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.     

一种多传感器数据时空融合估计算法

当采用分布在不同空间位置上的多传感器观测值对测量噪声干扰下的参数进行融合估计时,数据融合存在时间性与空间性。为了提高测量精度,基于参数估计理论,提出一种多传感器数据时空融合算法。该算法将数据融合分解为两次估计,第一次是基于时间的递推融合估计,第二次是基于空间的自适应加权融合估计。该算法不要求知道测量数据的任何先验概率分布知识,编程简单,计算量小。计算机仿真表明,该算法在减少测量误差方面优于目前已有的基于时间或基于空间的多传感器数据融合算法。     

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 .     

带相关噪声的加权观测融合估计算法及其全局最优性

针对多传感器线性离散定常随机控制系统,当具有相关噪声且每个传感器带不同观测阵时,基于矩阵满秩分解与加权最小二乘理论,提出了新的加权观测融合估计算法。该算法首先将多个传感器的观测折算到一个等效的传感器上,对等效的传感器系统进行估计,证明了其估计结果相同于集中式融合稳态Kalman估计结果,因而它同样具有渐近全局最优性,且可明显减小计算负担,便于实时应用。仿真实验结果表明了该算法的有效性。     

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。     

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。     

病态场景下多传感器系统误差的岭估计方法

多传感器系统误差估计是数据融合系统获得性能优势的关键前提之一。针对病态场景下传统系统误差估计方法数值不稳定的问题,对目标密集型和传感器密集型两种典型病态场景进行了理论分析,提出了多传感器系统误差的岭估计方法,以牺牲估计器无偏性的代价来改善估计结果的数值稳定性。通过引入条件数约束,给出了岭参数的最优取值方法。仿真结果表明,所提岭估计器在良态场景下与传统最小二乘估计器性能保持一致;在目标密集型场景下,与传统方法相比有显著性能优势;在传感器密集型场景下,对距离系统误差的估计性能有明显改善。     

基于干扰估计的BTT导弹鲁棒方差姿态控制

针对存在非线性和不确定性的倾斜转弯(bank-to-turn, BTT)导弹姿态控制问题,提出基于干扰估计的鲁棒方差控制方法。将姿态运动中非线性项和不确定项作为总干扰,采用干扰观测器进行估计,并引入控制系统进行补偿。干扰观测器的观测误差作为BTT导弹姿态运动的干扰输入,为了保证控制系统具有良好的动态和稳态性能,采用鲁棒方差控制理论设计了线性反馈控制器,将闭环极点配置在特定圆盘区域,同时将状态变量的稳态方差保持在给定的范围内。仿真结果表明,所提出的鲁棒方差姿态控制器能够保证良好的控制效果,鲁棒性强。     

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。     

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。     

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,...     

信息融合的熵理论

本文提出的信息融合熵理论包括：对信息融合中存在着两种信息源的分析、利用信息熵概念定义信息融合熵、论述融合过程中信息融合熵的变化和传递以及提出信息融合熵二定理，由此揭示了信息融合过程中多源信息的管理（选择）和信息融合有效性及系统性能极限间的内在联系。并且我们还应用这一理论具体分析了目标状态估计（跟踪）融合与检测融合这两个融合应用问题，以说明该熵理论的应用。     

基于模糊推理的多模导引头数据融合模型研究

本文应用模糊集理论，提出了一种基于模糊推理的多模导引头准判决级数据融合模型，给出了模型中参数的选取方法。该模型的特点是融合规则灵活，能兼顾系统的检测性能和抗干扰性能，能较好地处理系统各探测器获取信息的冲突性。     

两坐标雷达融合定位算法

传统的两坐标雷达目标定位算法需通过迭代求取目标位置估计,不仅计算量大,而且有可能得到局部最优解,甚至无效解。提出了一种组网融合定位算法,利用数据融合技术进行目标定位,回避了费时的迭代搜索,同时保证了估值的有效性。仿真实验验证了该方法的有效性。     

滚动时域估计中先验估计误差协方差阵的递归算法

对滚动时域状态估计问题中先验估计状态和相应的误差协方差矩阵的计算方法进行了讨论。给出了滚动时域估计中先验状态的估计方法,并导出了与先验滚动估计状态相一致的误差协方差矩阵的递归公式。与其它的滚动时域估计方法相比,本文给出的方法能够提高估计的精确性,具有更好的估计性能。     

融合位置和姿态信息的模型概率估计

为了利用目标的姿态信息来提高机动目标跟踪的精度,提出一种融合位置和姿态信息的模型概率估计算法。该算法采用模糊关联的方法,实现了基于姿态信息的模型概率估计;根据离散点过程滤波的基本理论,对其进行滤波;采用贝叶斯推理方法,对来自姿态的模型概率和来自位置的模型概率进行了信息融合,并将融合后的模型概率应用到IMM算法。仿真表明,改进的IMM在保持传统IMM实时性的基础上提高了跟踪精度,从而验证了姿态信息对目标跟踪的辅助作用。