基于模糊神经网络的特征信息融合

研究多传感器特征信息融合问题。基于自适应模糊神经网络,提出一种新的特征信息融合算法。仿真结果表明,该方法计算量小,具有较强的处理不确定信息的能力和多种理想的融合特性等特点。     

空间目标序列图像识别技术

针对远距/近距空间目标成像的特点,提出一种基于序列图像的多尺度自动目标识别(ATR)方案.该方案综合利用目标的尺度变化、姿态变化及图像特征信息,分别构建多尺度目标分类器、姿态判别器,并估计目标识别结果可信度、相邻帧姿态变化的权重以及目标尺度权重;根据当前帧和上一帧的识别结果,进行目标类别的融合判别.对STK产生的10类仿真空间目标进行测试,试验结果表明:对远距空间目标,由于目标像素少,仅用单帧图像的识别率低,合理利用目标序列图像包含的信息,可有效提高目标识别率.     

基于影像局部光谱特性的遥感影像融合

提出了结合遥感影像的局部相关矩和局部方差进行融合的方法。实验结果表明,与传统的小波变换的融合方法相比,该方法在提高了多光谱影像空间分辨率的同时,更好地保留了多光谱影像的光谱信息。     

飞机环境监视系统的数字仿真

飞机环境监视系统AESS是由地形感知与告警系统、空中交通警戒与防撞系统、S模式应答机、机载气象雷达等构成,是大型民机航电系统的重要组成部分,它的研制对于提高飞行安全有非常重要的意义.根据ARINC - 768等适航标准,对AESS各分系统的功能进行分析,提出一种系统功能集成方案,给出系统综合的接口设计,制定综合画面显示...     

基于噪声方差估计的稳健融合算法

给出一种基于噪声方差估计的稳健融合算法.针对集中式多传感器融合结构,利用随机逼近算法分析了各传感器权的最优分配原则,并给出了一种基于方差估计的权的自适应调整算法.结合多传感器融合跟踪系统,为了提高非线性系统的跟踪性能,滤波算法采用了非线性逼近能力更好的Unscented卡尔曼滤波算法.通过计算机仿真实验,获得了良好的融合效果.与经典的加权方法相比,在相同仿真航路条件下,融合精度和跟踪精度都得到了显著提高.     

密集多回波环境下的机动多目标跟踪终结决策

本文研究密集多回波环境下的机动多目标跟踪终结决策问题,提出一种在高密集多回波环境下确定机动多目标跟踪终结的“全邻”Bayes跟踪终结算法ABTT.Monte Carlo仿真表明,本文给出的算法不仅克服了一类概率数据关联滤波方法没有跟踪终结机理的缺陷,而且能可靠快速地作出跟踪终结决策,消除多余目标档案。     

基于模糊神经网络和D—S推理的智能特征信息融合研究

给出了一种新的分布式多传感器智能特征信息融合系统结构，利用模糊神经网络技术把环境信息和专家语言信息引入融合系统，提出了一种新的智能特征信息融合算法。     

具有驱动饱和特性的线性化系统渐近跟踪控制器设计

物理系统中驱动饱和的存在对闭环系统的稳定性和性能具有较大的影响，因此在设计控制器时必须考虑到这一点。在系统的量测噪声和外部扰动已经通过其它办法消除的条件下，设计了一种抗漂移的状态反馈控制器，并将参考轨迹也加入到控制器设计中，这样极大地简化了控制器的参数设计并扩大了输入信号的范围，仿真结果表明，无论饱和发生与否，该控制器对于参考轨迹都具有较好的渐近跟踪性能。     

粒子滤波算法综述

对粒子滤波算法的原理和应用进行综述．首先针对非线性非高斯系统的状态滤波问题．阐述粒子滤波的原理；然后在分析采样-重要性-重采样算法基础上．讨论粒子滤波算法存在的主要问题和改进手段；最后从概率密度函数的角度出发．将粒子滤波方法与其他非线性滤波算法进行比较．阐明了粒子滤波的适应性．给出了粒子滤波在一些研究领域中的应用．并展望了其未来发展方向．     

多传感器数据融合的通讯复杂性问题

通讯复杂性理论是一个计算抽象模型,它关心的是系统内部之间的数据通讯量的大小。多传感器数据融合是指多个传感器跟踪多个目标,是一种多层次的、多方面的处理过程,这个过程是对多源数据进行检测、结合、相关、估计和组合以达到精确跟踪不同目标的目的。该文把复杂性秩理论应用到多传感器融合,以获得多传感器之间数据融合所需的最小的通讯条件。