多传感器异步关联航迹的融合

异步航迹融合是多传感器多目标跟踪系统的一个重要问题。由于多传感器的采样速率和通信延迟不同,因此为了提高跟踪精度和准确性,融合中心必须进行异步目标航迹融合。在分布式模式下,基于各传感器在Kalman滤波器输出本地目标航迹的基础上,提出了一种融合误差均方差矩阵的迹最小意义下的异步目标航迹融合算法。给出了具体的实现步骤。仿真实验结果表明,这种融合方法是有效的。     

多传感器数据融合仿真平台的构建及设计

数据融合是军事C^3I系统的重要组成部分，对C^3I系统效能的发挥起着决定性的作用。文中简述了多传感器数据融合仿真平台的重要性及其实际意义，介绍了空中目标跟踪多传感器数据融合仿真平台的构建；针对位置级数据融合开发所需的模块，合理地进行了软件设计；仿真平台还通过使用模块化和开放性的结构，使仿真平台具有通用性、实时性和对话性等特点。最后，给出了一个该仿真平台的一个运行实例，使该仿真平台的可靠性、实用性等得到了仿真验证。     

分布式多传感器信息融合仿真系统设计与实现

针对多传感器信息融合算法仿真验证应用背景,通过系统需求分析,提出了基于HLA的分布式仿真系统结构,通过构建实体模型,生成红蓝双方的兵力,配置多种典型剧情、作战平台、传感器,实现在全局意义下验证局部信息融合算法的效果.并对系统开发过程中的想定配置、雷达模型、传感器数据处理,软件集成进行了讨论.此项研究对于其他分布式仿真系统的设计和开发具有参考价值.     

基于自适应提升小波变换多分辨率数据融合

建立了基于小波去噪的多分辨率多传感器数据融合模型 ,引入了提升法自适应离散小波变换 ,根据最小均方 (LMS)自适应法确定伯恩斯坦 (Bernstein)提升滤波器的权系数 ,使其匹配低分辨率传感器的数据序列 ,接着使其对高分辨率采样数据的小波分解的尺度系数进行数据更新 ,实现不同分辨率数据的融合。最后对不同分辨率三传感器测量系统进行了数值仿真。实验结果表明 ,该方法可以有效地实现多分辨率多传感器数据融合 ,而且消除了噪声干扰 ,提高了系统的测量精度。     

基于FCM的多传感器融合多目标跟踪的数据关联

数据关联是实现多目标跟踪的核心技术之一,也是实现多传感器信息融合的前提。本文采用改进的模糊c-均值法求解关联概率,并通过在不同的传感器所对应的观测空间上建立多目标运动状态的投影,将单传感器数据关联算法推广到多传感器信息融合系统,从而可在密集杂波环境中实现对多目标的数据关联和精确跟踪。仿真实验结果说明了本文方法的有效性。     

基于HLA的机载多传感器探测仿真系统设计与实现

为了缩短机载多传感器探测系统的研发周期,减少开发成本,降低项目风险,机载多传感器探测仿真系统是良好的途径。传统的分布式仿真技术不能解决多平台多传感器联合探测的传感器重用和扩展问题,提出了基于HLA的机载多传感器探测仿真系统。以飞机为平台,首先设计了基于HLA分布式仿真技术的机载多传感器探测仿真系统的整体架构,然后完成了各联邦成员的功能设计及FOM表设计,给出了各机载传感器之间的信息交互关系,最后建立了分布式仿真系统,实现了机载多传感器探测仿真系统的可视化,典型空战场景下的机载多传感器探测仿真系统实例结果表明:各联邦成员之间实现了数据流通,且仿真数据准确无误,可实现机载多传感器的重用和扩展,为实际的工程应用提供了良好的仿真验证平台。     

侦察信息融合处理仿真系统的设计与实现

介绍了一种侦察信息融合处理仿真系统的设计和实现方法，该系统由战场剧情仿真系统、数据融合处理系统和数据库系统构成。其中数据融合处理系统是整个系统的关键部分，由基于jerk模型的机动目标融合跟踪模块、基于模糊推理的目标识别模块以及态势感知模块组成。系统模拟了主动雷达，被动雷达，敌我识别器，通信侦察设备等多种传感器对海空战场态势进行综合感知的信息处理流程，构建了侦察信息融合处理仿真系统，并对一个典型的战场场景进行了仿真实验。     

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。     

弹道中段雷达目标识别仿真系统的关键模型及实现

雷达是弹道中段的主要传感器,在中段目标识别中发挥着核心作用.根据弹道目标雷达识别仿真系统的要求及弹道目标识别的特点,建立了弹道目标雷达特征数据产生、雷达目标识别特征提取、识别算法融合等多个关键模型,设计并实现了弹道中段雷达目标识别仿真系统.进行了典型战情下的雷达目标识别仿真,仿真结果表明所设计的仿真系统稳健可行,系统可以为弹道中段雷达目标识别研究提供仿真支撑.     

基于多智能体的人体生理指标时间校准

为准确快速的分析人体的健康状况,将多智能体技术引入多源异构的生理信息融合领域,设计并实现了基于多智能体技术的人体生理指标融合系统的功能结构,在此基础上,针对同类与异质的多传感器系统分别采用了最小二乘法和三次样条插值算法完成了时间校准,实现了生理数据的同步化,并通过实验仿真,证实了算法的可行性,为特征融合奠定了基础。     

基于平方根UKF的多传感器融合再入段目标跟踪研究

为了提高再入段目标跟踪的精度,将平方根不敏卡尔曼滤波（unscented Kalman filter, UKF）算法与多传感器分布式融合算法相结合,提出了基于平方根UKF的多传感器融合跟踪算法。在各个独立的传感器中利用平方根UKF滤波器进行状态估计,然后通过分布式融合方法融合各传感器的状态估计值得到全局的状态估计值和误差协方差,将全局误差协方差进行加权对各传感器进行分配更新。通过仿真验证,基于平方根UKF的多传感器融合跟踪算法具有较高的跟踪性能,是一种有效的非线性融合跟踪算法。     

异步航迹关联算法与仿真

在分布式多传感多目标信息融合系统中,由于每个局部传感器的采样频率不同以及具有不同的通信延迟,导致送入融合中心的局部航迹往往不是同步的。本文提出一种异步航迹的关联方法,该方法首先基于最小二乘法实现单传感器的时域融合,从而将多传感异步航迹同步化;然后利用网络优化算法,获得相应于每个目标的各个传感器的局部航迹组合。仿真试验表明本文算法在解决异步航迹关联问题的有效性。     

分布式多传感器融合多目标跟踪方法

为实现杂波干扰环境中对密集多目标的精确跟踪,对于分布式多传感器融合多目标跟踪系统,提出一种序贯处理的航迹关联算法。其中航迹关联采用了粗、精关联相结合的方法,航迹融合采用了序贯的融合方法。本文算法在保证航迹关联正确的同时,大大降低了计算量。仿真实验结果说明了本文方法的有效性。     

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.     

带反馈信息的纯方位水下分布式融合算法

针对水下被动目标跟踪的特点，为了改善跟踪性能，本文研究纯方位水下分布式模型中多传感器的状态估计技术。参照雷达系统中的反馈机制，在观测平台有效机动的情况下，利用多传感器量测的方位序列进行状态估计融合。仿真结果表明，融合中心能够完成对目标的状态估计，且引入反馈机制可以明显改善局部传感器的估计精度。这为水下被动目标跟踪的实现，提供了工程应用参考。     

基于CORBA的多传感器管理原型系统研究

近年来,基于Agent的分布式智能系统已成功地应用于众多领域。将多Agent技术应用于多传感器管理领域研究,以开发多传感器智能管理的多Agent系统,提出了基于CORBA的原型系统的基本框架和系统实现途径及方法,其中着重研究了融合Agent与传感器Agent的原型系统结构、基于多Agent理论的传感器管理问题分布式任务分解与控制问题以及Agent之间的协调合作问题。原型系统的研究,为实际应用系统的研制开发提供了理论指导和方法依据。     

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…