HLA/RTI仿真环境和C3I系统通用接口设计与实现

仿真系统和C^3I系统之间的互操作性，逐渐成为仿真界和研制C^3I系统的工业部门关注的热点。首先从理论角度，分析了两类系统的互操作技术参考模型。其次在分析C^3I系统与仿真系统的互连互通现有的接口方法的基础上，从通用性的角度，提出了一种HLA／RTI仿真环境和C^3I系统之间进行互操作的通用接口，接着以一个作战想定为例，阐述了两类系统互操作接口的运行机制，最后设计了接口的原型实现。     

基于仿真的C3I系统测试评估技术研究

C^3I系统性能和效能的测试评估一直是个难点。论文提出了基于仿真的C^3I系统测试评估方法，研究了C^3I系统仿真测试环境的基本配置及支撑技术，并通过测试实例进行了验证。     

基于Lanchester方程的多传感器数据融合效能模型

介绍了经典Lanchester方程及其改进的模型,在此基础上提出了Lanchester方程的多传感器数据融合系统效能模型,该模型具有传统Lanchester方程的基于耗损的系统特性,又能反映出数据融合系统的作用效能,可较好的反应C3I数据融合系统对作战双方实力的影响,利于在系统仿真中实现,对于C3I系统的效能分析有着重要的意义。     

基于攻防对抗仿真的虚拟战场技术研究

介绍了虚拟战场攻防对抗仿真概念的内涵和体系，以及国内外发展现状；主要提出了在虚拟战场下以复杂环境中多传感器多源数据仿真采集平台、基于移动Agent海量数据融合与协同决策智能仿真平台、面向三维实空间仿真的大型虚拟战场攻防对抗分布式显示平台为主的研究内容，同时讨论了关键技术和技术难题；最后概述了虚拟战场攻防对抗的仿真技术的发展趋势。     

混沌神经网络多传感器信息融合系统设计

基于基本BP算法，引入具有全局游动性的混沌机制设计了混沌神经网络。将其用于多传感器信息融合设计了混沌神经网络多传感器信息融合系统。该系统能完善地、精确地反映检测对象，提高信息融合的质量。压力传感器数据融合系统的仿真证明了此法的有效性和优越性，系统设计简单，适合工程应用。     

基于多传感器数据融合的机动目标跟踪自适应学习方法

考虑到传感器对目标的观测都存在有偏差，同时针对雷达系统检测中存在漏检的现象，提出了一种适用于处理传感器漏检现象的多传感器融合方法。并以雷达／红外成像复合的双模制导体系下红外和雷达两种传感器对目标状态的检测和跟踪为例，给出一个完整的多传感器数据融合和目标跟踪自适应方法。该方法简单易行，鲁棒性强，通过对红外成像和雷达系统的数据融合和目标跟踪的数字仿真，表明该方法有效。另外，该方法同样适用于多于两个多传感器系统。     

侦察信息融合处理仿真系统的设计与实现

介绍了一种侦察信息融合处理仿真系统的设计和实现方法，该系统由战场剧情仿真系统、数据融合处理系统和数据库系统构成。其中数据融合处理系统是整个系统的关键部分，由基于jerk模型的机动目标融合跟踪模块、基于模糊推理的目标识别模块以及态势感知模块组成。系统模拟了主动雷达，被动雷达，敌我识别器，通信侦察设备等多种传感器对海空战场态势进行综合感知的信息处理流程，构建了侦察信息融合处理仿真系统，并对一个典型的战场场景进行了仿真实验。     

基于自适应提升小波变换多分辨率数据融合

建立了基于小波去噪的多分辨率多传感器数据融合模型 ,引入了提升法自适应离散小波变换 ,根据最小均方 (LMS)自适应法确定伯恩斯坦 (Bernstein)提升滤波器的权系数 ,使其匹配低分辨率传感器的数据序列 ,接着使其对高分辨率采样数据的小波分解的尺度系数进行数据更新 ,实现不同分辨率数据的融合。最后对不同分辨率三传感器测量系统进行了数值仿真。实验结果表明 ,该方法可以有效地实现多分辨率多传感器数据融合 ,而且消除了噪声干扰 ,提高了系统的测量精度。     

基于相关性函数和模糊综合函数的多传感器数据融合

针对多传感器数据融合过程中,各传感器可靠度估计的困难和如何对不同类型的传感器数据进行融合,提出了一种基于相关性函数和模糊综合函数的多传感器数据融合方法。该方法首先利用相关性函数计算多传感器的相互支持程度,然后由隶属函数得到每个传感器提供信息的可信度,最后用模糊综合函数获得多传感器对目标属性的融合结果。该方法计算简单,客观地反映了各传感器的可靠程度及相互关系。将该方法用于一个目标识别任务的仿真实验,结果表明应用该方法能确定地识别出目标,是一种有效可行的多传感器数据融合方法。     

基于HLA的机载多传感器探测仿真系统设计与实现

为了缩短机载多传感器探测系统的研发周期,减少开发成本,降低项目风险,机载多传感器探测仿真系统是良好的途径。传统的分布式仿真技术不能解决多平台多传感器联合探测的传感器重用和扩展问题,提出了基于HLA的机载多传感器探测仿真系统。以飞机为平台,首先设计了基于HLA分布式仿真技术的机载多传感器探测仿真系统的整体架构,然后完成了各联邦成员的功能设计及FOM表设计,给出了各机载传感器之间的信息交互关系,最后建立了分布式仿真系统,实现了机载多传感器探测仿真系统的可视化,典型空战场景下的机载多传感器探测仿真系统实例结果表明:各联邦成员之间实现了数据流通,且仿真数据准确无误,可实现机载多传感器的重用和扩展,为实际的工程应用提供了良好的仿真验证平台。     

机载相控阵雷达与红外双传感器融合仿真系统

建立多传感器融合仿真系统的主要目的是构造一个实际的分布式多传感器跟踪的多目标环境。本文讨论了由机载相控阵雷达和红外传感器构成的融合系统的建模和仿真,主要从功能上描述了仿真系统的实现方法,并给出了一个在局域网内实现的仿真系统结构。     

带反馈信息的纯方位水下分布式融合算法

针对水下被动目标跟踪的特点，为了改善跟踪性能，本文研究纯方位水下分布式模型中多传感器的状态估计技术。参照雷达系统中的反馈机制，在观测平台有效机动的情况下，利用多传感器量测的方位序列进行状态估计融合。仿真结果表明，融合中心能够完成对目标的状态估计，且引入反馈机制可以明显改善局部传感器的估计精度。这为水下被动目标跟踪的实现，提供了工程应用参考。     

非标准多传感器信息融合下的状态融合估计

给出了标准多传感器观测信息的统一融合模型,在此基础上分析了传感器观测系统参数对最优融合估计性能的影响.针对存在量测系统误差的非标准多传感器融合系统,构建了一种有效的系统误差参数估计模型.此外对传感器问具有不同非线性误差成份的融合系统,提出了一种基于互迭代自适应半参数的状态融合估计算法.该算法通过对非标准多传感器融合模型误差的补偿,利用线性和非线性迭代的方法来提取非线性因素,进而确定状态的最优融合估计.给出了应用该算法的具体步骤,并通过理论分析与仿真实验证明了该算法的有效性.     

基于FCM的多传感器融合多目标跟踪的数据关联

数据关联是实现多目标跟踪的核心技术之一,也是实现多传感器信息融合的前提。本文采用改进的模糊c-均值法求解关联概率,并通过在不同的传感器所对应的观测空间上建立多目标运动状态的投影,将单传感器数据关联算法推广到多传感器信息融合系统,从而可在密集杂波环境中实现对多目标的数据关联和精确跟踪。仿真实验结果说明了本文方法的有效性。     

防空C3I多传感器数据融合仿真系统设计

根据防空武器系统数据融合的特点，构造数据融合仿真系统研究平台，进行仿真系统软硬件设计，并在仿真平台基础上，提出了数据融合评估的数学模型，给出了评价准则，从而赋予数据融合仿真系统研究平台以灵魂。     

基于多卡尔曼滤波器的自适应传感器融合

准确估车前目标的位置和状态是车辆安全系统的一个重要组成部分,利用多传感器可以提高对目标测量的可靠性。给出了一种用于汽车防碰撞系统中估计车前目标位置的多传感器融合算法,根据车辆与目标之间的一步预测距离,从多个预置的卡尔曼滤波器中选择一个合适的滤波器来实时处理传感器的量测数据。该算法不仅可以有效地处理具有不同测量范围的传感器数据,同时还可以通过滤波器切换的方式,处理具不同数据速率的传感器数据。Monte Carlo数字仿真证明了该算法的有效性。     

基于任务控制的动态多传感器管理方案

针对信息融合系统平台跟踪多目标过程中的多传感器管理问题,提出了一种基于任务控制的动态多传感器管理方案。根据滤波后的目标误差协方差与不同战场态势下的期望之间的差异,度量目标当前精度要求。利用模糊物元分析法,根据目标自身属性值和当前状态值,计算欧式贴近度,从而获得目标威胁度。在综合考虑传感器性能和系统资源能耗的基础上,建立了任务需求模型。依据该模型控制多传感器实现对目标的探测,寻求模型的最优解。仿真结果表明,该方案在保持目标跟踪精度及时效性的同时,能适当地控制资源消耗,减少系统总耗能。     

空间飞行器分布式通用组合导航仿真平台方案研究

在研制空间飞行器导航系统的过程中,搭建导航仿真平台能够有效地节约成本并缩短研发周期.在模块化、通用化和标准化设计原则的指导下,利用多台计算机和相应的数据总线开发了空间飞行器分布式通用组合导航仿真平台.在空间飞行器导航系统特性分析的基础上,提出了捷联惯性导航系统、GPS、脉冲星导航系统、磁强计和星敏感器组合导航方案,设计了仿真平台的结构,论述了仿真平台的硬件设计、软件开发和算法,并探讨了仿真平台的扩展性能.试验表明该仿真平台能够逼真地模拟空间飞行器导航系统,并为设计者提供有益的建议.     

Sensor management based on fisher information gain

1 .INTRODUCTIONSensor management can be described as a systemor process that provides automatic or semi-auto-matic control of a group of sensors[1]. The basicobjective of sensor management is to select rightsensors to do the right service on the right targetat right ti me based on external measurements orcriteria[2]. A variety of techniques have been pro-posed or appliedtothe area of sensor management .One of the first articles to apply opti mization tech-nique to sensor management is by …