不依赖水声传感器信噪比的分布式量化检测融合方法

针对水下跨平台协同系统信号检测融合的应用需求,本文提出了一种不依赖于水声传感器信噪比先验信息的水下目标分布式量化检测融合方法,不仅提升了检测融合系统的性能,而且避免了以往检测融合需要知道各传感器信噪比的难题。在奈曼-皮尔逊准则下,推导了量化检测融合的全局最优算法,在量化检测融合系统满足虚警概率要求的条件下,通过联合设计检测融合规则和各传感器判决规则,实现了对多位量化判决结果的最优判决。给出了量化检测融合的次优算法,通过独立设计融合规则与各传感器判决规则,使融合中心判决门限和各传感器判决门限仅仅依赖于与噪声方差密切联系的虚警概率,而不再依赖于信噪比。进行了计算机仿真,结果表明:所提算法性能优于参加融合的各传感器检测性能以及全局最优硬判决融合的性能,量化检测融合次优算法性能接近全局最优量化检测融合的性能。

分布式多传感器系统的航迹融合算法研究

分析了三种适用于分布式多传感器的航迹融合算法,对其算法机理进行了描述.并对其中的加权平均法以及分层融合法的跟踪航迹和方差进行了仿真分析比较,这样就可以根据实际情况,在复杂性和精确性之间权衡选择合理的融合算法.

一种红外搜索系统的分布式多传感器航迹融合算法

红外搜索系统作为被动式搜索系统,一般只能获得目标所处位置的方位角和俯仰角信息,缺乏距离信息,在无测距装置的条件下,只能依靠角度信息进行数据融合。依据角度值的三角函数关系,提出了一种新的分布式多传感器航迹加权融合算法,算法经仿真验证有效,降低了融合航迹的误差。在对量测数据进行误差修正的基础上,算法效果更加显著。

基于CI算法的多传感器时滞航迹的分布式融合估计

网络的传感器节点向处理中心传输局部估计时,不可避免地存在随机延迟,从而导致航迹无序现象频发。在分布式框架下,研究多传感器时滞航迹的融合估计问题。采用最新可利用的局部估计原则,若未收到最新局部估计,则用之前收到的最新的估计进行预报。进而,运用避免计算互协方差阵的CI算法进行分布式融合。避免了计算互协方差阵,且能改善局部估计的精度。仿真例子说明算法的有效性。

分布式多传感器系统航迹关联算法评述

根据计算速度、存贮量、通讯量、正确关联率、适应环境、对局部跟踪器和参数设置要求等几个方面,采用定量与定性相结合的方法,综合比较和评价独立序贯法、相关序贯法、独立双门限法、相关双门限法、MKNN法、第一类模糊双门限法、第二类模糊双门限法和模糊综合法等8种新的航迹关联算法的优劣,并重点讨论它们的差异和特点。同时把它们与最近邻域法、加权法、修正法和KNN算法这4种经典方法进行全面比较。

多传感器分布式Kalman滤波融合算法

讨论多传感器数据融合算法。

分布式传感器网络中基于数据融合的目标定位算法研究

利用分布式传感器网络以及数据融合方法来提高探测系统的检测与定位精度正在成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。算法采用两级自适应调整得到最优加权因子。首先利用线性最小方差估计(LMSE)算法得到权系数的初始值,然后利用训练节点和递归最小二乘(RLS)算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真。仿真结果表明,相比单节点定位,融合算法的定位精度有约一到两个数量级的提高。

分布式多传感器多目标跟踪方法综述

多传感器多目标跟踪是信息融合领域的热点问题,其通过融合多个局部传感器数据,提高目标跟踪精度和稳定性。多传感器多目标跟踪按融合体系可分为分布式、集中式、混合式3类,其中分布式融合结构对网络通信带宽要求低、可靠性和稳定性强,广泛应用于军事、民用领域。该文聚焦分布式多传感器多目标跟踪涉及的目标跟踪、传感器配准、航迹关联、数据融合4项关键技术,主要分析了各关键技术的理论原理与适用条件,重点介绍了不完整测量条件下的空间配准与航迹关联,并给出仿真结果。最后,该文总结了现有分布式多传感器多目标跟踪关键技术存在的问题,并指出了其未来发展趋势。

分布式多传感器信息融合仿真系统设计与实现

针对多传感器信息融合算法仿真验证应用背景,通过系统需求分析,提出了基于HLA的分布式仿真系统结构,通过构建实体模型,生成红蓝双方的兵力,配置多种典型剧情、作战平台、传感器,实现在全局意义下验证局部信息融合算法的效果。并对系统开发过程中的想定配置、雷达模型、传感器数据处理、软件集成进行了讨论。此项研究对于其他分布式仿真系统的设计和开发具有参考价值。

分布式多传感器关联航迹的数据融合与处理

对多传感器关联航迹的数据融合是多传感器数据融合技术的重要方面。首先对各观测传感器的观测数据进行目标航迹提取,采用一种基于曲线拟合的时间对准算法对不同观测站数据进行时间配准,在分析观测站相关数据精度的基础之上,采用极大似然的航迹融合模型对于关联航迹进行数据融合分析。研究表明,关联航迹的数据能够较好的融合。

分布式系统的航迹融合算法研究

分析了三种适用于分布式多传感器的航迹融合算法,对其算法机理进行了描述。并对其中的加权平均法以及分层融合法的跟踪航迹和方差进行了仿真分析比较,这样就可以根据实际情况.在复杂性和精确性之间权衡选择合理的融合算法。

LSFR算法在多传感器分布式检测中的优化研究

在多传感器分布式检测系统中,常规融合规则算法要求传感器误差概率已知,且系统中传感器和融合中心同时优化存在一定困难。提出最小二乘融合规则(LSFR)算法,算法不依赖噪声环境稳定性以及传感器的虚警概率与检测概率,融合中心根据各个传感器的硬决策,得到全局的硬决策,并在传感器和融合中心处理达到最优时,获得最佳全局性能。仿真结果表明:对比似然比融合决策算法与Neyman Pearson融合规则(NPFR)算法,LSFR算法全局检测概率显著提高,且在不同数量规模传感器和更多类型的分布式检测系统中具有较好兼容性。

分布式多传感器航迹数据融合

本文研究分布式多传感器系统中的航迹数据融合问题，对来自分布于不同几何位置，具有不同精度的多传感器的所有航迹，根据它们的状态向量及其滤波误差协方差阵Ｐ进行融合处理，形成融合航迹，介绍两种典型的适用于分布式系统的航迹融全数学模型。各种模型中又有数值模式。

一种改进的分布式航迹估计融合算法研究

在航迹估计融合算法研究中,加权融合估计算法实现起来特别容易,因此得到了广泛应用。但由于其加权因子直接影响融合结果,一般说来都根据平时经验制定其加权因子,导致算法性能很不稳定,设计起来也不方便。针对此问题,设计了一种改进加权融合算法,并与其它算法进行比较,结果表明,算法稳定性更高,设计更科学,融合效果更好。

一种高效的分布式多传感器多目标跟踪算法

现有的多传感器多目标跟踪算法大都基于马尔科夫-贝叶斯模型,需要诸如目标运动、杂波、传感器检测概率等先验信息,但是在恶劣的环境中,这些先验信息不准确并导致目标跟踪精度下降。为了解决该情况下的多目标跟踪问题,我们提出了一个高效的分布式多目标跟踪算法,该算法通过泛洪(Flooding)共识算法在分布式网络的传感器之间迭代的传输、共享各自的量测集信息,并通过改进的密度峰值聚类(Improved Density Peaks Clustering, IDPC)算法对量测集聚类,聚类得到的簇的个数即目标的个数,簇的中心即目标的位置。我们将IDPC算法与前沿的分布式概率密度假设(probability density hypothesis, PHD)滤波器在三个场景中进行对比,实验结果证明了IDPC算法的有效性和可靠性。

基于协方差交叉融合的多传感器数据融合研究

为提高多传感器数据融合的精度和速度,结合凸组合融合算法与协方差交叉融合算法,并采用果蝇优化算法优化协方差交叉融合算法的融合系数,提出一种改进协方差交叉融合算法,实现了多传感器数据的快速、精确融合。仿真结果表明,所提算法在x轴和y轴上的数据融合均方根误差约为3 m,融合的时间约为0.44 s,相较于多贝叶斯估计、模糊聚类、极大似然估计等数据融合算法,具有明显优势,提高了多传感器数据融合的精度和速度。

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。

多传感器分布式区间估计融合

考虑了对未知参数θ的多传感器分布式区间估计融合问题 .建立了一种最优区间估计融合模型———凸线性组合融合 ,并给出搜索最优权系数的Gauss Seidel迭代算法 ,另外 ,给出了一种近似的区间估计融合 ,它能减少大量的计算量 ,并且在某些情况下可以达到最优的估计性能 .最后采用计算机数值模拟 ,用以上方法得到的融合区间估计均优于每个传感器的区间估计的性能 .

多传感器融合多目标跟踪中的序贯航迹关联算法

对于分布式多传感器融合多目标跟踪系统,提出一种序贯处理的航迹关联融合算法。为实现杂波干扰环境中对密集多目标的精确跟踪,航迹关联采用了粗、精关联相结合的方法,最小均方误差法用于实现航迹融合。序贯处理的航迹关联融合算法在保证航迹关联正确的同时,大大降低了计算量。仿真实验结果说明了本文方法的有效性。

一种分布式多雷达航迹数据融合系统

有效利用多传感器信息,扩大和提高系统监测目标的能力是包括空中交通管理在内的众多领域需要的重要技术.作者在设计和实施的一个分布式多雷达信息融合系统中,提出了一种适用于线性扫描方式显示输出的水平带状空域划分时空对准方案和多信息多层次目标航迹关联融合方法.给出了系统设计的关键技术和算法.