基于理想点的星型高阶联合聚类一致融合策略

高阶联合聚类一般被转化为多对二阶联合聚类结果的一致融合问题,将多个二阶聚类目标函数的加权线性组合作为高阶联合聚类的目标函数,通过交替迭代方法得到聚类结果.然而,现有算法仍根据专家经验预设权值,自动的确定线性组合的最优权值仍是一个经典难题.文中针对星型高阶异构数据,提出一种基于理想点的自动确定权值的一致融合策略,将各二阶聚类目标函数的最优值构成的空间中的点称为理想点.通过将二阶聚类结果与其理想结果间的相对距离作为聚类质量的度量标准,解决了各二阶聚类质量不可公度的问题,最终使得高阶聚类目标函数与理想点的相对距离最小.基于理想点的方法能够解决多种星型高阶联合聚类算法的一致融合问题,因此具有一定的普适性.实验结果表明该方法有效地提高了5种经典高阶聚类算法的效果.

基于容积卡尔曼滤波的异类多传感器一致性融合算法

针对单一光频传感器获取目标特征信息存在的不一致性,提出一种基于容积卡尔曼滤波的异类多传感器一致性融合方法。首先,从原理上分析了激光、红外与雷达三类传感器量测信息的特征及其存在的差异,进而在容积卡尔曼滤波框架下,针对雷达、红外和激光探测等组成的典型目标侦测系统,结合一致性融合策略,通过对目标距离和方位信息融合处理改善目标状态估计精度。仿真结果表明:相对于传统的单传感器滤波方法,所提出的融合方法和策略具有较好的滤波性能。

量测不确定下多传感器一致性数据融合算法

针对量测不确定下多传感器信息采集系统中数据有效融合处理,提出一种量测数据一致性融合算法。首先,引入马氏距离实现两传感器量测数据一致性的近似估计;然后,结合模糊理论中隶属度函数的性质定义一种度量局部量测信息提取和利用效率的支持度函数,进而构建综合全局量测数据间相互支持程度的支持度矩阵;最后,通过对支持度矩阵的计算求解各传感器量测数据在评估系统状态估计中的权重,并通过加权融合方式实现对系统状态真值的估计。理论分析和仿真实验验证了算法的有效性。

分布式传感器网络自适应一致性融合估计算法

针对分布式传感器网络的目标一致性状态估计问题,提出自适应一致性融合估计算法。考虑到网络中节点为测距和测方位的传感器,基于观测噪声与目标状态相关的假设,构建量测模型;引用无迹卡尔曼滤波与CI算法得到各节点的局部估计,通过误差矩阵加权更新节点状态以改进一致性算法,实现各节点对目标状态的一致性估计。仿真实验结果表明,该算法能够在快速收敛的过程中实现无中心节点的分布式传感器网络中各节点对目标位置的精确估计,同时又保证各节点之间的一致性。

基于多伯努利密度聚类的多平台多目标融合检测跟踪

由于各平台雷达、电子战探测距离的限制,在大规模编队的融合检测跟踪场景下,各个平台节点的视域范围通常并不相同,每个节点观测到的目标也可能并不完全重叠,这会导致多平台多目标一致性融合检测与跟踪变得困难。在此场景下,本项目提出基于多目标密度聚类的多平台视域划分与一致性融合检测跟踪方法,基于多个平台的无标签强度函数聚类得到对全局视域的划分,进一步在扩展多目标标签下给出基于标签多伯努利滤波器的一致性多目标滤波算法。通过仿真实验验证了本文所提出算法的有效性。

一种基于声阵列信息融合及改进EEMD的信号降噪方法

针对声阵列多通道信号的去噪问题,提出一种基于多传声器信息融合辅助的改进总体平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的被动声信号去噪方法。对标准EEMD进行改进,通过多通道信号频谱分析,选取多传声器信号最小有效频率作为各通道信号EEMD分解的筛选截止频率,采用改进的EEMD算法将原始信号快速分解为完备的IMF分量,有效抑制了模态混叠现象并提高信号分解效率;引入声阵列时延矢量封闭准则(Time Delay Vector Close Rule,TDVCR)概念,结合多传声器数据一致性融合及信号相关性理论,对各IMF分量进行相应的权重计算,再由已确定权值对各IMF分量进行加权重构得到去噪信号;最终通过半实物仿真试验以及同传统EMD去噪的比较验证了该算法在多通道信号去噪中的有效性和实用性。

基于信息融合的海底管道机器人自主定位控制

提出了利用电涡流传感器探测油气管线中的焊缝,实现管道机器人在管线内的粗略定位,再结合里程仪进行相邻焊缝间精确定位的定位控制方法.针对管道机器人爬行速度不稳定所导致的焊缝漏检问题,提出了利用里程定位信息容错漏检焊缝的产生式规则.此外,为了保证里程信息的可靠性,应用多个里程仪为管道机器人提供里程定位数据,并采用一致性数据融合算法对冗余里程信息进行融合处理,同时提高了管道机器人的管内定位精度.模拟油气管道台架上进行的管内定位实验和现役石油管线上的工程应用验证了该定位方法的可行性.

移动传感器网络节点快速一致性滤波定位

针对移动传感器网络拓扑结构的动态特性,提出了一种快速卡尔曼一致性滤波定位算法。该算法依据Me-tropolis准则,仅利用通信节点之间的RSSI值快速调整融合步长。在网络拓扑结构未知的情况下,利用卡尔曼一致性滤波定位算法实现位置求精。仿真结果表明,与Saber算法相比,该方法能够在降低通信量的同时,提高节点的定位精度,适合移动传感器网络。

泌阳凹陷陡坡带高精度融合处理成像关键技术

泌阳凹陷陡坡区表层地震地质条件复杂,通过对五块新老资料高精度地震资料研究分析,找出影响本地区成像的三个关键因素,采用子波匹配、叠前数据规则化等融合一致性处理技术解决了新老资料融合一致性的问题;采用叠前数据净化处理技术和高精度迭代静校正技术解决去噪和山前带静校正问题,提高了信噪比;针对陡坡帶地区横向速度变化大,研究应用叠前时间偏移成像技术,提高了山前带高陡构造成像精度和准确度,其中高精度速度场的准确求取是关键。

多代理诊断系统中决策融合研究

针对基于多代理技术的故障诊断系统中多专家诊断融合问题,采用模糊积分方法进行多诊断代理的诊断结论融合。为了确定最优的模糊密度值,提出了利用遗传算法进行模糊密度值优化,提高模糊积分方法进行多诊断代理诊断结论的融合精度。针对所提出的算法,给出了仿真实例,结果表明了该方法的有效性。

基于相似度网络融合的极化SAR图像地物分类

从极化合成孔径雷达(synthetic aperture radar,SAR)图像中提取多种特征向量堆叠成一个高维特征向量用于地物分类,将导致部分特征向量的分类能力减弱或丧失。针对此问题,将每种特征向量看作为不同视角数据,提出了一种基于一致相似度网络融合的极化SAR图像非监督地物分类方法。首先,将极化SAR图像进行过分割,基于超像素提取5种特征向量以构建5个相似度矩阵;其次,采用一致相似度网络融合多视学习算法生成融合的相似度矩阵;然后,基于该矩阵进行谱聚类;最后,提出一种分类后处理策略修正错分像素。仿真和实测极化SAR图像地物分类结果表明,该方法性能优于其他5种经典方法。

基于多流网络一致性的视频显著性检测

现有的视频显著性检测算法通常采用双流结构提取视频的时空线索,其中运动信息作为双流结构的一个分支,在显著物体发生剧烈或慢速移动时存在运动估计准确率低的问题,并且不合理的训练数据或方案使得权重偏向单个分支结构。提出一种基于多流网络一致性的视频显著性检测算法MSNC。设计并使用一种新的三重网络结构提取预选目标区域的颜色信息、时序信息和先验特征,通过先验特征补偿运动流的缺陷,并提高运动线索的利用率。采用多流一致性融合模型优化三流分支,得到不同特征的最佳融合方案。同时通过循环训练策略平衡三重网络的权重,以避免网络过度拟合单流分支,从而有效地提高运动估计和定位的准确率。在Davis数据集上的实验结果表明,相比PCSA、SSAV、MGA等算法,该算法的鲁棒性更优,其maxF和S-Measure值分别达到0.893和0.912,MAE仅为0.021。

量测提升卡尔曼滤波

滤波器设计是系统辨识和状态估计的重要基础.卡尔曼滤波通过状态预测和量测更新的实现框架,在最小方差准则下实现对目标状态的最优估计,但在单传感器量测环境中其滤波精度易受量测噪声随机性的影响.本文提出一种基于量测提升策略的卡尔曼滤波算法实现框架,新方法依据当前时刻量测和量测噪声先验统计信息构建虚拟量测,并通过对虚拟量测采样以及融合提升系统量测信息可靠性,进而改善状态估计精度.同时,针对算法在工程应用中实时性、准确性以及鲁棒性等需求,设计了分布式加权融合和集中式一致性融合的两种实现结构.理论分析和仿真实验结果验证了算法的可行性和有效性.

基于信誉与共识的分布式智能入侵防御方案

当认知用户中存在恶意用户,特别是恶意用户间存在协作行为时,将给协作频谱感知带来极大危害。为有效抵御恶意行为,提出将信誉模型与一致性融合相结合的分布式智能入侵防御方案。每一次迭代过程,需要依据奖惩机制对认知用户的信誉值进行奖励或惩罚,进而将信誉值与一致性融合中的融合因子相结合,并共同作用于一致性融合过程。该方案下,智能的恶意用户将最终选择放弃恶意攻击。仿真结果表明,所提方案能有效抵御多个恶意用户(有协作/无协作)的攻击。与现有的3种防御机制相比,该方案具有更好的检测与防御性能。

考虑杆臂误差的组合导航分离协方差交叉算法

针对传统北斗/惯导组合导航系统进行信息融合时未考虑估计源之间的相关性而不能保证融合一致性的问题,提出一种分离协方差交叉滤波(split CIF)组合导航信息融合算法。将误差协方差矩阵分离为相关部分和独立部分分别进行处理,实时更新最优滤波增益并通过量测信息获得一致性融合估计,改善了融合相关数据时造成滤波过度收敛的问题。此外,在高精度组合导航中,杆臂误差是一个重要误差源,组合导航时会造成导航定位精度严重下降,通过静态杆臂测量并对惯导更新信息进行杆臂误差补偿的方法降低杆臂效应影响,进一步提升导航定位精度。仿真结果表明:东向速度误差最大为0.041 m/s,纬度误差最大为0.495 m;与补偿后的卡尔曼滤波相比,精度分别提高了45.8%和34.0%;与扩展卡尔曼滤波相比,精度分别提高了55.1%和10.0%。考虑杆臂误差补偿的split CIF算法对杆臂估计具有较好的准确性且具有较高的导航精度。

基于一致性融合和神经网络的航空发动机气路系统故障诊断方法

以信息融合为基础,运用GRNN神经网络对航空发动机气路系统进行故障诊断,提出了一种基于一致性融合和神经网络相结合的故障诊断方法。试验结果表明,该方法能快速识别航空发动机气路系统故障,并且对其他机械设备的故障诊断具有一定的参考价值。

陆东后河地区三维地震资料连片处理关键技术及应用效果

通过对陆东后河地区地下地质条件和野外采集地震记录进行详细分析,发现在不同区块资料间存在闭合差、频率、振幅及相位不一致问题,区块间拼接痕迹明显。本文在综合考虑区块资料特殊性和差异性基础上,采用高精度静校正、地表一致性振幅和反褶积处理、匹配滤波、规则化等系列技术对地震数据进行调整,确保地震资料拼接融合处理的一致性。最终通过应用连片叠前时间偏移技术对叠前数据进行成像,成果数据整体构造格局更加合理,边界断裂归位准确、剖面多解性降低,资料品质得到有效改善。

基于分布式视频网络的交叉口车辆精确定位方法

为了对交叉口车辆的位置进行准确定位,提出了一种分布式视频网络架构下车辆精确定位方法。在分布式视频网络中每处摄像机架设位置均设有2类摄像机:近景摄像机和远景摄像机。首先在近景摄像机拍摄范围内,对感兴趣区域内车辆进行身份识别,根据车牌照平面与道路平面垂直的约束条件,建立车牌照模型来对车辆精确定位;接着在远景摄像机拍摄范围内,采用融合局部二值模式(LBP)纹理特征的金字塔稀疏光流法实时跟踪车辆上局部特征点,根据特征点运动趋势相似性获得稳态特征点,来对车辆位置估计;最后根据不同摄像机检测结果,采用加权一致性信息融合算法来提高车辆定位精度。实验结果表明:该方法能对交叉口车辆位置进行精确定位。