多传感器检测系统的多步反馈融合算法

通过分析分布式检测系统的工作原理 ,提出了一种新的局部检测器融合方法 ,该方法利用检测器局部判决结果与融合中心融合结果的误差多步累积平均值对检测器下一步判决进行修正 ,从而达到提高检测器检测概率的目的。分析表明 ,该算法能有效提高系统的性能。

带有目标探测控制的多雷达情报信息反馈融合

通过分析雷达网截获目标的时差规律及雷达站与监控区域的时空关系,提出了一种新的多雷达情报信息的反馈融合结构。通过考虑如何进行雷达探测目标的控制,实现反向传递函数即反馈控制函数的功能要求,提出了反馈控制原理和计算控制量算法和提高目标截获能力、跟踪能力和目标位置精度等航迹质量指标的新思路,为提升雷达网对电子干扰的对抗能力提供了新策略。

历史信息驱动反馈融合多目标跟踪算法研究

针对目标跟踪目标数量大，观测数据与目标状态相关性较为复杂的问题，本文提出了一种驱动历史信息和反馈融合的多目标跟踪算法，即驱动反馈融合多目标跟踪方法（HIFMTT），并对杂波环境下目标数量未知的多目标跟踪问题进行了大量仿真试验。仿真结果表明，该算法能较好地完成多目标跟踪，并具有较好的鲁棒性。

基于用户体验的交互式虚拟系统有效信息反馈融合模型设计

针对传统的交互式虚拟系统有效信息反馈融合模型因有效子载波过少,严重影响反馈融合增益。为此,提出基于用户体验的交互式虚拟系统有效信息反馈融合模型设计。首先根据用户体验中的组合元素设计两种主要方式获取有效信息,训练对交互式虚拟系统中的上下行信道,完成训练的信道中反馈有效信息,然后根据用户接收解码误差判断反馈是否成功,同时通过计算不同源信息中的数据簇的信任值,融合反馈的有效信息,完成有效信息反馈融合模型设计。最后设计仿真实验,结果表明,与传统的有效信息反馈融合模型相比,设计的基于用户体验的交互式虚拟系统有效信息反馈融合模型中的有效子载波更多,反馈融合增益得到了保证。

基于力跟踪的上肢康复机器人系统中视觉与触觉反馈融合技术研究

目的针对现有上肢康复训练系统提供视觉和触觉反馈无法关联的问题,本文以自主研发的末端牵引式上肢康复机器人为基础,研究基于力跟踪的视觉与触觉反馈融合技术及其对于上肢训练的效果。方法在虚拟环境中构建力学模型的基础上,本文设计两种与视觉反馈融合的触觉反馈,分别为两物体间靠近时的排斥力以及物体在介质平面移动时的摩擦力,进而采用基于力跟踪的机器人控制算法将虚拟环境中构建的力反馈通过操纵杆传递给用户。招募8例健康受试者,分别在有无反馈融合模式下进行对照训练。在训练过程中采集受试者与系统的实际和期望力反馈,以及三角肌前束、三角肌后束、肱二头肌和肱三头肌的表面肌电信号。计算有反馈融合模式下期望与实际力反馈之间的均方根误差,用于表征基于力跟踪的多感觉反馈融合效果。计算两种模式下的肌电积分值(i EMG)和单位时间内肌电幅值(EMG/T)以探究融合反馈技术对上肢运动训练的影响。结果在有反馈融合模式下,实际与期望交互力反馈的均方根误差为(0.757±0.171) N;肱二头肌、肱三头肌、三角肌前束和后束的i EMG均显著大于无反馈融合模式下(|t|> 7.965, P <0.001);前三块肌肉的EMG/T显著大于无反馈融合模式下(|t|> 6.363, P <0.001)。结论设计的上肢康复机器人训练系统可以精确地将虚拟环境中构建的力反馈传递给用户,通过视觉与触觉融合增加机器人系统对于训练者外周神经功能的刺激,促使训练者付出更多的努力。基于力跟踪的视觉与触觉反馈融合技术的优势在于可以在虚拟环境中自由构建力学模型,力反馈模式不受空间位置的限制,且可以在同一位置叠加两种以上的力学模型,从而使力反馈效果与虚拟环境中的视觉反馈更加匹配,激发训练者的运动康复兴趣,增强人机交互体验感。

“自动+生生互动”融合式写作反馈模式的实践研究

基于数字技术的自动反馈是数字化背景下英语写作教学评价的重要趋势,自动反馈功能的最大化是语言教学评价领域探究的热点。本研究基于反馈理论和过程性写作教学理论,提出“自动+生生互动”融合式英语写作反馈模式,阐释了该模式的内涵、操作原则和操作流程,并通过教学案例呈现了该模式的操作及其效果,期望为英语写作自动化反馈功能的最大化提供新的路径。

最小熵反馈式变结构多模型融合算法

传统变结构多模型方法(VSMM)在处理高机动目标状态估计问题和大观测误差时存在因模型集合与真实模式匹配欠佳导致估计质量下降的问题.本文结合最小信息熵准则(ME)提出一种反馈式变结构多模型融合算法(MEVSMM),将在所有模型相关的在线估计信息进行反馈,进而选取状态估计分布信息熵最小的模型集作为当前有效模型集,计算多模型估计结果;结合粒子滤波算法(PF)和设计擂台赛算法(CM),构造了易于工程实现的次优算法(PF–MEVSMM).理论分析与仿真表明,与传统VSMM算法相比,本法具有模型集更精简、有效,融合估计结果鲁棒性更强、精度更高的优点.

多步历史估计信息反馈多模型融合方法

针对强机动和大观测误差下的目标跟踪问题,传统低阶多模型融合方法存在估计精度较低、鲁棒性较差的缺点;高阶多模型融合方法面临计算量增大和保证实时性之间的矛盾.为此本文针对一类多步稳健机动目标跟踪问题提出一种基于历史估计信息反馈的多模型融合框架,首先累积和反馈历史估计信息,然后结合当前量测计算多阶模型序列的似然函数,最后得到贝叶斯后验融合结果.同时结合粒子滤波构建了易于工程实现的粒子滤波历史反馈多模型融合算法(PF-HFMM).仿真表明,与传统粒子滤波多模型算法相比,本法显著提高了估计精度和鲁棒性.

基于情景感知的互联网传输数据反馈融合方法研究

由于互联网用户在真实环境下的行为数据分类精度较低,导致互联网传输数据融合精度较低,为此研究基于情景感知的互联网传输数据反馈融合方法。基于人类认知过程划分互联网领域内情景感知过程,利用情景感知技术采集互联网用户传输数据。考虑数据紧急程度,采用实时自适应分类方法将所采集的数据划分为紧急数据与非紧急数据两种类型,确保互联网紧急数据及时融合与传输。针对分类后的互联网传输数据,基于反馈融合思想提出高阶多模型数据反馈融合方案,对互联网用户历史信息反馈融合判断,实现高实时性且尺度可控的互联网传输数据反馈融合。实验结果显示该方法数据分类精度高于96.5%,数据融合平均精度约为98.6%。

口语交互练习模式中多反馈信息智能融合方法

以学习口语的学生为对象,从系统框架、系统结构以及系统流程方面设计一种人机交互式口语练习系统,并提出对学生口语练习状态进行检测的多反馈信息智能融合方法,帮助教师更好地了解学生的口语练习情况。信息反馈式融合方法可挖掘融合系统的潜力,同时,对信息的融合效果加以优化,通过将反馈式方法引入到系统中,可以更加有效地将信息的智能化处理以及认知系统的构建等功能发挥出来,在人机交互口语练习系统中学生练习状态的检测方面有良好的应用。

反馈式权值动态分配雷达与红外传感器航迹融合方法

为了有效提高雷达与红外传感器航迹融合的精确度和稳定性,提出了反馈式融合与基于局部航迹精度的权值动态分配相结合的航迹融合方法。首先,从结构和性能上对比分析了带反馈与不带反馈两种估计融合算法,指出带反馈融合的优越性,为实现反馈式融合时权值动态分配,利用新息与协方差定义了标准化精度矩阵作为点迹精确度的评价指标;然后,计算一段连续点迹标准化精度矩阵的标准差作为权值将各传感器产生的航迹进行融合运算,并将运算结果反馈到各传感器。仿真实验表明,基于局部航迹精度的反馈式权值动态分配法在雷达与红外传感器航迹融合应用中误差小、性能稳定,且受低精度传感器误差影响较小,能够在传感器精度差异较大或精度发生变化的情况下依然保持较高的精确度。

同级融合式反馈英语写作教学模式研究

同级反馈模式英语写作教学指学生阅读并修改同伴或自己的英文作文的一种写作教学活动。本文将同级反馈中的自评、互评有机融合,形成了一种新型的同级融合式反馈模式。同级融合式反馈英语写作模式丰富了过程写作的同级反馈模式,结合中国课堂文化的特点,为中国课堂英文写作教学提供了一种行之有效的同级写作反馈教学模式。

分层卡尔曼滤波融合精度的研究(英文)

目的分析了传统分层卡尔曼滤波融合算法，指出传统卡尔曼滤波融合算法不能很好地提高跟踪精度且算法复杂的缺陷，提出了一种加权分层卡尔曼滤波融合算法，方法应用理论分析和蒙特卡洛仿真方法，对传统融合算法和新算法进行比较，并给出了各种情况下均方根误差的统计值比较，结果分层融合算法并不优于加权平均和反馈加权平均算法，加权及反馈滤波融合算法原理简单、数据处理量小、速度快、容错性好，结论加权分层融合算法特别适用于失效传感器的处理，特别当一传感器有较大的绝对误差和相对误差或与其它的传感器的采样周期略有不同和与其它传感器采样不同步时，将融合结果反馈给单传感器，可提高各单传感器的跟踪精度。

雷达与双波段红外探测器融合跟踪系统

利用双波段红外探测系统测到的目标双波段红外辐射信息,推导出目标的伪距离量测信息,使得单站红外探测系统变为可观测系统;在此基础上,采用带反馈的分布式估计融合算法,将雷达与双波段红外探测系统得到的局部航迹进行融合,并将每次融合估计的结果反馈给局部传感器,使得融合中心达到最优性能的同时,减小了雷达和红外局部估计的误差。仿真结果表明:①单站红外探测系统利用目标的双波段红外辐射信息能够对目标进行有效地跟踪,跟踪精度较高;②带反馈的布式估计融合算法具有良好的跟踪性能,而且能够明显改善局部传感器的跟踪精度。

一种分层模糊控制的灭火机器人火源寻踪

为了实现灭火机器人火源寻踪,同时避免单一模糊控制器中由于输入变量个数太多造成的模糊规则数量庞大,提出一种分层模糊控制的灭火机器人火源寻踪控制策略。首先设计一种分层模糊控制系统,底层模糊控制器将灭火机器人左边、前面以及右边的红外温度传感器和红外火焰传感器探测到的火源信息进行反馈式融合,得到关于火源方向的模糊向量;上层模糊控制器利用机器人上左方、前方以及右方的三个超声波传感器探测到的障碍物距离信息和火源方向进行火源寻踪。然后利用MATLAB进行两种火场情况下火源寻踪仿真分析,仿真结果表明灭火机器人在火源寻踪过程中排除了干扰热源的影响,避开障碍物后准确到达了火源点。

一种交互多模型的远距离弱机动目标跟踪算法研究

远距离弱机动目标的检测、跟踪算法很多，但是在太空背景条件下，由于背景复杂和成像系统模糊等影响，使得这些算法只能适应于特定的环境。因此需要我们在分析天基探测的背景、环境和算法处理实时性两方面的基础上，对现有跟踪算法进行优化，适应空间目标跟踪要求。本文提出了一种基于反馈分层融合的交互多模型机动目标算法——msIMM，并给出了算法的基本步骤。仿真表明msIMM算法在跟踪性能和算法的鲁棒性方面比mscsm具有明显优点。

基于互联网群体智能的拼图问题求解

拼图游戏是一类复杂问题的典型代表.这类问题的复杂性体现在其无法通过自上而下、集中控制的方式进行有效求解.通常情况下,拼图游戏由一个玩家独立完成,或由几个玩家围坐在一起协同完成.本文提出一种基于互联网人类群体智能的拼图问题求解方法.该方法使用一种被称为“探索–融合–反馈”的回路用于支持人类玩家群体在互联网环境中进行并行、协同的拼图问题求解.其中,探索活动由玩家实施,融合与反馈活动由拼图环境自动实施.在探索活动中,每个玩家独立进行拼图问题的求解,不与其他玩家发生直接的交互.在任何时刻,一个玩家探索活动的结果是一个关于当前拼图问题的片段解,以及一组被该玩家判断为错误的图块邻接关系.在融合活动中,拼图环境实时地将所有玩家的当前探索结果融合在一起,形成一个不断演化的群体观点图.在反馈活动中,对于每一个玩家,拼图环境根据该玩家的当前探索结果和当前的群体观点图,向该玩家推荐特定的信息,以加速其拼图进程.我们实现了一个支持上述方法的多人在线拼图环境,并在2∼10人规模的玩家群体中进行了初步的实验.实验结果表明:(1)在这一多人拼图环境中,拼图求解时间大致正比于玩家数量的倒数,且以玩家群体中的最强个体为基准点,群体拼图效率能够实现31.36%∼64.57%的提升;(2)在该环境中,最快完成拼图的玩家获得的反馈信息平均具有86.34%的准确率,且随着群体规模的增加,反馈信息在最快玩家拼图结果中的平均占比逐渐从20%增加到45%左右;(3)相比于面对面协同的群体拼图求解方式,该环境展示出更好的群体规模可扩展性,且拼图结果总是具有100%的正确率,而拼图问题自动求解算法平均只具有52%的正确率.我们希望本文工作能够为探索群体智能在互联网环境下的更广泛应用提供一些有用的信息或观点.