异步多传感器的MAP航迹融合

异步航迹融合是多传感器跟踪系统的一个重要问题。针对实际应用中多传感器采样速率的不同步性,提出了多传感器系统存在反馈情况下异步多传感器的极大验后(MAP)航迹融合估计算法,分析表明,同步多传感器MAP航迹融合算法是该算法的一个特例;仿真计算也表明,该融合算法具有良好的估计精度。     

一种基于分步式滤波的异步航迹融合算法

针对分布式多传感器数据融合系统,改进了一种多传感器异步航迹融合算法．该融合算法在扩展记忆因子递推最小平方（EFRLS）估计形成本地航迹的基础上,首先利用最小二乘法将局部航迹统一到融合中心的融合时间点,然后使用分步式滤波融合算法进行状态估计．仿真实验结果表明,这种融合算法在噪声方差未知的情况下是有效的,其精度接近集中式融合算法．     

利用时戳的变采样率目标跟踪算法

变采样率跟踪是相控阵雷达的一种重要工作模式，是基于网络或栅格多传感器异步融合跟踪的基础．引入时戳的概念并基于固定采样率的卡尔曼跟踪算法扩展到变采样率的情形，给出了具体的算法步骤，最后进行了Monte—Carlo仿真比较．结果表明了该算法的有效性．     

决策融合的模糊积分方法

提出了一种基于模糊积分方法的多传感器决策融合算法．模式分类实验表明,该算法可以有效提高融合系统的正确分类率．     

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 .     

用卡尔曼滤波方法实现运动平台多传感器配准

目的针对运动平台的多传感器系统,研究一种能有效地估计配准误差并消除其影响的算法．方法提出用卡尔曼滤波方法估计失调误差和姿态误差,该方法首先估计失调误差,然后利用不含失调误差的模型,估计并消除姿态误差．结果该算法能有效地估计多传感器系统的配准误差,使融合数据确定性明显增强．结论将卡尔曼滤波算法应用于运动平台的多传感器数据配准,它能有效估计配准误差,对于传感器的数据融合有重要的意义．     

一种具有参数学习能力的决策融合方法

提出了一种基于模糊积分方法的多决策融合算法,通过对训练数据的学习来确定每个传感器的重要程度．分类实验表明,该算法可以有效提高融合系统的分类率．     

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．     

多传感器时间对准方法的研究

分析了多传感器数据融合时间不同步、数据率不一致的特点，在此基础上提出了利用曲线拟合的方法进行时间对准的算法，该方法可以将不同传感器测得的不同采样周期的数据对准到同一时间点上，以便进行特征提取与数据融合。与现有算法相比较，该算法计算简单，速度快，提高了融合效率。     

异步数据融合的传感器配准

针对异步多传感器系统 ,研究一种能有效估计配准误差并消除其影响的算法 .提出用最小二乘法和卡尔曼滤波算法分别进行时间配准和估计失调误差和姿态误差 .仿真结果证实了算法的有效性 .采用最小二乘法可以将数据压缩“对齐”到任意时刻 ,采用卡尔曼滤波算法可以估计并消除配准误差的影响 ,这对多传感器的数据融合具有重要的意义 .     

POBS网络中异步突发延迟插空调度算法

为了对多态光突发交换(POBS)中异步突发进行合理调度,达到降低异步突发丢失的目的,提出一种异步突发延迟插空调度算法.利用POBS边缘节点同步同期业务的传输情况和新汇聚的异步突发重叠度值,将异步突发延迟调度到与之有相同目的地址的周期业务间隔中.仿真结果表明,本算法能很好地降低POBS网络中异步突发的丢失率.     

多传感器一步延迟OOSMs序贯融合滤波

该文提出了一种序贯式多传感器一步延迟无序量测的融合估计算法.针对现有系统中存在的延迟量测问题,在单传感器一步延迟无序量测最优更新A1算法的基础上,引入序贯递推的思想,在线性最小方差准则下,提出了一种序贯式的多传感器一步延迟无序量测最优融合算法,提高了多OOSMs融合估计的实时性.仿真验证了该文算法的有效性和最优性.     

基于分布式融合的传感器网络拓扑配置

采用2种最优分布式异步航迹融合方法研究异步采样传感器网络的动态拓扑配置策略设计.其主要核心思想是：每一个传感器跟踪节点执行局部Kalman滤波,再将滤波估计结果传输到融合中心;融合中心利用各自不同的融合方式执行预测估计校准和最优递推加权融合,同时利用当前所有传感器信息的全局递推融合估计与系统精度要求的阈值进行实时比较,以决定是否终止或继续进行融合;实现下一时刻网络拓扑的动态配置和网络节能.基于特定的计算准则分析网络能量消耗,并通过计算机仿真验证算法的有效性.结果显示：2种方法都能实现异步采样多传感器网络的动态拓扑配置和节能,且最优异步融合配置方法的效果优于次优异步航迹融合方法.     

分层卡尔曼滤波融合精度的研究

目的分析了传统分层卡尔曼滤波融合算法,指出传统卡尔曼滤波融合算法不能很好地提高跟踪精度且算法复杂的缺陷,提出了一种加权分层卡尔曼滤波融合算法,方法应用理论分析和蒙特卡洛仿真方法,对传统融合算法和新算法进行比较,并给出了各种情况下均方根误差的统计值比较,结果分层融合算法并不优于加权平均和反馈加权平均算法,加权及反馈滤波融合算法原理简单、数据处理量小、速度快、容错性好,结论加权分层融合算法特别适用于失效传感器的处理,特别当一传感器有较大的绝对误差和相对误差或与其它的传感器的采样周期略有不同和与其它传感器采样不同步时,将融合结果反馈给单传感器,可提高各单传感器的跟踪精度。     

Multi-channel fast super-resolution image reconstruction based on matrix observation model

A multi-channel fast super-resolution image reconstruction algorithm based on matrix observation model is proposed in the paper,which consists of three steps to avoid the computational complexity: a single image SR reconstruction step,a registration step and a wavelet-based image fusion. This algorithm decomposes two large matrixes to the tensor product of two little matrixes and uses the natural isomorphism between matrix space and vector space to transform cost function based on matrix-vector products model to matrix form. Furthermore,we prove that the regularization part can be transformed to the matrix formed. The conjugate-gradient method is used to solve this new model. Finally,the wavelet fusion is used to integrate all the registered highresolution images obtained from the single image SR reconstruction step. The proposed algorithm reduces the storage requirement and the calculating complexity,and can be applied to large-dimension low-resolution images.     

多分辨率图像基于分步式滤波的融合算法

在多个传感器对同一个目标场景获得多个分辨率是非整数倍关系的图像的情况下,该文提出了基于分步式图像滤波的融合算法。首先利用小波多尺度分解变换获取相应的低频子图像,并将图像间分辨率的关系从非整数倍转化到整数倍。然后采用分块建模方法,以卡尔曼滤波器为工具,对图像进行分步式融合估计,从而获得目标场景基于多个观测图像的融合结果。最后用仿真实验验证新算法的可行性与有效性。