基于联合概率数据关联的车用多传感器目标跟踪融合算法

针对智能车辆前向多传感器多目标跟踪融合问题,提出一种基于改进的联合概率数据关联的车用多传感器跟踪融合算法。首先,根据车辆坐标系和各传感器坐标系的相对运动关系,对多传感器数据进行坐标变换,之后采用基于改进的联合概率数据关联的单传感器多目标跟踪算法、基于相关序贯关联法的多传感器关联算法和凸组合融合算法实现了对目标的稳定跟踪与准确融合。最终,通过装备毫米波雷达和摄像头的实验车在实际交通环境下进行实车试验,试验结果表明:目标被稳定跟踪且融合结果具有良好的精度,验证了算法的可行性和有效性。     

数据关联算法的研究

在现代目标跟踪系统中,数据关联是一个重要组成部分.由于测量来源的不确定性,密集环境中的目标跟踪比较困难.概率数据关联算法和联合概率数据关联算法能很好地处理目标跟踪并在很多领域得到了广泛的应用.但是一旦出现某种干扰或是故障,通过概率数据关联算法得到的滤波值也会偏离真实值很多,造成滤波发散,严重影响性能.针对这一不足,基于概率数据关联算法中的组合新息,提出了修正概率数据关联算法.最后用一些实例来评价该跟踪算法的跟踪性能,仿真结果表明了修正概率数据关联算法和修正联合概率数据关联算法的有效性.     

基于外辐射源的多目标CMKF跟踪算法研究

为了纠正传统的扩展卡尔曼滤波算法的病态特征,实现实时快速和稳定的定位,提出了一种基于外辐射源的多目标CMKF跟踪算法,并对该算法进行了详细的理论推导.计算机仿真结果证明了上述方法的正确性.     

基于数据融合的辐射源目标定位EM算法研究

对于辐射源目标无源定位,充分利用冗余数据,降低系统误差,提高定位精度和算法普适性在现实工程应用中有着十分重要意义。提出了一种基于数据融合的期望最大化(EM)定位算法,通过对采样数据进行集中融合处理后极大化更新参数集,然后再迭代计算,直到达到阈值设定,最终确定目标估计位置。仿真结果表明,采用EM算法,可以有效利用多种定位方法的冗余采样数据,在强噪声环境下,可以快速有效地提高系统的定位精度,并对多个密集目标实现区分。     

改进的多传感器多目标量测数据关联算法

提出融合多传感器测量对目标位置进行估计的广义概率数据关联(MSPE-GPDA)算法. 首先对所有可能的多元量测组合进行预关联检验,通过检验的有效多元量测组合所对应的目标位置进行最优估计;根据广义概率数据关联算法计算通过预关联检验的各有效量测组合与目标航迹间的关联概率,并用来计算目标的更新状态. 与顺序处理的多传感器广义概率数据关联算法和利用多传感器量测进行目标位置估计的联合概率数据关联算法相比,MSPE-GPDA算法集中了最优估计和有效信息复用两方面的优点. 理论分析与仿真实验结果均验证了所提算法的有效性.     

多尺度数据融合算法及其应用

ＢａｓｅｖｉｌｌｅＭ及ＣｈｏｕＫ Ｃ等基于二叉树多尺度随机过程提出了一种多尺度数据融合算法。该算法实现简单,速度快、易于并行化。本对此算法做了进一步的研究,提出了一种新的多尺度模型构造方法,该方法简单,便于实现。仿真计算表明,采用此方法构造的多尺度状态空间模型对信号有较好的近似,完全可以应用ＣｈｏｕＫＣ等提出的多尺度融合算法,滤滤效果明显,可用于多尺度数据融合。     

被动式多传感器数据关联的消元算法

针对被动式多传感器多目标数据关联，试图解决其计算量较大的部分——多维分配问题的求解，从而解决数据关联的实时应用问题。通过对分配问题的模型进行分析，结合矩阵变换，得到消元的几个定理，并结合计算机仿真分析，给出了一种消元算法。仿真结果表明，与传统的最优分配解法相比，这种方法没有遍历所有的可行解空间，计算量小，而又易于计算机实现。并且，该算法适用于任意维的分配问题。     

改进的多目标多传感器数据融合相关算法

数据融合是利用计算机对数据进行一定处理，得出目标状态及势态估计的多层次多平台过程，详细讨论了对目标的跟踪算法，此算法不仅对多目标，而且对新出现目标和机动目标均能进行识别和跟踪。     

一种结合特征参数的数据关联融合算法

将特征参数测量值引入概率数据关联（ＰＤＡ）及滤波算法中,提出一种计算互联概率的象素级融合算法。本算法采用的是双滤波器结构,二者使用共同的互联概率。并通过仿真验证了本算法对某些模型性能良好。     

多传感器数据融合中的容错算法

给出了一个适应多传感器环境或分布式传感器系统的容错算法．该算法将冗余传感器映射为区间,采用区间重叠的方法,在系统有ｎ个传感器,其中至多ｆ（ｆ＜ｎ／２）个出错的情况下,能够得到一个包括正确值的区间的集合,根据此结果可推断出所有可能错误的传感器对及可能错误的传感器的个数．算法简单易行,复杂度为Ｏ（ｎｌｏｇｎ）．     

基于软件雷达的数据融合算法研究

介绍一种软件雷达与其他探测模式组成的多探测模式互联系统中的数据融合系统,首先对多模式探测数据进行时/空校准,然后进行测量数据的相关处理,再后利用最大似然算法对测量数据进行最优压缩,最后利用扩展Kalman滤波器对压缩后的数据进行滤波、输出目标的状态估计,通过仿真验证算法的有效性.     

基于多传感器数据融合的入侵检测机制

针对特征复杂的入侵方式,设计了一种基于数据融合理论的新型入侵检测机制-DFIDS,结果提高了系统在检测复杂入侵行为时的确定性。DFIDS使用优化的并行分布式检测与决策融合系统模型,可以有效克服传统入侵检测系统因单检测器而在数据采集和分析方面的局限性,从而提高了检测的总体性能。文中建立了DFIDS的理论分析模型,并和传统入侵检测机制进行了对比,结果表明DFIDS在检测准确性方面具有更好的性能。     

基于数据融合的疲劳驾驶检测算法

为减少交通事故,采用基于数据融合的疲劳检测技术以提高疲劳检测精度. 通过驾驶行为与车辆跟踪技术研究现状分析,选择眼睑遮住瞳孔的面积超过80%的P₈₀和眨眼次数指标作为眼部特征参数、车辆越线指标作为驾驶行为特征参数. 将两个特征参数分为3类,分别为:清醒状态、轻微疲劳状态、疲劳状态;最后通过支持向量机算法建立基于数据融合的疲劳检测模型. 实验结果分别为灵敏度为86.45%,检测准确率为85.79%,特异度为84.63%,较单一数据源的疲劳检测方式精准,建立的融合模型提高了疲劳检测的准确性.     

网格聚类在多雷达数据融合算法中的应用

应用网格聚类的方法区分同一雷达接收的不同目标的观测数据,通过类间数据融合,实现同一目标不同雷达接收数据的融合,以便对多目标进行实时跟踪。研究了观测数据网格聚类的基本思想、形式化描述及算法实现,讨论了对机动目标跟踪的Kalman滤波方程及空管系统中易于计算的各参数矩阵理论依据及相应的初值。仿真结果表明,通过网格聚类能很好地区分不同目标,聚类后再进行跟踪融合更加准确。     

一种基于灰关联的序列模式挖掘算法

序列模式挖掘算法多是利用了关联规则挖掘中的 Apriori特性 .利用灰关联方法对原始序列 进行净化处理 ,从而减少挖掘算法中的噪声数据 . 其理论依据在于 ,如果一个序列是频繁的 ,那么该序列的时间间隔也必然是频繁的. 利用了灰关联分析方法找出两个项之间的频繁时间间隔 ,再利用该间隔扫描事务序列数据库 ,从而最终找出频繁序列 .     

海面声探测多目标数据预处理算法

该文针对复杂电磁环境下的海面声探测系统,造成传感器接收到多目标原始数据中,含强杂波、强噪声密集,提出了一种基于海面声探测多目标数据预处理算法.在最近邻数据关联基础上,利用方位角信息变化率、方位角相关性,采用拟合的方式及最近邻原则来解决目标关联及去噪问题.并由实验数据验证了算法的有效性,实现了强杂波、强噪声干扰下多目标数...     

Anomaly Detection Algorithm for Stay Cable Monitoring Data Based on Data Fusion

In order to improve the accuracy and consistency of data in health monitoring system, an anomaly detection algorithm for stay cables based on data fusion is proposed. The monitoring data of Nanjing No.3 Yangtze River Bridge is used as the basis of study. Firstly, an adaptive processing framework with feedback control is established based on the concept of data fusion. The data processing contains four steps: data specification, data cleaning, data conversion and data fusion. Data processing information offers feedback to the original data system, which further gives guidance for the sensor maintenance or replacement. Subsequently, the algorithm steps based on the continuous data distortion is investigated,which integrates the inspection data and the distribution test method. Finally, a group of cable force data is utilized as an example to verify the established framework and algorithm. Experimental results show that the proposed algorithm can achieve high detection accuracy, providing a valuable reference for other monitoring data processing.     

基于可信度的多源定位数据融合方法

建立了一种适合城市环境的多源定位系统自适应联邦卡尔曼滤波模型. 首先通过估计各子系统定位结果的测量噪声,得到子系统可信度并分配信任因子;然后对各子系统的定位结果进行联邦卡尔曼滤波,并根据信任因子对各子滤波器进行信息分配,以获得最优滤波估计. 为了更加客观方便地评价滤波效果,提出一种新的滤波性能评价方法. 仿真结果表明了算法的有效性及滤波评价方法的优越性.