同类多传感器自适应加权估计的数据级融合算法研究

针对同类多传感器测量中含有的噪声,提出了多传感器数据自适应加权融合估计算法,该算法不要求知道传感器测量数据的任何先验知识,依据估计的各传感器的方差的变化,及时调整参与融合的各传感器的权系数,使融合系统的均方误差始终最小,并在理论上证明了该估计算法的线性无偏最小方差性.仿真结果表明了本算法的有效性,其融合结果在精度、容错性方面均优于传统的平均值估计算法.     

隐式自校正加权观测融合Kalman滤波器

对于带未知噪声方差的线性离散定常随机系统,利用多个结构相同但精度不同的传感器进行观测,各观测结果之差可以产生多组新的白噪声序列,利用各组白噪声的相关函数阵解矩阵方程组,可解得各传感器观测噪声方差Ri.通过状态方程和观测方程以及观测噪声估值,可求得ΓQwΓT的估计,进而得到隐式自校正加权观测融合Kalman滤波器.一个目标跟踪系统的仿真例子说明了其有效性.     

自校正标量加权信息融合Kalman滤波器

对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型的在线辨识和求解相关函数矩阵方程组,可在线估计噪声统计,进而在按标量加权线性最小方差最优信息融合准则下,提出了自校正标量加权信息融合Kalman滤波器。它具有渐近最优性,且比每个局部自校正Kalman滤波器精度高,算法简单,便于实时应用。一个目标跟踪系统的仿真例子说明了其有效性。     

自校正加权观测融合Kalman估值器

对于带未知噪声统计的多传感器系统,应用现代时间序列分析方法,基于滑动平均（MA）新息模型参数的两段递推最小二乘法在线辨识,可在线估计未知噪声方差,进而提出了一种加权观测融合自校正Kalman估值器,可统一处理自校正滤波、预报和平滑问题,并证明了它的收敛性,即若MA新息模型参数估计是一致的,则它与相应的最优加权观测融合Kalman估值器的误差收敛到零,因而具有渐近全局最优性。一个带3传感器跟踪系统的仿真例子说明了其有效性。     

多传感器AR信号自校正加权融合Wiener滤波器

对带多传感器和带未知模型参数及未知噪声方差的自回归(AR)信号,应用递推辅助变量(RIV)算法得到局部模型参数估值器,用相关方法得到局部噪声方差估值器。用取局部估值器的平均得到信息融合估值器。将它们代入最优加权融合AR信号Wiener滤波器,提出一种自校正加权融合Wiener滤波器。它们以概率1收敛于最优融合Wiener滤波器,因而具有渐近最优性。它的精度比每个局部自校正Wiener滤波器精度都高。仿真例子说明了其有效性。     

频率估计的多段差频正弦信号加权融合算法

针对多段差频正弦信号,提出一种基于加权融合的频率估计算法,用以提高低信噪比条件下短时正弦信号的频率估计精度,扩展多段信号融合法的适用范围。为消除各段信号频率不等对频谱分析的影响,根据各段信号间频率差生成差频修正矩阵,对多段差频正弦信号频谱进行同频化处理;为消除各段信号相位不连续对频谱分析的影响,构造具有相位连续特性和降噪特性的加权因子,对同频化的多段差频正弦信号频谱进行加权融合,得到最优加权融合频谱;最后,谱峰搜索最优加权融合频谱,实现高精度频率估计.仿真实验表明,与现有算法相比本文算法估计精度高、抗噪性好、普适性好,特别在低信噪比、短时时宽下性能优良.     

多传感器分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     

短时同频等长信号频率估计的加权融合算法

针对低信噪比条件下短时正弦信号的高精度频率估计问题,提出一种同频等长信号加权融合算法。首先,建立同频等长信号频谱模型,构造具有相位连续化特性和噪声对消特性的相位补偿矩阵;然后,利用相位补偿矩阵对同频等长信号频谱进行加权融合,使之基本达到与其总长度相等的相位连续信号频谱的分析效果;最后,谱峰搜索加权融合后的频谱,获得高精度的频率估计值。算法分析与仿真实验表明,与现有方法相比,本算法精度较高,计算量较小,抗噪性较强,普适性好,适用于任意类型的同频等长信号。     

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。     

面向智能船舶的水面小目标检测算法

针对智能船舶中基于视觉传感器的水面小目标识别具有识别区域分辨率低、图像模糊、信噪比低等问题,提出了一种新的基于卷积神经网络的水面小目标检测算法——自注意力特征融合检测算法.首先,为了提高视觉信息处理的效率与准确性,在网络模型中引入了自注意力模块,更多关注小目标的细节信息.其次,在网络模型中采用了结构化的特征融合算法,通...     

船舶航向在线自学习智能控制方法

为更快更好地控制船舶在预定航线上航行,提出一种船舶航向在线自学习模糊神经网络智能控制方法.模糊子集处理船舶控制中的不确切信息,通过神经网络训练模糊推理系统中的参数,旨在把模糊推理和神经网络融合,使船舶航向智能控制器具有在线自学习功能.该方法能实时控制风流扰动下作为非线性时变系统的船舶而无须依赖船舶运动数学模型.模拟试验结果表明,即使在有环境扰动情况下,该方法也能很好地控制具有很大惯性船舶的航向.     

自校正集中式融合信息滤波器

对于带未知噪声系统和不相关噪声的多传感器随机系统,将基于相关方法得到的噪声方差带入到集中式融合最有信息滤波器,提出自校正集中式融合信息滤波器。同基于Riccatia方程的集中式融合Kalman滤波器相比,它避免了计算高维矩阵的逆,从而减少了计算负担。应用动态误差分析方法,证明了自校正集中式融合信息滤波器以概率1收敛于最优集中式融合信息滤波器,因而具有全局渐进最优性。一个带3传感器跟踪系统的实例说明其有效性。     

用Weighted fusion方法对森林中蝙蝠活动数据做变量选取

利用Weighted fusion变量选择方法,分析了森林中蝙蝠活动数据.计算了各变量之间的样本相关系数,画出了响应变量与预测变量之间的散点图,对预测变量按照重要性进行了排序,并且根据AIC与BIC准则选出了跟蝙蝠活动显著相关的预测变量.     

自校正分布式观测融合Kalman估值器

对于带未知噪声统计的多传感器系统,应用加权最小二乘(WLS)法得到了一个加权融合观测方程,且它与状态方程构成一个等价的观测融合系统.应用现代时间序列分析方法,基于观测融合系统的滑动平均(MA)新息模型参数的在线辨识,可在线估计未知噪声方差,进而提出了一种加权观测融合自校正Kalman估值器,可统一处理自校正融合滤波、预...     

一种基于分数低阶协方差的维纳加权时间延迟估计方法

依据分数低阶统计量理论和信号噪声特性,提出了一种基于分数低阶协方差的维纳加权(FLOC—WP)时间延迟估计的新方法．这种方法将常规的维纳加权广义时间延迟估计方法与分数低阶协方差结合起来,理论分析和计算机仿真结果表明其既可以应用于高斯噪声环境,又在低阶α稳定分布噪声环境下具有良好的鲁棒性．     

一种小波加权局部对比度的医学图像融合方法

针对利用小波变换进行医学图像融合存在的问题,提出一种基于小波变换的加权局部对比度的医学图像融合方法,该方法在低频子带采用区域标准方差的融合规则.由于人类视觉系统对局部对比度比较敏感,高频子带根据小波变换的方向特性采用加权局部对比度的融合规则,结合人眼视觉特性给出了加权局部对比度的系数选择方案,该规则更加符合生理视觉的特性.实验结果表明:该方法与传统融合方法相比,得到具有更好视觉效果和更优量化指标的融合图像.     

基于事件驱动的船载智能信息平台架构设计

 现有船载信息平台受限于设备接口限制、数据标准等问题，民用船舶信息平台的发展缓慢，难以处理复杂数据和多任务。智能船研制过程中，传统的船载信息平台在架构上的不足使其难以支撑船舶在复杂工作场景下的分析任务。提出了一种基于事件驱动的船载信息平台架构设计方案，根据“感知-认知-决策-控制”的闭环，针对智能功能完成了事件流程建模，提高了随机、不确定事件的处理效率，降低了系统耦合度，使信息平台能够提升任务处理能力并降低硬件资源需求。     

基于事件驱动的船载智能信息平台架构设计

现有船载信息平台受限于设备接口限制、数据标准等问题,民用船舶信息平台的发展缓慢,难以处理复杂数据和多任务。智能船研制过程中,传统的船载信息平台在架构上的不足使其难以支撑船舶在复杂工作场景下的分析任务。提出了一种基于事件驱动的船载信息平台架构设计方案,根据"感知-认知-决策-控制"的闭环,针对智能功能完成了事件流程建模,提高了随机、不确定事件的处理效率,降低了系统耦合度,使信息平台能够提升任务处理能力并降低硬件资源需求。     

广义线性模型参数估计的随机加权法

在广义线性模型中,用随机加权法求解参数估计的渐近方差.通过推导给出随机加权参数估计与未加权参数估计的渐近分布,并且证明它们是相同的,从而可以用容易获得的随机加权估计的渐近分布去近似原参数估计的渐近分布.     

估计随机变量母体均值的加权数据融合方法

提出了一种把多源信息综合处理的数据融合方法。该方法依据极大似然原理将来自不同母体(均值相同、方差不同)的随机样本有效融合，得到新的母体均值估计量。该估计量具有无偏性，并且比其它传统估计量更加有效。理论和实践证明，用该方法处理数据可提高检测精度。