多传感器多目标分布跟踪中数据关联的快速算法

本文提出了一种基于局部估计融合的多传感器多目标（ＭＳＭＴ）数据关联算法，它包括粗关联和精关联两个过程．本文首先将单传感器中基于２－３树搜索的关联算法［１］推广到ＭＳＭＴ情况，在粗关联基础上，给出了主传感器位置估计与其它传感器位置估计之间的关系，通过最近邻联合概率数据关联算法（ＮＮＪＰＤＡ）完成了二者局部估计之间的精关联．最终将所有来自同一目标的局部估计相融合获得全局估计．与已有的分布ＪＰＤＡ算法相比，本文算法在性能基本接近的情况下有效地减小了运算量．

多传感器分布式推广卡尔曼滤波算法及其在雷达红外目标跟踪中的应用

本文提出了一种用于非线性系统的多传感器分布式推广卡尔曼滤波算法,该算法中系统的动态方程和传感器的观测方程分别围绕全局估计和全局预测线性化,融合中心基于所有传感器观测的全局估计由各传感器基于自身观测的局部估计来重构。算法分析说明,全局估计的精度高、误差小。最后介绍了文中算法在雷达和红外两种传感器跟踪机动目标中的应用,仿真结果验证了该算法的有效性。

多传感器检测系统中的次最佳分布式判决融合

在分布式传感器检测融合系统中，各传感器将其对同一假设的判决传给融合中心，该中心将这些判决结合起来形成最终判决，文中提出了使错误概率为最小的次最佳判决融合方案，它包括融合中心的最小错误概率（ＭＥＰ）检验和各传感器的似然比检验。基于这种融合方案，文中分析了不带判决可信度和带有判决可信度两种情况下的接收机工作特性（ＲＯＣ），结果表明：带有可信度信息的判决融合在高信噪比时其性能优于不带可信度信息的判决融合。

分布式CFAR信号检测

带有分布式传感器和融合中心的检测系统已应用于监视系统中．文中提出了多传感器检测空间的划分，以及先分区融合再系统融合的方法，并且在不同的检测区域，多传感器采用不同的门限；已往所有传感器探测同一区域，融合中心采用所有传感器判决的ＡＮＤ、ＯＲ和“Ｋ／Ｎ”规则，和这些规则相比，文中的方法更加合理和实用．利用Ｂｏｏｌｅａｎ代数，文中还推导了多传感器检测系统的检测概率和虚警概率表达式．对于由几个单元平均恒虚警率（ＣＡ－ＣＦＡＲ）检测器组成的系统，通过分区融合和系统融合，可以在融合中心得到总的判决．对于Ｒａｙｌｅｉｇｈ目标和干扰，固定系统的虚警概率为某一要求值，通过使系统的检测概率最大来获得每个ＣＦＡＲ检测器的最佳门限．最后，举例说明了这种方法的应用并分析了其性能．

基于区域融合的分布式CPAR信号检测

本文提出了多传感器检测区域的划分,以及先分区融合再系统融合的方法,并且在不同的检测区域,传感器采用不同的门限。给出了该方法的虚警概率和检测概率表达式,并介绍了它在分布式CFAR检测系统中的应用。结果表明,通过设置不同的门限,可以提高系统的检测概率。

二相码旁瓣抑制的神经网络方法

本文研究了二相编码雷达信号的距离旁瓣抑制问题，用多层感知器网络实现了１３位巴克码的脉冲压缩和旁瓣抑制处理。计算机模拟结果表明，这种处理方式在主副比和多卜勒性能上优于直接失配加权处理。

动态过程监视的最佳显示方式研究

文中讨论了人机界面的视觉工效问题，通过实验评价了用于动态过程监视与控制的三种ＣＲＴ显示方式的工效，并由此得出人类视觉系统反应对图形方式更优于对数字方式、图形与数字的复合方式．

关于图形识别的视觉反应的研究

文中叙述了以实验的方法所进行的人工智能视觉领域的基础性某些图形识别的研究工作．在实验中将一些字母和图形按拓朴结构和几何性质分组。试图寻找人类视觉在图形识别过程中的一些规律，运用了模糊数学中的综合评定法．