多传感器图像融合及其应用综述

文章综述了多传感器图像融合的基本概念、模型、常用方法及应用,探讨了图像融合的评价准则,分析了图像融合领域存在的问题,并提出了未来的研究方向。

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．

用D-S证据理论方法实现多传感器数据融合

对 Dempster- Shafer证据理论用于多传感器数据融合进行了分析 ,并将其应用于飞机目标识别的数据融合中。结果证明 ,多传感器融合后降低了识别结果的不确定性 ,较单一传感器的识别效果好。

一种有效的数据融合方法——分布式的离散Kalman滤波方法

介绍了一种基于Kalman的数据融合方法,分析了用于多传感器数据融合的Kalman滤波方法基本概念和理论。在Kalman滤波理论的基础上对全球定位和惯性导航系统的车辆组合系统进行了仿真。结果表明,分布式的离散Kalman滤波方法是一种有效的数据融合方法。