基于耦合HMM的多传感异步信息融合分类策略

针对多传感异步信息融合分类问题,提出了一种新颖的基于耦合隐马尔可夫模型(CHMM)结构的中期融合分类策略,该策略既考虑到了多传感信息在时间上的相关性,又解决了信息流之间的异步问题;其次,通过限制信息流的状态数量和限制信息流之间的异步程度,简化了模型结构;此外,为解决CHMM的算法实现问题,提出了一种CHMM与双流HMM的等效变换方法,从而利用经典的HMM算法解决了CHMM的模型实现。最后在唇读语音双模态数据库上的实验证明,该异步信息融合策略实现了比早期同步融合更理想的识别结果,证明了该信息融合策略在异步信息融合分类上的有效性。

多传感器组合导航系统的多尺度异步信息融合算法

首先，将状态方程采用数据块变换的方式得到新的状态块方程，并将量测方程表达为数据块的形式；然后，将量测向量进行多层小波变换以得到新的量测向量，结合状态块方程进行卡尔曼滤波；最后，利用异步贯序滤波的方法，建立了基于全局的最优估计值。将上述算法应用于GPS／SST／高度表／SINS多组合导航系统，仿真结果表明：相对于单一尺度的异步滤波算法，该算法可明显地提高系统的滤波精度。

激光数据链路与IRST信息融合方法研究

针对协同空战中激光数据链路系统传输的友机雷达探测信息与本机红外搜索跟踪系统(IRST)探测信息的不同特性,提出一种基于最优数据压缩的异步信息融合方法来提高探测系统性能。分析了包括时间配准、空间对准、数据融合、目标跟踪的信息融合过程,并通过仿真,对融合前、后所得的观测曲线与目标真实轨迹的比较及其误差曲线进行对比分析,融合后的方位角和俯仰角的误差已经维持在2mrad以内,结果表明该方法可以有效提高数据的精度。

事件触发异步融合算法及在光电传感网的应用

关于异步多传感器信息融合问题,已有状态估计方法可精确获知目标状态信息,但存在各异步传感器与融合中心间通信量过大的问题。作者提出了一种基于事件触发机制的多传感器异步估计框架,减少各传感器与融合中心间不必要的信息交互,推导了所提出框架下的目标状态估计算法,给出了保证所提算法估计误差有界的条件。最后通过某异步光电探测网络中的应用,仿真验证了所提机制及算法的有效性及工程应用的可行性。

多传感器异步信息多源组合导航算法实现

常规滤波方法要求各个传感器的导航信息同时到达,但是导航传感器种类众多,采样率也存在差异,这导致导航系统性能下降。针对异质传感器异步信息不等间隔问题,借鉴联邦滤波算法设计了一种异质异步非等间隔滤波算法。该算法以联邦滤波器为基础,以各传感器导航信息更新为判据,利用当前时刻可用的量测信息更新状态估计和均方误差,实现了最优融合。仿真结果与跑车实验证明,该算法可以在异步信息融合中正常运行。并且与常规联邦滤波算法相比,该算法能够有效提高系统精度,可以应用于工程实践。