinear system state,a novel multi-sensor federated unscented Kalman filtering algorithm is proposed.Firstly,combined with the residual detection strategy,effective observations are correctly identified.Secondly,according to the missing characteristic of observations and the structural feature of unscented Kalman filter,the iterative process of the single-sensor unscented Kalman filter in intermittent observations is given.The key idea is that the state estimation and its error covariance matrix are replaced by the state one-step prediction and its error covariance matrix,when the phenomenon of observations missing occurs.Finally,based on the realization mechanism of federated filter,a new fusion framework of state estimation from each local node is designed.And the filtering precision of system state is improved further by the effective management of observations missing and the rational utilization of redundancy and complementary information among multi-sensor observations.The theory analysis and simulation results show the feasibility and effectiveness of the proposed algorithm.     

UKF在车辆组合定位技术中的应用

用一种新型的无迹卡尔曼滤波算法(UKF)代替传统的扩展卡尔曼滤波算法(EKF),对GPS/DR组合定位系统进行信息融合滤波。通过计算机仿真和分析后,结果表明无迹卡尔曼滤波算法UKF的滤波定位精度明显高于扩展卡尔曼滤波器EKF,而且UKF对由于系统非线性所引起的滤波误差有很好的抑制作用,因此UKF算法对于要求高精度、低成本和高可靠性的GPS/DR组合定位系统来说是一种值得推广的滤波算法,具有一定的应用价值。     

信息融合技术在激光-TIG焊接监控过程中的研究

阐述了多传感器信息融合理论,结合卡尔曼滤波原理,提出了卡尔曼滤波融合算法,并将此算法应用于激光焊接质量控制过程中.理论分析和计算机仿真验证表明,该算法能获得平缓的控制特性,可以有效提高激光焊接过程的监控性能.     

基于噪声顺序解相关的两阶段Kalman滤波融合

针对传统两阶段Kalman滤波只能处理单一或部分复杂噪声情形,在充分考虑多雷达跟踪系统的误差噪声有色建模和四类噪声相关性建模基础上,建立一种基于噪声顺序解相关的两阶段Kalman滤波融合算法。首先给出能有效避免噪声相关性耦合化的噪声解相关顺序,进而应用等价变换技术来获得有色噪声、过程噪声和测量噪声三者间不相关的目标跟踪融合模型,最后应用平方根分解和单位下三角阵求逆技术来实现多雷达量测噪声相关系统的集中式Kalman滤波融合,并通过4个仿真实验验证了该算法对复杂噪声情形的有效性和高精度。     

加权分层卡尔曼滤波融合算法

目的 分析传统分层卡尔曼滤融合算法,指出传统卡尔曼滤波融合算法不能很好地提高跟踪精度且算法复杂的缺陷,提出一种加权分层卡尔曼滤波融合算法,方法应用理论分析和蒙特卡洛仿真方法,对传统融合算法和新算法进行比较,并给出了均方根误差的统计值,结果加权滤波融合算法原理简单、数据处理量小、速度快、容错性好,结论 加权分层融合算法原理简单、数据处理量小、速度快、容错性好、结论 加权分层融合算法特别适用于失效传     

量测信息引导的组合导航融合滤波方法

针对组合导航系统中各子系统量测输出速率不同的情况,提出了一种量测信息引导的组合导航融合滤波方法.该方法采用信息量与信息当量来描述当前时刻的所有可用信息,并基于加法原理,利用状态预测和当前可用的量测值来更新状态估计,实现最优融合估计.仿真结果表明,该方法能够应用于多量测信息非等间隔输出的情况,即使某子系统失效时也能正常工作,且能够取得较好的融合滤波效果,相较于联邦滤波和集中滤波具有更好的实时性能.