基于加权表决的决策层融合多系统调制识别

利用信息融合技术研究多系统调制识别问题，提出一种加权表决融合算法。该算法首先定义系统对识别结果的贡献度，用来描述多个系统的联合对识别性能的提升，并将其作为分配权重的依据。然后将这种多系统识别问题建模为合作对策模型，利用合作对策的Shapley值来决定各系统的权重。最后通过所提出的加权表决算法，对多个系统的调制方式判决结果进行决策层融合。计算机仿真表明该算法有助于提高调制识别的性能。     

窄带水声信号的分布式检测融合

研究了分布式检测融合系统的融合算法，及其在水声信号检测中的应用。提出了一种基于软决策融合的水声信号检测融合算法，并结合窄带声呐信号检测系统，给出了融合系统检测性能的计算机仿真结果。仿真结果表明，采用检测融合技术可大幅度地提高水声信号检测系统的检测性能。     

基于模型的构件系统性能预测综述

在软件开发过程的早期引入性能需求，并通过建立性能模型对待实现系统的性能进行预测可以极大减小项目风险。给出了构件系统性能预测的一系列相关定义，总结并比较了各种性能模型在描述能力和解析难度上的优缺点。在总结通用的性能预测方法基础上，提出了基于模型的性能预测方法的一般思路。详细介绍了基于模型的构件系统性能预测3类方法，从多个方面对各种方法进行了比较和分析。探讨了当前研究中的不足之处，给出了本领域有前途的研究方向。     

三模复合寻的制导的数据融合技术

介绍了三模复合制导系统的数据融合模型，提出了应用贝叶斯推理技术进行数据融合的信号检测方法，分析了这种复合制导方法的性能。分析表明，这种复合制导模型均具有较高的检测概率，较好的容错性和环境适应性，因此具有较好的制导性能。     

基于惯性传感器网络的分布式导航方法

通常的惯性导航冗余配置及其信息融合技术,是基于相同的系统状态模型,不适合分布式惯性传感器网络的应用。针对该问题,给出了一种基于惯性传感器网络的分布式导航方法,将多个惯性测量单元配置在载体不同部位,不仅能提供冗余的导航信息,还能提供局部运动测量。在惯性网络结构分析基础上,建立了惯性网络动态测量模型,采用最大似然估计和信息滤波法,设计了分布式惯性测量融合与导航状态融合的分阶段信息融合算法,通过仿真进行了验证。结果表明,所提方法充分利用了其他节点的惯性传感器信息和同类导航状态信息,可以提高整个惯性传感器网络的估计性能和故障容错能力,在提高低性能节点导航精度的同时实现对高性能节点的自动对准。     

基于Lanchester方程的多传感器数据融合效能模型

介绍了经典Lanchester方程及其改进的模型,在此基础上提出了Lanchester方程的多传感器数据融合系统效能模型,该模型具有传统Lanchester方程的基于耗损的系统特性,又能反映出数据融合系统的作用效能,可较好的反应C3I数据融合系统对作战双方实力的影响,利于在系统仿真中实现,对于C3I系统的效能分析有着重要的意义。     

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.     

基于广义相对信息熵的数据融合系统性能评估

提出基于度量融合系统信息量增加量的性能评估方法。该方法利用广义相对信息熵作为度量数据融合使系统信息量增加量的指标。将各种常见的不确定信息在模糊测度的框架中表达，利用Shapley熵测度系统信息的信息量。将相对熵推广到模糊测度的Shapley熵中，其归一化值作为定量评价数据融合系统性能的标准，该方法在模糊测度的框架中度量融合系统对系统信息质量的提高，普适性强，是数据融合系统性能评估的一种有效方法。     

基于多传感器多目标特征信息的模糊数据关联算法

本文针对高干扰环境下测量数据的不确定性，提出了多传感器多目标特征信息融合的数据关联模糊逻辑推理方法。研究了基于最陡下降法构造全模糊模型关联系统的自学习算法，以及多个主传感器数据融合对模糊关联系统性能的改善。其基本思想是通过融合多种特征信息进行模糊逻辑推理，改善数据关联质量的同时，不增加整个目标跟踪系统的复杂性。理论分析和应用举例都证明了模糊逻辑系统融合多种数据形式解决关联问题的能力。     

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.     

基于传感器网络的在线决策融合目标检测方法

针对传感器网络(sensor network, SN)目标融合检测应用中融合中心无法精确地获得局部传感器节点检测性能参数的问题,建立了基于SN的目标融合检测系统,提出了一种非理想信道条件下在线决策融合的目标检测方法。该方法依据解调后数据构建了节点未知虚警概率、检测概率以及节点与融合中心信道平均传输错误概率等未知参数求解模型,并采用非线性最小二乘方法在线地估计出这些未知参数。进而通过选择性能优的节点参与融合,最大化融合检测系统检测概率。仿真结果表明:这种在线决策融合方法能够准确地估计出传感器节点的概率参数以及信道的平均传输错误率;相比于已知先验的最优似然比融合规则,在线决策融合规则检测性能相当。     

在衰减信道中基于最小贝叶斯风险的检测算法

针对实际检测过程中本地检测器至融合中心传输信道的非理想性,提出了基于两种非理想信道模型的分布式检测算法:第一种为融合中心已知非理想信道的瞬时状态信息;第二种为融合中心已知非理想信道的统计特性。通过最小化平均贝叶斯风险来设计本地检测器和融合中心的优化判决算法,其判决形式都可简化为似然比判决。最后通过仿真表明第二种模型的检测性能略低于第一种模型,但其计算量却大大降低。     

多跳筛选无线传感器网络决策融合

为了在保证传感器工作效果的同时控制系统能耗,在资源受限的无线传感器网络决策融合系统中同时引入传感器信息的多跳传输方式和筛选传输策略。在瑞利分布信道模型下,推导出该系统的最优融合规则。但该规则需要信道的实时状态信息,实用性差。为此提出基于信道统计分布信息的次优似然比融合规则,并给出了小信道信噪比情况下的简化形式。理论分析和仿真表明,次优规则性能损失较小,运算量更低,信息需要更少,符合资源受限系统的要求;同时使用筛选策略,降低了系统的传输能耗。     

基于多任务支持向量机的健康数据融合方法

针对电子健康服务管理中的多源数据融合难题,利用人工智能技术,结合多任务学习理论与支持向量机理论提出基于多任务支持向量机的数据融合方法(multi-task support vector machine for data fusion,简称mSVMDF).该方法对具有相同数据源的特征向量构造基于支持向量机的融合模型,在多任务学习框架下考虑结构稀疏性与各模型关联性的有机结合,以实现对具有不同数据源个数的多源数据的融合,并以多源影像数据与常规检验数据融合为例,开展数值实验验证方法的有效性.实验结果表明mSVMDF方法可以有效地融合具有不同数据源个数的多源数据,同时该方法具有较好的分类性能与结构稀疏性.     

基于改进时域证据融合的目标识别

为了实现防空反导目标识别,根据证据折扣理论和证据可靠性评估的思想,提出了一种改进的时域证据组合方法。首先,提出了具有时域信息累积的信息融合模型;然后,通过基于信任度和虚假度的方法对累积的时域信息进行预处理,用可信度衰减模型和基于Einstein算子改进的冲突因子分别进行实时可靠性和相对可靠性评估;最后,基于Dempster准则和证据折扣准则对证据进行合成。仿真分析表明,该方法能够充分利用历史信息,体现了时域信息融合的动态性,能够有效处理信息冲突,具有较强的抗干扰能力。     

基于鲁棒H∞滤波的多站角度测量机动目标被动跟踪

建立了机动目标的多站被动红外搜索与跟踪（infrared search and tracking, IRST）系统的当前统计模型,基于该模型提出了机动目标跟踪的鲁棒H∞融合滤波算法。该算法将H∞滤波算法和集中融合跟踪算法相结合,对多站IRST测得的目标角度信息进行融合,可解决被动式跟踪系统的可观测性及非线性问题,以实现对目标较高精度的定位和跟踪。以三个观测站进行跟踪为例,对一个高机动目标进行了仿真研究,仿真结果表明,该滤波算法比扩展卡尔曼滤波（extended Kalman filter, EKF）算法有更高的跟踪性能,是IRST系统中一种有效的跟踪算法。     

基于平方根CKF的多传感器序贯式融合跟踪算法

为了提高非线性序贯式融合跟踪算法的精度,提出了基于平方根容积卡尔曼滤波器的多传感器序贯式融合跟踪算法。该算法使用三阶容积数值积分原则计算非线性过程的均值和方差,克服了扩展卡尔曼滤波器存在的滤波精度低及平方根无迹卡尔曼滤波器存在的参数复杂的缺点。同时,在滤波递归过程中以协方差平方根矩阵代替协方差矩阵,这样确保了滤波算法的数值稳定性,提高了跟踪的精度。最后用已知弹道系数的再入段弹道跟踪模型对所提算法的性能进行仿真测试。仿真结果表明,所提算法具有很好的跟踪性能,是一种有效的非线性序贯式融合跟踪算法。     

低信噪比条件下多基阵检测融合系统建模与性能分析

针对水下目标探测中的分布式检测融合问题,提出了一种低信噪比条件下的多基阵检测融合系统模型。基于水声信道估计和似然比检测原理,研究并比较了NP(Neyman-Pearson)准则下局部基阵判决采用二相相移键控(binary phase shift keying, BPSK)和二进制启闭键控(on-off keying, OOK)两种调制方式时的检测融合性能。理论分析和仿真实验表明：在低信噪比条件下,与单基阵探测系统相比,利用本文提出的多基阵检测融合模型建立探测系统能够有效提高对未知目标的检测概率,模型的提出对于水下分布式目标探测系统的建立具有较高的理论参考价值。     

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.