基于分布式多传感器融合技术的帷幕体防渗效果评价

大坝基础的工作性态,很大程度上受控于帷幕体的完好程度和止水效果。帷幕体的防渗性能及其时效,可由传感器采集到的地下水宏观动态反映出来,然而在多个传感器采集的数据中,常常出现各传感器反馈的信息不一致的现象。为消除这种现象,采用分布式多传感器融合方法,并根据有无反馈信息结构,分别进行融合,并将其应用于评价某坝13坝段帷幕体防渗效果,融合后的结果较符合规律。经分析知：2003~2008年间,帷幕体防渗效果呈现了阶段性衰减;其中,2005年和2008年为该坝段帷幕体防渗性能的相对明显衰减时期。建议加强监测,为必要时采取工程措施提供依据。

神经网络在多目标分布式融合中的应用研究

提出了适合分布式多传感器多目标 (MSMT)数据融合估计算法 ,对这种推广的分层融合估计算法进行了数学推导和描述 ,研究了利用神经网络进行MSMT跟踪融合的网络结构和算法 ,进行了计算机模拟仿真。仿真结果表明神经网络融合估计可提高跟踪精度 ,并且这种融合方法是有效的。

基于跟踪质量熵的分布式组网雷达航迹融合算法

针对分布式多传感器融合系统中,传统的航迹融合算法未充分考虑不同传感器探测跟踪性能不同带来的航迹质量的不确定度差异,导致融合后的航迹质量下降的问题,提出了一种基于跟踪质量熵的航迹融合算法。首先,构建融合中心所有局部航迹的跟踪质量熵模型,根据熵大小排序并划分不确定度等级;然后,选择质量熵排序队列的航迹作为参考数列,利用灰度理论对不同局部节点的来自同一目标源的航迹进行聚类;最后,将聚类后的航迹,根据不确定等级进行分群融合,并把不确定等级较低的航迹融合后的状态反馈至各局部节点进行局部融合。该方法提高了局部节点的跟踪质量,增强了航迹融合的正确性,仿真验证了该方法的可行性和有效性。

Multisensor Distributed Track Fusion AlgorithmBased on Strong Tracking Filter and Feedback Integration^1）

A new multisensor distributed track fusion algorithm is put forward based on combiningthe feedback integration with the strong tracking Kalman filter. Firstly, an effective tracking gateis constructed by taking the intersection of the tracking gates formed before and after feedback.Secondly, on the basis of the constructed effective tracking gate, probabilistic data association andstrong tracking Kalman filter are combined to form the new multisensor distributed track fusionalgorithm. At last, simulation is performed on the original algorithm and the algorithm presented.