基于Multi-Agent技术的三层信息融合系统研究

针对传统传感器网络管理复杂,系统信息融合智能化不高、精度低和模式单一、结构不清晰等不足,首先分析了Multi-Agent技术、传感器网络技术以及信息融合技术的独特优势,然后采用计算机网络分层结构思想和基于人工智能本体的知识表达理念,在信息融合过程中采用改进的SVM分类方法,构建了一种基于Multi-Agent技术的多传感器三层信息融合系统并对其具体融合过程进行了分析。最后对分类过程用MATLAB进行了分析。实验结果表明:系统分类精度较高,一定程度上不仅明显弥补了传统传感器的诸多不足,而且为后期决策提供了较为精准的目标参数。     

多传感器信息融合Wiener反卷积平滑器

应用现代时间序列分析方法,基于ARMA新息模型和增广的状态空间模型,提出了按标量加权多传感器最优信息融合ARMA信号Wiener反卷积平滑器,给出了计算局部平滑器误差方差和互协方差的计算公式,它们可被用于计算最优加权系数．同单传感器情形相比,可提高融合平滑器的精度。一个仿真例子说明其有效性。     

自动驾驶中基于深度学习的3D目标检测方法综述

随着激光雷达传感器和深度学习技术的快速发展,针对自动驾驶3D目标检测算法的研究呈现爆发式增长。为了探究3D目标检测技术的发展和演变,对该领域中基于深度学习的3D检测算法进行了综述。根据车载传感器的不同,将当前基于深度学习的自动驾驶3D目标检测算法分为基于相机RGB图像、基于激光雷达点云、基于RGB图像–激光雷达点云融合的3D目标检测3种类型。在此基础上,分析了各类算法的技术原理及其发展历程,并根据平均检测精度（mAP）指标,对比了它们的性能差异与模型优缺点。最后,总结和展望了当前自动驾驶3D目标检测中仍然面临的技术挑战及未来发展趋势。     

时间序列分析的随机集方法

通过建模仿真,对有独立观测值的统计方法进行估计、预测和控制,并提出了一种新的解决时间序列分析的方法．由全集中某些指定数值的最邻近域诱导出一种局部不确定的随机集模型,在“模糊集”的基础上将统计目标整合到基于规则的系统中．实例结果分析表明,随机集模型是一种很好的时间序列分析方法。     

自校正观测融合解耦Wiener状态预报器

对于带未知噪声方差和带不同观测阵的多传感器系统,应用现代时间序列分析方法,基于子系统和加权观测融合系统的滑动平均(MA)新息模型的在线辨识,提出了一类自校正加权观测融合解耦Wiener状态预报器。用动态误差系统分析方法,证明了它按实现收敛于当噪声方差已知时的最优加权观测融合解耦Wiener状态预报器,因而它具有渐近全局最优性。一个目标跟踪系统的仿真例子说明了其有效性。     

基于等权平均压缩技术的雷达/红外传感器融合算法

针对雷达/红外传感器融合时经常面临的数据采样率不相等问题,提出了一种基于等权平均量测压缩技术的雷达/红外融合算法。该算法通过将高采样率的红外角度量测数据进行等权平均压缩,更有效地利用了目标信息,进而提高了雷达/红外融合后的信息精度。仿真结果验证了算法的有效性;且相对于最小二乘压缩的雷达/红外融合算法具有更高的精度。     

WorldView-2影像数据融合方法比较研究——以在四川省地理国情监测项目中应用为例

WorldView-2影像数据是四川省地理国情监测项目的重要数据源。本项目通过使用Brovey、Ehlers、HPF、HIS、PCA、Wavelet、PanSharpen、Gram-Schimdt 八种不同的数据融合方法对其全色和多光谱影像进行融合,并从清晰度、纹理和色调进行定性分析;从标准差、信息熵、平均梯度、偏差指数、相关系数和光谱扭曲程度进行定量评价;并通过FeatureStation GeoEX解译对比,研究融合结果的可用性。结果表明：基于PanSharpen变换融合方法产生的遥感图像失真较小,同时很大程度地保持了高分辨率全色波段的空间纹理细节信息,是一种适合于WorldView-2影像融合的较好方法;同时,与原始多光谱影像相比,具有更好的解译效果。     

面向工矿区陆面演变分析的多源遥感信息融合

面向工矿区陆面演变分析对遥感信息融合的要求．针对传统IHS融合算法的不足,提出了小波-IHS集成融合算法、主成分综合融合方法和加权特征IHS融合算法。小波-IHS集成融合算法集成了IHS融合与小波融合两种算法的优点;主成分综合融合算法有效地将降维操作与信息融合予以集成;加权特征IHS融合算法根据图像统计特性确定权重．能够更好地综合多源遥感影像的优点。所提出的算法在工矿区陆面演变分析中取得了较好的应用效果。     

矿井瓦斯监测多传感器信息融合模型

分析了矿井瓦斯监测中存在的对传感器的影响因素多等单个传感器本身所不能解决的问题,提出了利用多传感器信息融合技术来增加系统的信息利用率、提高整个系统的精度、可靠性和容错能力的方法。在讨论矿井瓦斯监测的信息源的基础上,确定了瓦斯监测多传感器信息融合的结构模式,利用状态空间方法对此结构模式进行了描述,建立了瓦斯监测系统多传感器信息融合的状态空间模型。采用人工智能方法,建立了多传感器信息融合的模糊神经网络算法模型,实验结果表明,该模型是有效的。     

结合tetrolet与红外显著性特征提取的红外与可见光融合

针对红外与可见光图像融合过程中红外热目标不突出、纹理及边缘细节易缺失等问题,提出一种结合tetrolet变换域与红外显著目标特征提取的融合方法。首先,在SURF框架内构建基于HOG的特征点描述符实现红外与可见光图像的精确匹配;其次,基于贝塞尔面结合背景及目标进行自适应抑制完成红外目标显著性特征提取;接着,将处理后的红外与可见光图像通过tetrolet多尺度变换分解为低频和高频分量;然后,利用基于局部能量和相对亮度自适应规则对低频分量进行融合,对高频分量采用基于局部空间频率自适应融合规则;最后,将融合的低频分量与高频分量通过tetrolet逆变换,以获得最终的融合结果。实验结果表明,本文算法对不同场景下的红外与可见光图像的融合效果不但主观上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间较其它算法得到了明显提升,并且在客观评价指标上也取得了较好的效果。