基于曲线拟合的多传感器时间对准算法研究

由于二维Q分类数据融合解决不了时间不同步的问题,提出了一种基于最小二乘法曲线拟合的时间对准算法。介绍了该算法的2个基本原理:最小二乘法拟合原理和时间对准原理;仿真分析该算法对2个不同采样周期的传感器进行数据融合。仿真结果表明,该算法计算速度较快,融合效率较好。     

基于曲线拟合的PRS/IRS时间对准方法研究

针对被动雷达/红外（PRS/IRS）复合导引头的数据融合过程中两个不同采样频率的传感器测量数据时间不同步的问题,提出了基于最小二乘曲线拟合的时间对准方法,推导了最小二乘法的曲线拟合公式;分析了影响拟合精度的因素,提出了特定条件下同时满足实时性和拟合精度要求的最佳时间对准方案,并利用Matlab进行了仿真分析.仿真结果验证了该算法的有效性.     

基于联合概率数据融合的多目标车辆安全跟随

为了实现密集杂波环境下多目标车辆安全跟随，提出多源传感器数据融合的多目标车辆跟踪算法与纵向避撞预警策略.针对多源传感器观测序列因采样周期、采样起始时刻、通信时延差异等引起的时间异步，以及空间上存在不同维度、不同坐标系的问题，给出时间配准与空间融合的软同步方法.采用基于改进的联合概率数据关联(JPDA)的单一传感器多目标状态估计算法对目标轨迹进行滤波估计，能够在保证有效关联的同时，在一定程度上降低计算复杂度.基于多源传感器联合概率数据融合(MSJPDA)序贯滤波算法对目标的运动状态进行序贯更新，将最后一级的输出作为融合中心的最终状态估计，再根据威胁估计模型对追尾危险的发展态势进行评估与分级.实车试验与仿真结果验证了该算法的可行性与有效性.     

两个异类传感器数据融合

介绍了一种基于两种传感器———雷达和红外传感器的数据融合算法 .假定这两种传感器具有不同维数的测量数据 ,并且以不同的采样周期传送到中央处理器 ,通过时间配准技术 ,对两个异步采样数据进行融合处理后 ,再对融合后的数据进行滤波更新 .结果表明滤波精度得到提高 .     

改进的一致性数据融合算法及其应用

通过定义一种新的置信距离,提出了一种改进的一致性数据融合算法.该方法综合考虑各传感器测量精度的差异,并通过权系数来体现各传感器测量精度的差异对置信距离的影响.算例应用表明该方法能够有效地减小传感器发生扰动时数据融合结果的变化,具有较高的数据融合精度;与极大似然法和未改进的一致性数据融合算法比较,该方法融合精度更高、抗干扰能力更强.该改进算法已成功应用于煤自然发火实验温度数据的数据融合,取得了较满意的融合结果.     

数据融合的模糊模型和算法研究

提出了一种数据融合的模糊模型和算法。该模型定义了容许函数对传感器输出信息的一致性进行度量，利用模糊测度对参与融合的传感器组的可靠性进行度量，使最终的融合结果是尽量可靠的传感器组提供的一致性较好的数据的综合。该方法既能有效的处理冲突信息和传感器故障产生的错误信息，同时又保证了融合结果的精确性和可靠性，具有良好的容错性和稳健性。既可用于信号层融合，又可用于决策层融合。仿真结果表明，融合方法令人满意。     

一种基于协方差控制的异步数据融合方法

针对异步融合中心计算量大、实时性差的问题，基于估计协方差控制理论提出了一种多传感器异步数据融合算法．该算法在每步卡尔曼滤波的同时进行下一步的传感器选择，以最少的运算量得到较优的结果．通过计算机模拟仿真，证明了该算法的有效性及可行性．     

一种多传感器时间配准方法

针对多传感器数据融合系统中观测数据时问不同步的问题，采用自适应α-β滤波算法与Lagrange插值法结合进行时问配准．与现有算法比较，此方法可与目标跟踪同步进行．仿真表明，该方法配准实时性强，且简单，可提高融合效率．     

目标对载机准确定位数据融合算法的研究

基于Kalman滤波的数据融合理论，建立了目标对载机准确定位的物理模型和极坐标下的数学模型，研究在机载光电跟踪系统中，红外传感器和传统的雷达传感器测量信息的数据融合。进行了观测值加权融合算法、观测状态向量合并和状态估计融合反馈3种算法的分析比较，以方位角融合为例进行仿真实验，并采用了协方差分析，结果表明，观测值融合算法的性能优于其它算法。     

一种基于模糊逻辑的主/被动雷达数据融合算法

提出一种基于模糊逻辑的主/被动雷达传感器数据融合算法。首先将单个雷达的测量值通过时间校准后,将它们作为卡尔曼滤波器的输入分别滤波,然后再对滤波后的目标状态估计进行融合。融合算法是基于卡尔曼滤波的协方差匹配关系,采用模糊推理得到数据融合的权值。最后将各传感器的卡尔曼滤波状态估计进行加权融合得到所需要的目标状态信息。采用该融合算法可以有效提高目标跟踪系统的抗干扰能力。仿真结果表明该算法有效。     

多Agent技术在数据融合系统中的应用

数据融合充分利用多个传感器资源,对观测到的信息进行合理支配和使用,把在时间和空间上的冗余或互补信息按照某种准则进行组合,以获取对被观测目标的一致性认识.为提高目标跟踪系统的滤波精度,在滤波时采用了多Agent技术,使系统的跟踪精度有了显著提高.通过引入多Agent技术,对数据融合系统中的模型和方法进行改进,提出多Agent数据融合模型,为数据融合问题提供新的解决方法和途径.     

Multimodality image registration and fusion using neural network

Multimodality image registration and fusion are essential steps in building 3-D models from remote sensing data. We present in this paper a neural network technique for the registration and fusion of multimodality remote sensing data for the reconstruction of 3-D models of terrain regions. A FeedForward neural network is used to fuse the intensity data sets with the spatial data set after learning its geometry. Results on real data are presented. Human performance evaluation is assessed on several perceptual tests in order to evaluate the fusion results.     

Sensor Registration Based on Neural Network in Data Fusion

The contents of sensor registration in the multi-sensor data fusion system are introduced, and some existing methods are analyzed. Then, one approach to sensor registration based on BP neural network is proposed. Here the measurements from radar are transformed from the polar coordinate system to the Cartesian coordinate through a BP neural network. With this approach, the systematic errors are removed as well as the coordinate is transformed. The efficiency of this method is demonstrated by simulation, and the result show that this approach could remove the systematic errors effectively and the DAR are closer to real position than DBR.     

基于模糊神经网络融合技术的智能火灾预警系统

根据当今火灾探测的现状和实现火灾早期探测的需求,将多传感器数据融合技术应用在火灾预警系统中.选择多个传感器对火灾过程的多参数进行监测,特别对火灾发生初期产生的异常信息进行全面监控,弥补了采用单一传感器的不足,扩展了时间上和空间上的监测范围.系统采用基于模糊神经网络多传感器融合技术,增强了系统报警输出的灵敏度和可靠性,实现了提前预警的目的.     

主/被动雷达导引头信息融合方法研究

针对导弹制导系统的特点要求,研究了基于Kalman滤波的信息融合算法并将其应用于主/被动雷达多模导引头系统中。研究了基于标量加权的分布式融合算法和基于增广测量方程的集中式融合算法并进行了数字仿真。研究结果表明信息融合算法能够提高多模导引头的测量精度,使融合精度受单一传感器影响更小,同制导律的闭合仿真也表明信息融合技术提高了制导精度,减小了脱靶量;分布式融合算法更方便实现时间校准从而便利于多模复合制导使用。此外,所研究的融合算法计算量小,易于工程应用。     

基于仿射变换的双波段红外图像配准算法研究

图像配准是图像融合技术中的首要环节,只有经过配准的图像才能够进行融合。虽然双波段红外探测器探测的是同一场景,但是由于光学系统的构造产生了两幅图像,而两幅图像之间却存在了几何位置上的差异,所以在本文中提出一种配准方法。通过点检测方法获取图像的特征点,然后再选取其中两组较为明显的特征点组,再根据仿射变换关系式,确定其中的模型参数,并且对图像进行配准。     

多超声波传感器的工作空间识别

将超声波传感器应用于煤矿井下机器人的工作空间识别问题,研究了应用ＤＳ（Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ）证据理论对超声波传感器信息进行融合的方法,包括测量系统的信度分配、证据的提取及动态融合算法等。最后,构造了一个假想的三维工作空间,将机器人手臂近似为理想直线段杆件联合体,进行了仿真实验,取得了满意的仿真结果。研究表明,ＤＳ语气理论不但可以合理地表示完全未知的情况,还能表示非特定性的信息,且具有实用     

传感器误差配准问题研究

多传感器数据处理系统中各种误差是影响目标跟踪和数据融合质量的一个重要因素,而误差配准则是系统中的一个重要环节,是进行跟踪、关联、融合的前提。介绍传感器误差配准的定义及二维传感器误差配准模型,综述目前国内外对传感器误差配准的研究现状,对传感器误差配准研究提出展望。