带时间相关乘性噪声多传感器系统的分布式融合估计

研究带时间相关乘性噪声多传感器系统的分布式融合估计问题,其中时间相关的乘性噪声满足一阶高斯-马尔科夫过程.通过引入虚拟状态和虚拟过程噪声,构建了虚拟状态的递推方程.首先,基于新息分析方法,分别对系统状态和虚拟状态设计局部一步预报器.然后,基于一步预报器设计状态的局部线性滤波器、多步预报器和平滑器.推导了任意两个局部状态估计误差之间的互协方差矩阵.接着,基于线性最小方差意义下的矩阵加权、对角矩阵加权和标量加权融合算法,给出相应的分布式融合状态估值器.最后,分析算法的稳定性.仿真研究验证了该算法的有效性.

基于ICM20948多传感器系统的FPGA数据同步采集方法

针对多个ICM20948九轴传感器在采样率上存在微小差异,且无法从芯片端输入同步参考时钟进行多片同步的问题,提出一种基于ICM20948多传感器系统的FPGA数据同步采集方法。利用划分置信区间的方法实现多个ICM20948九轴传感器数据的同步采集,确保数据同步采集精度为毫秒级别。实验结果表明,多个ICM20948九轴传感器的加速度计和陀螺仪的数据同步采集精度约为10ms,磁力计的数据同步采集精度约为100 ms,验证了该方法的有效性。

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。

异类多传感器系统中基于跟踪质量的辐射控制研究

提出了基于跟踪质量的二种雷达辐射控制方式 ,给出了基于辐射控制的异类多传感器系统管理与综合方法 ,通过仿真对基于不同辐射控制方式的多传感器系统目标跟踪性能进行了分析 。

分布式多传感器系统的最佳检测和性能

提出了多传感器分布式检测系统在Neyman Pearson(N P)准则下融合规则和各局部判决规则之间协调关系的理论分析方法 ,完整地给出了两种次最佳系统和全局最佳系统判决规则的理论推导 ,并籍此理论对上 3种系统进行了瑞利信道的仿真及性能比较 ,结果表明分布式检测中全局最佳系统的检测性能和接收机特性均优于两种次最佳系统 .

多传感器系统最优决策融合的熵方法

根据多传感器最优决策融合的信息模型提出了多传感器决策融合熵的概念；推导了多传感器系统最优决策融合的熵规则．分析了该方法对融合系统的可靠性和虚警率的影响。

基于通信故障的多传感器系统融合估计算法研究

在实际多传感器动态系统中,气候、机械故障以及人为等因素都可能使系统中某些传感器以及线路出现故障,从而导致正常的融合算法(本文是指通信正常情况下的无反馈层次结构融合算法)无法正常运行.本文对某些传感器出现通信故障的多传感器动态系统进行了研究,通过改进现有的系统框架,提出了一种新的融合估计算法.该算法能够自动地对发生故障的传感器进行实时跟踪和检测,并做出相应的处理,从而保证系统能够继续正常工作.新算法具有很高的灵活性和实时故障处理能力,最后计算机仿真证明了该算法的有效性.

多传感器系统中基于扩展卡尔曼滤波器的在线故障检测

随着多传感器系统的广泛应用,在线故障对于系统性能影响严重,如何使得多传感器系统具有自主故障检测与诊断能力成为首要问题。根据非线性多传感器系统的输入信号、输出信号和故障阵列,建立一种具有多输入多输出处理和自调节加强功能的扩展卡尔曼滤波器(EKF)的故障分析模型,在此基础上,提出了一种适用于多传感器系统的在线故障检测算法及其在传感器节点上的实施架构。实验结果表明:所提算法在低并发故障和高并发故障环境下均具有高准确度故障报告能力。此外,在温度传感器上实施所提算法,温度监测值的对比结果验证了所提算法比传统算法具有更好的系统性能保证能力。

基于神经网络的多传感器系统误差校正方法

为提高传感器的准确度 ,减少传感器的研制成本 ,提出了基于神经网络多传感器误差补偿的方法。该方法利用BP网络较强的非线性映射能力 ,网络通过学习能实现对传感器系统误差的补偿。

基于多镜头多传感器系统的图像合成

图像配准是图像合成的关键步骤,该文用两个具有平行光轴结构的多镜头多传感器系统进行图像采集,利用H矩阵与插值算法相结合,快速地完成了两张图像的配准工作,实现了对一个平面上的图像信息的合成,具有提高公共区域信噪比的功能;并在此基础上,提出了一种针对无穷远平面的图像配准方法,有利于进行立体图像的快速配准以及深度图像的求取。

信息化陆战场多传感器系统可靠性模型

信息化陆战场上,多个传感平台(装备)综合集成为多传感器系统以实施信息收集与融合,故需要对其可靠性模型问题进行探讨。采用将战术任务转化为技术体系结构的方法,从系统及其组成部分的工作原理和功能关系出发,提出了多传感器系统的作战体系结构和功能体系结构,并在故障描述的基础上,建立了其可靠性框图与可靠性数学模型。对多传感器系统进行的可靠性预计与分配,表明该可靠性模型可以应用于可靠性研究、分析和设计中。

带SSR修正的异步多传感器系统的无味JPDA跟踪

针对杂波环境下多变采样率传感器多目标跟踪问题,考虑到二次雷达(SSR)具有辨别敌我方目标和更精确的高度探测能力,本文提出了一种带SSR修正的异步多传感器系统的无味JPDA跟踪算法。该算法首先通过测量值映射的异步数据处理方法对多传感器数据进行点迹的合成,然后通过二次雷达对敌方目标的高度信息进行自适应修正,最后用无味JPDA算法对按序到来的异步采样量测进行顺序滤波融合。通过蒙特卡洛仿真,表明该算法在提高目标跟踪精度和正确关联概率上是有效的。

网络化多传感器系统的序贯式融合滤波——基于噪声估计方法

在网络化多传感器系统中,由于各传感器采集到的量测信息在经网络向融合中心传递的过程中,常会出现各种随时间变化的延迟现象,而处理该类系统融合滤波问题的现有方法又大都难以实现滤波过程实时性与滤波精度最优性的共赢.为此,本文在线性最小均方误差意义下,利用不同时刻状态间的递推关系和噪声估计方法,提出了一种实时、递归、最优的序贯式融合滤波器.首先利用状态间的递推关系,将不同时刻得到的量测信息转化为当前状态的伪量测信息.其次,利用新提出的噪声估计方法求解伪量测方程中增益噪声的估计值和用于滤波器设计的增益矩阵.然后,基于转化后的伪量测信息和求取的滤波增益矩阵实现对系统状态的最优估计.以此方法依次处理该融合周期内到达融合中心的各量测信息,建立起一种实时、递归、最优的序贯式融合滤波器.最后,用计算机仿真来验证新方法的有效性.

联合卡尔曼滤波器在多传感器系统的信息融合及容错中的应用

对集中滤波器和分散滤波器的性能特点进行了比较和分析 ,指出了它们应用于多传感器系统时的不足之处 ,提出了联合卡尔曼滤波器的结构和算法 ,并在精度、计算效率和容错能力方面与传统的集中滤波器和分散滤波器进行了比较 ,提出联合卡尔曼滤波器由于采用了系统信息分配原理 ,可以进一步改善系统的容错能力及精度 ,因此特别适用于多传感器系统 ,可以提高系统的精度和容错。

具有未知传输干扰和丢包的网络化多传感器系统的CI融合滤波器

研究了具有未知传输干扰和观测丢失的网络化多传感器系统的滤波器设计问题。采用一组满足伯努利分布的随机变量来描述观测丢失现象。在没有传输干扰任何信息的情形下,基于线性无偏最小方差估计准则,设计了系统状态的具有Kalman形式的递推滤波器。应用CI(Covariance Intersection)融合算法给出了分布式次优融合状态滤波器。并基于融合状态滤波器给出了未知传输干扰估计。仿真验证了该算法的有效性。

一种改进的多传感器系统网格状分簇路由协议算法(英文)

针对现有的多传感器网络系统分簇路由协议负载能量不均衡、簇头节点分布不均、网络生命期较短等问题,设计了一种新的网格状分簇路由协议算法(New Grid Clustering Hierarchy,NEWGRID).该算法利用网格分割技术将区域分割为等大的均匀区域,在以网格交叉节点为圆心的某个圆范围内进行簇头选举.该路由协议引入阈值函数选择簇头.当节点剩余能量高于阈值函数时,节点竞争为候选簇头,同时区域簇首与基站之间的通信由传统的单跳切换为多跳.仿真实验结果表明,该算法比现有的算法在多传感器网络系统能量消耗、数据吞吐量、簇头节点分布方面具有明显优势.

多传感器系统动态性能指标的研究

文章在对多传感器数据融合系统的性能评价与多目标跟踪系统的性能评估技术进行探讨的基础上 ,给出了多传感器系统动态性能指标的建立方法 ,最后给出这些指标的设计和应用 。

联邦Kalman滤波处理多传感器系统数据的方法*

文中提出用联邦Kalman滤波处理多传感器(二个以上)系统的数据。它具有平行处理、可靠性高的特性,用信息分享原理和数据融合复位技术,估计位置和速度,并分析了它们的精度。文中以GPS/PL系统为例,提出联邦Kalman滤波计算方案,计算了信息分配系数。

多传感器系统的正交化全信息融合滤波方法

针对多传感器系统的状态估计问题,提出一种基于正交化方法的全信息融合滤波算法。首先,阐述了多传感器系统全信息的概念及其融合结构。其次,推导出融合滤波前、后2次子系统状态估计信息之间的相关矩阵以及子系统状态估计信息与系统状态预测信息之间的相关矩阵,在此基础上实现对子系统状态估计信息与系统状态预测信息的正交化处理。基于信息融合估计理论,通过融合这些正交信息可获得系统的状态估计,且比传统估计方法具有更高的精度。

常规多传感器系统的分布检测融合方法研究

着重研究多传感器分布检测系统中融合中心的各种信息融合方法,包括"and"、"or"逻辑、表决融合规则和基于最小错误概率准则的一般融合方法。最后对各种融合方法进行了仿真比较。