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.     

基于模型概率的多模型融合定轨建模及仿真

针对实际定轨系统中存在的不确定性和非线性性,提出了一种基于模型概率的多模型融合定轨方法.通过多个线性模型的组合来逼近卫星定轨复杂非线性时变过程,将卫星状态的最优估计与多模型融合方法相结合,利用残差的大小来设计性能指标函数,给出了两种模型概率的表示形式,并建立了多模型融合估计相应的算法.仿真结果表明,与单一模型定轨方法相比,该方法不仅能大大提高卫星定轨精度和可靠性,而且还可以最终辨识和估计模型参数的真值,且对外界环境发生的变化有很强的自适应能力.     

飞行器交会对接相对位置和姿态的估计方法

为了在交会对接时对飞行器相对于一个固定坐标系的位置和姿态进行估计,构造了一种光点配置单目CCD算法,它以计算机视觉系统采集的二维图像信息作为输入,将恢复得到的三维图像位置关系作为输出。给出了算法的构造思想和具体步骤。数字仿真结果表明,由于算法直接利用特征光点的几何配置条件,避免了传统算法在计算过程中出现畸变的问题,提高了姿态角估值的精度。     

多传感器混合多模型估计的记忆分层融合算法

首先提出了两种局部节点交互多模型状态估计的整体先验信息的近似计算方法;其次,为构造全局融合估计的先验信息,给出了基于Dempster Shaffer证据理论的全局模型后验概率的融合方法,并在此基础上给出了全局等效目标运动模型的概念及其计算方法,上述结果使得基于有记忆分层融合算法的交互多模型估计融合成为可能;为利用融合结果改进局部节点的估计性能,首次提出了基于向局部节点反馈全局模型后验概率的融合反馈机制。仿真实验验证了所提分层有记忆交互多模型估计融合算法的有效性,以及引入反馈机制后对局部节点估计性能的改善。     

基于快速模型匹配的飞行目标三维姿态角估计算法

采用动态模型匹配的基本原理,提出了一种基于二维图像序列的飞行目标三维姿态角估计算法。算法根据目标机动特点和姿态角约束关系,建立了降维动态模型库,在保证模型库完备性的同时减小了规模。根据相似性矩阵的分布规律提出了十字搜索法,加快了最佳匹配模型的搜索速度。仿真表明,该算法具有较好的准确性和实时性,对提高机动目标跟踪性能具有一定的理论意义。     

基于Bayes信息融合的人为差错概率计算方法

研究了人为差错概率的计算。首先,介绍了可用于人为差错概率计算的数据来源,主要包括：通用数据、专家数据、仿真实验数据和现场数据。然后,分析了Bayes信息融合方法的基本思想,强调了该方法的两个关键性问题：验前分布的构建和融合权重的确定。最后,构建了基于Bayes信息融合的人为差错概率计算方法。将前3种数据作为验前信息,融合形成验前分布。使用Bayes方法完成与现场数据的数据综合,得到人为差错概率的验后分布。基于该验后分布,完成人为差错概率的计算。通过示例分析,演示了方法的使用过程,证明了方法的有效性。     

D-S理论在信息融合中的改进

多传感器数据的信息融合有许多算法,常用的有D S证据理论法,这是一种用于处理不确定性的方法。研究了证据理论组合规则的原理,通过深入分析,针对它的不足提出了一种改进组合方法,这样不仅能够组合冲突度大的证据,而且能根据各条证据所包含的不同信息量进行自适应加权组合。最后通过几个实例证明了该方法的有效性,提高了合成结果的可靠性。     

非标准多传感器信息融合下的状态融合估计

给出了标准多传感器观测信息的统一融合模型,在此基础上分析了传感器观测系统参数对最优融合估计性能的影响.针对存在量测系统误差的非标准多传感器融合系统,构建了一种有效的系统误差参数估计模型.此外对传感器问具有不同非线性误差成份的融合系统,提出了一种基于互迭代自适应半参数的状态融合估计算法.该算法通过对非标准多传感器融合模型误差的补偿,利用线性和非线性迭代的方法来提取非线性因素,进而确定状态的最优融合估计.给出了应用该算法的具体步骤,并通过理论分析与仿真实验证明了该算法的有效性.     

决策层时空信息融合的神经网络模型研究

融合目标识别可以获得比任意单传感器更加准确的目标识别结果。决策层融合由于其在信息处理方面具有很高的灵活性,成为信息融合研究的一个热点。针对传统融合算法环境适应性较差的缺点,提出了一种决策层时空信息序贯融合的神经网络模型,讨论了利用各传感器所处环境和专家知识等先验信息确定网络初始权值的方法,研究了网络权值的在线学习算法。仿真实验证明该网络模型的有效性。     

保险公司在二项风险模型下破产概率的渐进估计

主要研究完全离散二项风险模型．在条件系数存在的情况下，得到在破产发生的情况下罚金期望所满足的瑕疵离散更新方程度其渐进解，由此得到了保险公司当初始资本为0时破产概率的显示解和当初始资本μ→∞时的渐进解和破产时刺所发生的赤字分布当初始资本为0时的显示解和当初始资本μ→∞时的渐进解，并在当陪付服从几何分布和赌徒分布的情形下得到了上述特征量的具体结果。     

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。     

基于非参数估计的决策融合模型及其应用研究

针对传统bayes决策融合算法中,类条件概率密度的不确定性以及固定的类条件概率密度估计值所引起的融合系统误判,本文将非参数估计方法引入到bayes决策融合算法中,提出了一种改进的bayes决策融合模型。该模型在融合过程中每次进行bayes最大后验概率准则判决后,均判断当前的类条件概率密度是否达到预期的精度,并在未达到预期精度的情况下利用parzen窗算法完成条件概率密度的逐步构造逼近。通过在丰满水电仿真系统的温度故障诊断过程中的实际应用表明,该算法在性能上优于传统bayes方法,可有效地提高诊断判决正确率。     

基于信息融合思想的通用水电仿真系统

介绍了基于信息融合思想设计和开发的通用水电仿真系统，描述和总结了系统的功能组成，模型结构，系统配置，支撑环境及系统优点，以吉林丰满水电站为用户案例，对系统进行了应用测试，实践验证了系统的通用性，先进性和可靠性，该系统值得在国内外各水电站推广应用。     

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。     

概率天气预报的K近邻非参数估计仿真模型

基于模式识别和相似预报思想，提出了一种制作概率天气预报的K近邻非参数估计仿真模型(简称KNN-M)。该模型包括历史样本数据库、近邻子集搜索程序、近邻子集优化算法和预报量估计技术。利用该模型进行了降水和云量的概率预报试验，独立样本检验结果表明，该模型预报稳定性好，预报准确率较高，具有较好的业务应用前景。     

基于信息融合和策略转换的商品期货量化投资策略

在协整理论和分形市场理论基础上,构建一种新的基于信息融合和策略转换的商品期货量化投资策略,并通过实证检验了该策略的有效性和稳健性.部分大宗商品间存在价格联动关系(同涨同跌或A涨B跌).以往研究基于价格联动,设计并验证了商品期货的跨品种统计套利策略,而本文则利用价格联动设计并验证了基于信息融合的趋势跟踪策略.在此基础上,...     

基于CV模型的X射线脉冲星位置误差估计

受观测设备限制以及脉冲星自行的影响,X射线脉冲星的星表位置存在一定误差,基于现有测量手段很难大幅度提高星表精度。建立了基于地球卫星测量脉冲星位置误差的模型,在考虑脉冲星位置误差自行影响基础上,采用CV模型,提出了一种新的脉冲星位置误差测量方法。仿真结果表明,该方法能够高精度的估计出X射线脉冲星的星表位置误差,可以满足高精度脉冲星导航的需求,研究结果对建立精确的X射线脉冲星星表具有一定理论参考价值。

Abstract：

Because of the restriction of observation equipments and the effect of proper motion, there are some errors of the X-ray pulsar ephemeris which are difficult to be improved by current measure means. The model of X-ray pulsar position error estimation with satellite was set up, with consideration of the effect of pulsar proper motion, a new estimation algorithm of the X-ray pulsar position error based on CV model was put forward. Simulation results show that： the pulsar position error can be estimated accurately in this new algorithm and estimation precision can meet the need of pulsars navigation, and the new algorithm is referable to improve the precision of pulsar ephemeris.     

基于多层次MRF的多分辨率图像融合算法

图像数据融合的目的是恢复出分布在不同图像中的有用信息。在多层次MRF模型的基础上提出了一种多分辨率图像融合算法。该算法将定义在多层次图结构上的非线性因果Markov模型与贝叶斯SMAP(sequenti almaximumaposteriori)准则结合起来 ,弥补了MAP(maximumaposteriori)准则在多层次图结构上计算不合理的缺陷。实验部分中 ,对两种算法用于被高斯白噪声污染的合成图像的恢复结果进行了比较 ,并将该算法用于实际的多分辨率航空图像。实验结果表明了该算法的优越性。