多传感器信息融合ARMA信号Wiener滤波器

应用现代时间序列分析方法,基于自回归滑动平均(autoregressive moving average,ARMA)新息模型和增广的状态空间模型,在线性最小方差按标量加权最优融合规则下,对带白色和有色观测噪声的单通道ARMA信号,提出了多传感器最优分布式融合Wiener滤波器。给出了计算局部滤波器误差方差和互协方差的公式,它们可被用于计算最优加权系数。同单传感器情形相比,可提高融合滤波器的精度。一个带三传感器的跟踪系统的仿真例子说明其有效性。     

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。     

多传感器状态融合估计理论在成纸定量估计中的应用

针对工业生产实际中造纸机模型的不确定性,基于多传感器信息融合理论,提出了提高成纸定量估计性能的鲁棒 H∞ 融合估计方法.实验结果表明多传感器融合理论可以在很大程度上提高估计的性能,鲁棒融合估计在纸机测量传感器出现故障时仍能保证较好的估计结果.     

多传感器航迹融合综述

多传感器航迹融合较之量测融合有着诸多优势,也是信息融合领域发展最快的方向之一.论述了航迹融合理论的发展,详细讨论了航迹融合中的互相关性以及包括简单协方差凸组合、互协方差组合、信息矩阵、协方差交及基于最优线性无偏估计在内的主流融合算法,并给出了相关仿真实验结果;最后,针对当前该方向的研究现状,特别是有关混合多模型状态估计的融合问题,提出了我们的一些认识.     

多基阵分布式估计融合新方法

针对水下多基阵分布式估计融合问题,为了解决常规方法中存在的获取完全水下信道特性难度大、算法实现复杂度高以及占用大量通信资源的缺点,在分布式等判决门限估计融合方法的基础上,建立了水下多基阵分布式估计融合模型,提出了多基阵分布式不等门限估计融合方法。理论分析和仿真试验表明：新方法在目标参数估计精度以及抗噪等方面优于等门限估计融合方法;在基阵数目较大时,其估计性能与似然估计方法相当。这种方法考虑了水声信道通信带宽的限制,满足了实际分布式估计融合系统对于计算量小、复杂度低以及实时性强的要求,能够应用于水下目标探测领域。     

基于Bayes估计的多传感器数据融合方法研究

对多传感器数据融合方法进行研究 ,以 Bayes估计理论为基础得到了多传感器最优融合数据 ,并将它与其它方法得到的融合数据进行了比较 .     

非同类传感器检测信息融合研究

关于检测信息融合的研究 ,以前多限于同类传感器的讨论。其原因在于非同类传感器检测融合时优化方程的耦合性 ,从而导致不易乃至不能求解。考虑不同类传感器传输给融合中心判决内容的类型相同 ,提出了一种非同类传感器的检测信息融合算法 ,从而推动了检测信息融合的实际应用。     

基于子波变换的多传感器最优信息融合估计

在线性最小方差最优信息融合准则下,提出了一种新的修正加权融合准则。在此基础上,结合子波域多尺度分解理论,构建了子波域多尺度多传感器按修正加权最优信息融合方法。该方法由于采用了修正的加权融合准则和子波域多尺度分解,提高了融合精度,减少了计算负担,便于实际应用。两个典型运动的仿真例子说明了其有效性。     

混沌神经网络多传感器信息融合系统设计

基于基本BP算法，引入具有全局游动性的混沌机制设计了混沌神经网络。将其用于多传感器信息融合设计了混沌神经网络多传感器信息融合系统。该系统能完善地、精确地反映检测对象，提高信息融合的质量。压力传感器数据融合系统的仿真证明了此法的有效性和优越性，系统设计简单，适合工程应用。     

基于多传感器信息融合的目标识别

在多传感器 (雷达和红外 )信息融合的目标识别中 ,不仅需要对点目标进行识别 ,而且也需要对面目标进行识别。由于传感器提供点目标和面目标的信息特征和信息量不同 ,致使信息融合的方法也不相同。针对这种情况 ,提出用基于智能规则推理的方法来进行点目标识别 ,用多传感器构成的联合特征向量的方法来进行面目标识别。仿真实验表明 ,采用这种方法能有效地提高目标识别的准确度     

Uncertain information fusion with robust adaptive neural networks-fuzzy reasoning

1 .INTRODUCTION Under increasingly complex operational circumstances ,there exists uncertain information in the sensors andthe networks of the multi-sensor system. The uncer-tainty occursin various manners ,e.g.the uncertaintyof multi-sensor systemstructure (includingthe dynam-ic ti me-variation property) and the uncertainty of theinformationitself (including fuzziness (containing am-biguity) ,randomness ,incompleteness (including de-fectiveness) as well as roughness) . And uncertainin-for…     

信息交流网络系统优化设计的核与核度法

网络系统的核与核度方法是一种首先抓住系统“核心部分”,然后在“核心部分”的基础上进一步优化网络系统结构的一种新方法,应用网络系统的核与核度方法给出了分析信息交流网络系统各种性能指标的新方法,诸如信息传递速度的快慢,传递的准确性,成员之间的满意程度等。研究了在各种不同的性能指标条件下,信息交流网络系统优化设计的方法和步骤。     

Non-gyroscope DR and adaptive information fusion algorithm used in GPS/DR device

1 .INTRODUCTIONWith the development of intelligent transport sys-tem(ITS) ,the real-ti me navigation is being givenmore and more attention. One of the key technolo-gies in vehicle navigationis to get the vehicles’po-sition continuously and accurately . Nowadays ,most of the vehicle position devices in use employGPS. However , the satellite signal is frequentlyscreened or disturbed when vehicles running amonghigh buildings , in tunnels or under viaducts ,which makes GPS receiver unable…     

信息融合技术在某试验指挥控制系统中的应用

针对靶场试验指挥控制系统中的信息融合需求,提出了一种改进的联合卡尔曼滤波算法,用计算加权系数的方法代替原来的计算加权矩阵,从而避免了求解滤波误差方差阵的逆矩阵。以GPS系统和地面某雷达的测量数据为例,对该算法进行了计算机仿真。结果表明,该算法对于抑制滤波发散、提高整个系统的精度和运算速度是行之有效的。     

基于信息复用和算法融合的初始对准方法

对惯性系多矢量定姿法的误差特性进行了理论分析,同时分析了最优估计初始对准的可观测性和对准误差,得出静基座下两种方法的对准精度相当的结论,通过试验验证了该结论,并发现当对准时间较短时,多矢量定姿法存在较大波动,因此将对准阶段的所有数据均用于多矢量定姿,提高算法稳定性,并将最优估计对准扩展到整个对准阶段,从而提高了对准精度...     

相似信息优先的复杂装备费用测算模型

针对横截面数据的复杂装备费用预测问题,由于主要参数比较相似的装备系统其研制费用往往趋同,提出了横截面数据的“相似信息优先原理”。分析新研装备与以往装备的相似度,按照指标信息的相似度区分横截面信息的优先次序。用归一化的相似度作为加权最小二乘法的权重,通过实例建立相似信息优先的回归模型,并与其他方法的结果对比,结果表明本文的方法具有更高的预测精度,相似信息优先的多元回归模型充分反映了相似信息的规律。     

Bayesian estimation for nonlinear stochastic hybrid systems with state dependent transitions

The Bayesian approach is considered as the most general formulation of the state estimation for dynamic systems.However,most of the existing Bayesian estimators of stochastic hybrid systems only focus on the Markov jump system,few literature is related to the estimation problem of nonlinear stochastic hybrid systems with state dependent transitions.According to this problem,a new methodology which relaxes quite a restrictive assumption that the mode transition process must satisfy Markov properties is proposed.In this method,a general approach is presented to model the state dependent transitions,the state and output spaces are discreted into cell space which handles the nonlinearities and computationally intensive problem offline.Then maximum a posterior estimation is obtained by using the Bayesian theory.The efficacy of the estimator is illustrated by a simulated example.