Multi-focus image fusion with half weighted gradient and self-similarity

In order to get a satisfactory image fusion effect, getting a focus map is very necessary and usually difficult to finish. In this paper, we address this problem with a half weighted gradient approach, aiming to obtain a direct mapping between focus map and source images. Based on the advantages of multi-scale weighted gradient, while abandoning the shortcomings of weighted gradient, a new multi-focus image fusion method called half weighted gradient and self-similarity (HWGSS) is proposed. Experimental results validate that the proposed algorithm can obtain state-of-the-art fusion performance in terms of both qualitative and quantitative evaluations.     

最小二乘Unscented卡尔曼滤波在伪卫星定位中的应用

为了提高伪卫星的定位精度,在研究伪卫星星历误差传递规律和伪距观测方程线性化误差的基础上,提出一种最小二乘Unscented卡尔曼滤波算法。该算法首先利用最小二乘法估计出伪卫星的位置误差,并对伪卫星的位置进行修正,以减小伪卫星位置误差对导航解算精度的影响;然后利用无迹卡尔曼滤波算法对用户位置进行解算。仿真结果表明,与传统的扩展卡尔曼滤波算法相比,提出的算法能够有效减小伪卫星位置误差对用户定位精度的影响,提高独立组网伪卫星系统的定位精度。     

相关证据合成方法的研究及改进

研究了相关证据的合成方法及其改进.通过求解证据合成规则方程组,将两个相关证据辨识为一个相关源证据和两个独立源证据,从而消除了证据间的相关性.针对识别框架为贝叶斯结构的情况,提出了一种基于辨识独立源证据的相关证据合成方法,该方法有效地提高了合成效果.     

冲突证据合成方法研究及改进

针对现有冲突证据合成方法的缺陷．提出了一种改进冲突证据合成的方法。首先根据候选焦元的冲突大小提出了一种相互支持度．然后由支持度归一化获得候选焦元的相互可信度。最后用该可信度对焦元进行自适应加权组合，实现对融合模型的改进。计算结果表明．改进后的新方法合成效果好．合成结果更理想。     

组合导航系统INS／GNSS／SAR的降阶模型

在利用卡尔曼滤波器对数据进行滤波时,其计算时间是由模型的状态矢量维数n决定的。每一步迭代的计算量等于n^3。状态维数的减会使计算时间大大地缩短。本文首先介绍了高阶组合导航系统INS／GNSS／SAR,然后介绍了其降阶模型。仿真结果证明,INS／GNSS／SAR系统是一个高性能的组合导航系统,其降阶模型可为飞机提供满意的导航精度。     

一种新的基于局部冲突分配的证据合成规则

文章在综合考虑融合系统中2个证据体各焦元在辨识空间所占比例,以及待合成的2个证据体对同一事件基本概率指派的相似性条件下,获得了对局部冲突的分配系数.然后通过冲突局部分配的方法对证据进行合成.计算结果表明:该算法克服了现有证据合成规则对冲突证据融合结果不理想的情况,有效地降低了决策风险,具有良好的收敛性.     

多传感器加权信息融合算法研究

将新兴的随机加权估计应用于多传感器信息融合,文章提出一种基于随机加权估计的多传感器信息融合算法,用于解决多传感器对目标同一参数进行测量时权的最优分配问题。仿真结果表明,文中提出的随机加权融合估计算法优于传统的平均值估计融合算法,并且随着测量次数的增大,均方误差越来越小。     

不完备信息系统的数据挖掘方法研究*

根据分层递阶约简算法,提出了一种直接在不完备信息系统上进行数据挖掘的方法.该方法首先将信息系统中由所有属性构成的单层知识表示转变成由部分属性所构成的多层知识表示,即由完备属性和不完备属性表示;然后建立了两个不同层次的子系统,并推导出各个子系统的规则集;最后,将该方法应用于心脏病诊断系统的研究.仿真结果证明,该方法具有较强的实用性和有效性,并能提高知识约简的速度.     

自适应平方根Unscented粒子滤波算法研究

针对粒子滤波存在的重要性密度函数难以选取和可能出现粒子退化的问题,在吸收平方根滤波、自适应滤波和粒子滤波优点的基础上,提出了一种新的UPF算法。该算法由UKF算法得到重要性密度函数,通过自适应因子实时控制动力学模型误差,采用平方根分解法抑制系统状态协方差矩阵的负定性。仿真结果证明,文中所提出的自适应平方根UPF算法,不但适用于非线性、非高斯动态系统的滤波计算,而且能有效地改善滤波性能,提高SINS/SAR组合导航系统的定位精度。     

动力学模型系统误差的随机加权估计

提出用新兴的随机加权估计算法对动力学模型系统误差进行估计,以控制动态模型噪声异常对状态参数估值的影响.该算法根据实际需要对动力学模型误差和状态预报值向量的协方差阵进行随机加权,以控制残差向量协方差阵和新息向量协方差阵的大小,削弱模型误差对状态参数向量的影响,提高动态导航解算的滤波精度.仿真结果表明,提出的随机加权估计算法的估计精度,明显优于经典Kalman滤波和抗差自适应Kalman滤波,能提高飞行器动态导航定位的精度.