基于协方差交叉算法的多源遥感图像融合方法

协方差交叉算法是分布式信息融合中不需要计算局部估计误差之间的相关性、通过优化一定的目标函数得到的一种保守的分布式融合估计方法。这种方法为图像融合增强提供了一种新思路。介绍了一维协方差交叉算法,把此方法扩展到二维信号和图像融合上,提出了一种基于协方差交叉算法的图像融合方法,最后对融合后的图像与已有的融合方法进行比较。结果表明,融合效果优于小波方法、经验模式分解方法和非负矩阵分解方法。

一种分布式异步航迹融合算法

在多被动传感器目标跟踪中,融合中心处理的信息一般是同步的,然而实际情况并非如此。另外,一些被动传感器只能得到目标的方位信息,无法单独形成有效航迹,这就需要将各传感器数据同步到相同时刻,然后应用同步融合算法。针对被动传感器探测系统,采用传感器到传感器融合和系统到传感器融合的分布式融合结构,并对各局部传感器引入全局反馈,对相关信息采用协方差交叉算法进行处理,完成被动传感器异步数据的融合,仿真结果表明,该算法具有较好的融合效果。

基于AMD算法的多目标分布式融合

提出一种新的基于广义交叉协方差(GCI)和平均边缘概率密度(AMD)的分布式多目标融合机制。传统的多传感器跟踪算法存在一些难以克服的缺点:如航迹关联性能对关联参数设置敏感,航迹关联计算量随目标个数增加呈指数增加等。为解决这些问题,提出一种适用于多目标的鲁棒性较好的分布式融合算法。首先,将多目标联合后验概率密度近似为关于其AMD的积分布;然后,考虑到不同雷达节点之间的未知的互相关,采用GCI融合算法进行融合。由于航迹关联过程被内嵌在航迹融合过程中,所提分布式融合机制同时进行航迹关联和航迹融合,理论上会更加完备。所提算法借助高斯混合模型实现,试验结果证明其性能相比传统融合算法有很大改善。

多传感器时滞系统CI融合滤波算法

针对多传感器信息融合时存在的时滞问题,建立了带状态和观测时滞的传感器网络移动目标追踪仿真模型,利用增广矩阵将时滞系统化为非时滞系统,提出了多传感器时滞系统协方差交叉(covariance intersection,CI)融合滤波算法。该方法避免了计算任意2个局部滤波误差互协方差阵,极大地减小了计算量与计算时间。分析了该方法的精度,比较了CI融合滤波算法与局部和最优融合Kalman滤波算法的精度,结果表明,CI融合滤波算法的精度高于局部滤波精度,但低于最优加权融合滤波精度。

分布式无源检测信息系统研究进展

介绍发达国家和我国有关研究机构在分布式无源检测信息系统领域,利用电视、广播、移动通信基站等大量分布式设施作为辐射源实现目标的探测和定位的近期研究进展,具有重要的理论意义和实用价值.分析实现目标检测必须解决的关键技术,包括直达波抑制、参考信号提取、微弱信号检测、解距离模糊及实时信号处理等.针对分布式无源检测信息系统的特点,研究盲自适应检测融合算法和协方差交叉算法在目标检测和航迹融合中的应用.

鲁棒融合Kalman滤波在异步电机转速控制中的应用

协方差交叉融合算法是新兴的一种分布式融合算法,该算法避免了局部互协方差或相关阵的计算,算法简单,故得到了广泛的应用。以异步电机转速控制为应用背景,进行协方差交叉融合Kalman滤波算法的应用研究。相比已有的单传感器状态估计,所提出的协方差交叉融合状态估计算法估计精度更高。仿真实例分析说明了所提出的算法的有效性。

一种基于CI因子图的多机器人2D地图融合算法

针对地图融合时多机器人位姿估计过程中互协方差未知的问题,提出了一种基于协方差交叉点(covariance intersection,CI)因子图的2D地图融合算法.首先通过坐标变换矩阵实现机器人坐标到全局坐标的转换,然后以最小化非线性性能指标为原则求取局部的估计信息权重,通过算法融合各局部估计信息,计算出融合点的位姿和互协方差.最后通过协方差通用公式,计算出融合点到下一级变量节点的概率约束(协方差),进而完成因子图融合.实验结果表明,该算法具有一定的可行性.