航迹融合算法在多传感器融合中的应用

研究寻的制导优化控制问题,针对传统单一传感器导引不能满足性能要求,提出采用多传感器复合制导.航迹融合是多传感器数据融合中一个非常重要的方面.由于公共过程噪声的原因,使在应用状态估计融合系统中,来自不同传感器的航迹估计误差未必有独立性,为了使航迹与航迹关联和融合,提出自适应航迹和协方差加权航迹融合的算法.通过仿真研究说明自适应航迹融合和协方差加权航迹融合的算法对多传感器数据融合技术有很明显的作用,数据融合效果好,为复合寻的制导优化设计提供了依据.     

交互式多模型异步航迹融合算法

对分布式融合系统中的异步航迹融合算法进行了研究.已有的异步航迹融合算法要求传感器所采用的状态方程与目标运动模式相同,这在实际应用中很难满足.针对已有异步航迹融合算法的不足,建立了基于状态方程集合的异步航迹融合模型.所有传感器均采用基于同一状态方程集合的交互式多模型(IMM)算法来实现航迹生成,融合中心对来自于相同状态方程的异步航迹数据进行加权平均来获得同步航迹,提出了交互式多模型异步航迹融合(IMMASTF)算法.仿真结果验证了IMMASTF算法的有效性.     

一种改进的分布式航迹估计融合算法研究

在航迹估计融合算法研究中,加权融合估计算法实现起来特别容易,因此得到了广泛应用。但由于其加权因子直接影响融合结果,一般说来都根据平时经验制定其加权因子,导致算法性能很不稳定,设计起来也不方便。针对此问题,设计了一种改进加权融合算法,并与其它算法进行比较,结果表明,算法稳定性更高,设计更科学,融合效果更好。     

不同维状态的多传感器航迹融合􀀂

在多传感器环境下,多个传感器在同一区域观测目标,各传感器可能采用不同的目标模型处理各自的测量数据,形成各自的目标航迹送到融合中心.当多个传感器观测到同一目标时,融合中心则需要对源于同一目标的传感器航迹进行融合处理.通过建立状态之间的映射,提出了不同跟踪模型下的输出目标估计状态之间的融合算法.仿真试验表明了算法的有效.     

基于改进加权航迹关联的异步融合算法与仿真

在分布式多传感器信息融合系统中,来自各传感器的局部航迹往往是不同步的。针对分布式多传感器异步航迹关联与融合问题,文中提出一种基于改进加权航迹关联的异步航迹顺序融合算法。把多传感器异步航迹外推校准到同一时刻,实现异步航迹的同步化,再用改进的加权航迹关联算法进行航迹关联,并利用顺序融合算法对已关联航迹进行融合。仿真结果表明了该算法的有效性。     

分布式多传感器航迹融合算法与仿真分析

在多传感器目标跟踪问题中,利用信息融合技术可以有效的提高跟踪精度。但高精度的融合估计通常对计算、通信资源要求较高,而资源要求较低的融合方法其解通常又是次优的。自适应航迹融合算法的计算过程可以根据当前系统的特性和需求,依据融合决策树自适应地选定航迹融合算法。仿真结果表明自适应算法具有接近加权协方差算法的精度,而计算量则减少一半左右。     

多传感器异步航迹融合算法与仿真

针对分布式多传感器数据融合系统,提出了一种多传感器异步航迹融合算法。由于不同传感器的采样时间各不相同,融合算法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,然后利用多传感器自适应航迹融合算法,将局部航迹进行融合,得到系统航迹。仿真结果表明该算法能够较好的解决异步航迹的融合问题,以较小的计算量达到了接近加权协方差(WCF)算法的融合精度。     

基于多传感器的无人机航迹实时数据融合处理系统

基于某无人机测控系统现有的多种体制的测量设备,设计开发基于多传感器的无人机航迹实时数据融合处理系统,介绍系统组成和所采取的数据融合处理技术及方法,给出仿真实例,结果表明经该系统融合后的航迹数据得到明显优化,精度和可信度大大提高.     

一种基于航迹隶属度的动态加权融合算法

提出一种适用于传感器精度差异较大时的目标精确跟踪的加权融合算法,该算法通过求解局部航迹之间的最佳隶属度矩阵,将局部航迹本身的最佳隶属度动态地赋给对应传感器权值,实现权值的动态分配。蒙特卡洛仿真表明,精度差异较大传感器组成的融合跟踪网络中,该算法不论应用于匀速目标还是机动目标的精确跟踪,均具有良好的性能。     

多模型方法在多传感器航迹融合中的应用

在多传感器航迹融合环境中,针对各时刻检测到目标的传感器个数不同的情况,设计了一个由4个模型构成的模型集,将跟踪门和曲线拟合理论应用于该模型集中,并针对不同模型用相匹配的滤波器进行滤波,其结果送入融合中心进行统一融合。仿真结果表明：该模型集有效解决了量测野值点的处理和单传感器定位等问题,同时验证了基于多模型多传感器航迹融合方法的有效性。     

基于分段RTS平滑的凸组合航迹融合算法

针对凸组合航迹融合算法在过程噪声不为零的情况下性能下降的问题,引入了RTS平滑算法来提高融合性能。由于传统的RTS平滑算法是得到全部滤波结果之后才执行逆向平滑过程,造成输出延迟,为此,提出了分段RTS平滑算法,一方面可以提高航迹融合性能,另一方面能够保证融合过程中的实时性。在融合过程中,针对局部节点有无额外计算能力的不同情况,结合实施平滑步骤的时机,提出了基于分段RTS平滑的先平滑再融合和先融合再平滑两种改进的凸组合航迹融合方法。这两种方法在不同过程噪声水平下,性能表现都超过凸组合融合算法和最优融合算法。仿真结果表明了新算法的有效性和优越性。     

基于最小二乘法的K-NN航迹关联算法研究

航迹关联是分布式多平台数据融合系统中的一项关键技术,在民用空管系统、军用战场态势估计方面都有重要的应用。本文提出基于最小二乘法的K近邻域统计关联算法,用最小二乘法拟合航迹曲线,通过极大似然值来判断航迹是否关联。仿真实验表明这种算法在没有状态估计协方差的情况下是可行的。     

基于预测误差格型滤波器的航迹关联算法研究

在K近邻域(K-NN)航迹关联算法的基础上,提出一种基于预测误差格型滤波器的关联算法,当融合中心仅获得状态估计值,而没有状态估计协方差矩阵时,将状态估计值通过格型滤波器,利用得到的预测误差代替协方差,为判决门限的选择提供依据,仿真结果表明,这种算法是有效的.     

基于多颜色融合及投影特征的跟踪算法

提出一种基于多颜色空间信息融合和投影向量的目标跟踪算法,用以解决传统camshift不能描述目标的空间信息等缺陷。该算法利用Y、U、V、H等多种颜色分量的统计直方图进行信息融合来描述目标颜色特征,通过水平和垂直投影直方图描述目标的空间位置信息。该算法可以反映跟踪目标的部分空间信息,并具备一定的形变适应性。实验表明,该算法能够较好地改进运动目标的跟踪效果。     

基于动态加权的分布式多传感器航迹融合算法

针对目前分布式航迹融合算法中鲁棒性和实时性问题,基于充分利用多传感器测量数据中互补和冗余信息的思想,通过局部航迹估计间模糊支持度函数的建立和支持度矩阵的求解,动态地实现各局部航迹估计在融合中心权重的合理分配,进而提出了一种基于动态加权的分布式多传感器航迹融合算法。最后,通过蒙特卡罗仿真验证了该算法的有效性。     

基于冗余第二代小波的多传感器图像融合算法

为了增强来自不同传感器的图像信息,改善图像的提取能力,本文采用了一种基于冗余提升小波变换的图像融合算法,算法针对变换后的低频分量和高频分量的不同特点,选用了不同的融合规则进行融合,然后通过冗余提升小波逆变换得到融合图像。实验结果表明,本文算法实现的数据融合图像内容清晰,明显地保存了边缘细节,提高了运算速度,取到了较好的融合效果。     

基于多传感器不完全量测下的机动目标跟踪算法

针对传感器探测概率小于1的不完全量测情况下的非机动目标跟踪问题,提出一种基于多传感器不完全量测下的扩展Kalman滤波算法。首先,利用残差检测的野值剔除方法,确定目标状态估计过程中传感器是否接收到正确的量测数据;其次,基于每个传感器的量测数据,在不完全量测下采用改进的扩展卡尔曼滤波算法分别对目标运动状态进行估计;进而结合多传感器最优加权融合方法求解基于多传感器观测数据的状态估计;最后,将算法应用到光电跟踪系统中。仿真实验得到不完全量测下传感器探测概率对滤波效果的影响,验证了算法的有效性,其跟踪精度接近完全量测下的状态估计精度。     

Fast Sentiment Analysis Algorithm Based on Double Model Fusion

Nowadays, as the number of textual data is exponentially increasing, sentiment analysis has become one of the most significant tasks in natural language processing (NLP) with increasing attention. Traditional Chinese sentiment analysis algorithms cannot make full use of the order information in context and are inefficient in sentiment inference. In this paper, we systematically reviewed the classic and representative works in sentiment analysis and proposed a simple but efficient optimization. First of all, FastText was trained to get the basic classification model, which can generate pre-trained word vectors as a by-product. Secondly, Bidirectional Long Short-Term Memory Network (Bi-LSTM) utilizes the generated word vectors for training and then merges with FastText to make comprehensive sentiment analysis. By combining FastText and Bi-LSTM, we have developed a new fast sentiment analysis, called FAST-BiLSTM, which consistently achieves a balance between performance and speed. In particular, experimental results based on the real datasets demonstrate that our algorithm can effectively judge sentiments of users’ comments, and is superior to the traditional algorithm in time efficiency, accuracy, recall and F1 criteria.     

气象多数据源数据融合模型研究

在总结现有数据融合技术的基础上，对目前的通用多传感器数据融合技术进行了分析。基于气象网络研究领域的多数据源融合问题，提出了气象网络中多数据源的数据融合模型及其采用的主要技术思想，为气象网络中数据信息的多样化和网络结构的异构化带来的复杂的数据融合提供了参考。