基于BLUE的雷达/红外异步融合算法研究

多传感器融合是提高态势感知能力的重要手段。为提高探测能力,将雷达和红外传感器组网,各传感器独立工作,在统一调度下,完成探测、跟踪、识别任务。研究该系统的雷达/红外数据融合算法,针对传感器异步探测特点,采用观测驱动的融合跟踪方法:雷达探测到目标时,采用基于状态预测的改进BLUE(Best Lin-ear Unbiased Estimation)滤波,通过方位预测的辅助,减小测角误差非线性效应,提高跟踪性能;红外探测到目标时,基于方位预测和斜距观测,构造新的转换量测模型,实现基于不完备观测的修正BLUE滤波器。理论分析和仿真证明:所述雷达/红外数据融合方法,在不同传感器布局下都具备更优的综合性能,其设计思想可解决其他类似的多传感器融合问题,有较好的应用推广潜力。

弹体姿态估计数据融合算法研究

为了测量剧烈变化的弹体滚转角姿态,设计了高、低量程配置的传感器测量方案,利用UKF滤波器,对弹体滚转姿态进行估计.为了提高弹体飞行中间段的滚转姿态测量精度,进一步设计了状态融合和量测融合两种数据融合算法.仿真研究表明,量测融合算法精度高、实时性强.

激光捷联惯导系统/地形辅助导航系统中卡尔曼/粒子组合滤波算法设计及仿真

粒子滤波技术是近几年出现的一种非线性滤波技术,它适用于非线性系统以及非高斯噪声模型。结合粒子滤波和卡尔曼滤波各自的优点,给出了一种卡尔曼/粒子组合滤波器,并将这种滤波器应用到激光捷联惯导(LSINS)/地形辅助导航(TAN)数据融合过程中,避免了地形复杂的线性化问题。仿真结果表明,系统的定位精度得到了明显提高。应用粒子滤波器及其改进算法解决了导航系统中存在的强非线性问题。

非线性系统的异步多速率数据融合估计算法研究

研究了一类非线性时变动态系统的状态估计问题,在不同传感器以不同采样率异步对同一目标进行观测时,提出了一种有效的数据融合估计算法.通过建立多尺度模型,将异步多速率系统形式转化为同步多速率系统;在每一步分别进行状态的预测和更新.在状态和观测预测时,采用强跟踪滤波(STF)算法;在状态更新时,采用有反馈分布式结构,顺序的利用每一个传感器的观测信息去更新状态的估计;从而基于给定的非线性系统模型,得到融合所有异步、多速率传感器观测信息的状态估计结果.该方法不需要对状态或观测进行扩维,计算量适当,从而保证了算法的实时性.仿真结果验证了算法的有效性.

基于雷达/红外神经网络融合目标跟踪算法

提出一种基于雷达/红外传感器神经网络融合的机动目标跟踪算法,利用神经网络的非线性逼近能力,将神经网络与卡尔曼滤波器相结合构成一个非线性估计器,该算法可以对来自红外成像传感器的补充信息加以充分利用,进行机动检测,把计算负荷转移到神经网络,在改善跟踪性能的同时又保持跟踪滤波的计算结构尽可能简单。仿真结果表明所提出的跟踪滤波算法在跟踪应用上优于一般的非线性估计算法,它最明显的优点就是减少了数字计算上的复杂性,提高了跟踪算法的快速性。

机载有源无源雷达联合探测数据融合研究

针对机载有源无源雷达量测数据不同步、不同维的特点,提出了基于自适应变维非线性量测最优线性无偏滤波(BLUF)有源无源数据融合方法。首先将三维的非线性量测的最优线性无偏滤波推广到六维的情况,然后针对融合中心收到的量测数据的类型采用不同维的最优线性无偏滤波。该融合方法不但有效地解决了机载有源无源雷达数据的不同步、不同维给融合带来的困难,还大大提高了融合的精度。通过仿真证明了自适应变维的有源无源数据融合方法的有效性。

目标跟踪的非线性回归方法

讨论目标跟踪数据融合的常用非线性回归模型 ,研究参数估计的初值获取方法 ,求估计值的迭代算法 ,估计值的校准方法 ,估计值方差矩阵的估算方法 .使用本文方法处理目标跟踪数据速度快、精度高 。

卡尔曼滤波算法在多传感器融合技术中的应用

为了进一步提高测量精度,针对多传感器融合技术和非线性系统的连续-离散卡尔曼滤波算法的研究,提出了一种综合卡尔曼滤波和数据融合算法的优点相结合的估计技术和算法。仿真结果表明在使用连续-离散卡尔曼滤波方法估计的基础上,进一步采用加权融合算法,可以降低系统测量量的噪声干扰,并明显改善传感器测量参数的估计精度,其算法也是递推算法,可以满足实际应用中的实时性要求。

航空发动机气路故障诊断技术研究现状

根据当前气路故障诊断技术发展状况,重点分析气路故障诊断中应用的各种方法和特点,如线性模型法、非线性模型法、神经网络法、贝叶斯网络法、信息融合法等,对这些方法做了较为详细的比较,并根据当前气路故障诊断技术研究现状分析未来发展趋势。

基于双联邦UKF算法的组合导航数据融合方法

为了提高组合导航系统数据融合的精度和容错性,提出一种双联邦UKF组合导航数据融合方法。采用双联邦UKF滤波器的算法将JTIDS相对导航技术与成熟的GPS/INS/DVS组合导航技术相结合组成新的双联邦UKF组合导航数据融合算法。联邦UKF算法将UKF算法和分散式滤波技术相结合,精度高容错性好,JTIDS相对导航技术精度高抗干扰能力强。主滤波器1对GPS/INS/DVS组合导航信息进行融合后与JTIDS相对导航信息在主滤波器2中融合,提高了组合导航系统的可靠性和容错性。数值仿真实验表明,该算法性能优于单纯采用联邦GPS/INS组合导航算法是一种理想的组合导航滤波方法。

DR/GPS组合导航非线性自适应信息融合算法研究

针对实际工程中组合导航系统采集数据融合处理问题,建立了系统实测数学模型,提出了基于非线性系统的自适应信息融合算法,将系统未建模部分及高阶项作为噪声项与状态向量进行耦合估计,改善滤波算法对模型误差以及噪声假设的敏感性,通过仿真对比验证算法改进前后的效果,并用于DR/GPS组合导航系统。实验结果表明提出的数据融合算法能够提高系统的精确性,具有一定的实用价值。

超临界机组控制技术及发展

发展超临界机组是提高我国能源利用率现实可行的选择 ,而超临界机组的动态特性复杂 ,其运行稳定性和经济性强烈地依赖于高性能的控制系统。文中在分析了超临界机组控制系统的现状以及难点的基础上 ,重点探讨了非线性控制、容错控制、信息融合等先进控制技术在超临界机组控制中的应用前景 。

一种新颖的CDMA系统下多目标无线定位方法

利用Marginalized粒子滤波算法,处理CDMA(Code Division Multiple Access)系统中多目标无线定位及跟踪问题。在CDMA系统中,由于数据的非线性导致了过大的计算复杂度,并影响到定位的精度。论文主要从CDMA系统中多目标联合检测和建立基于边缘化粒子滤波器的数据融合模型两方面进行研究和分析,解决CDMA中多用户的辨别、定位精度和计算复杂度之间的矛盾。仿真结果证明其方法能够保证多目标定位的精度,并极大地减少计算复杂度。

未知噪声协方差的自适应容积卡尔曼滤波

针对噪声协方差不确定情况下容积卡尔曼滤波解决非线性目标跟踪中存在的问题,提出了一种优化的自适应容积卡尔曼滤波。首先根据新息序列和残差序列导出的线性矩阵方程得到噪声的协方差,基于新息序列与残差序列的相关性,推导出一种新的过程噪声协方差Q估计方法;然后采用残差序列对测量噪声协方差进行估计,利用加权因子将当前的噪声协方差矩阵与估计值组合成为新的测量噪声协方差阵R,有效避免了不准确状态估计的局限性。仿真结果表明:在时变噪声协方差的条件下,所提出的自适应容积卡尔曼算法的跟踪精度明显提高。

基于模拟退火算法的组网雷达系统误差校正

系统误差校正是多传感器数据融合和跟踪系统中的基本问题,传统的解决方法是最小均方估计法或极大似然估计法,其缺点是对噪声比较敏感。文中提出了用非参数化方法解决多传感器数据融合中的系统误差校正问题,具体地讲就是把系统误差校正问题转化为非线性优化问题,然后通过模拟退火算法求解。该方法的优点是不需要事先知道各传感器的系统误差,并且适用于不同类型的传感器。经过仿真可知算法有效且对噪声不敏感,比线性化方法有更高的收敛效率和求解精度。

PCF熔接过程中端面信息定位方法的研究

通过对PCF熔接前的端面图像进行边缘检测和定位,达到识别待熔接PCF类型和校正其位置的目的。首先采用Canny算法进行图像边缘检测,然后采用非线性拟合结合交叉参考的Hough定位方法来精确对准两根待熔pcf的中心轴和包层空气孔。仿真实验结果表明该算法可以获得更小的误差和更高的精确度。

低信噪比下多频段雷达数据高精度相参配准

子带相参配准是多波段雷达数据融合技术首先要解决的问题,它直接关系到多波段数据融合的成败。基于数据相关与基于Prony模型的方法在弱噪声的条件下能取得比较理想的相参配准结果,但在噪声较强的条件下配准误差较大。本文分析了线性相位和固定相位对一维像的影响,在此基础上利用累加一维像的图像熵,提出了依据最小熵准则和非线性最小二乘拟合获得高精度相位参数估计的方法。仿真实验表明,本文所提出的方法在低信噪比条件下的参数估计精度优于现有的方法。

非线性量测数据融合与自校准方法

本文提出一种非线性量测数据融合方法,给出多传感器非线性量测数据融合公式与计算步骤,解决了在非线性量测数据融合时传统的极大似然方法和最小二乘方法需要求解非线性方程(组)的难题;同时提出一种非线性量测数据自校准融合方法,给出量测数据未知系统误差(未知输入)的自识别自校准公式与计算步骤,能够对非线性量测数据中事先无法校准的系统误差进行自动识别、估计、补偿和修正。文中详细讨论了秩采样量测数据融合方法和Sigma点采样量测数据融合方法,秩采样量测数据自校准融合方法和Sigma点采样量测数据自校准融合方法。大量实例计算和仿真模拟验证表明,本文方法不但比传统方法计算简单,便于工程应用,而且能够有效减小误差,显著提高精度。

容积粒子滤波在紧耦合SINS/GPS导航系统中的应用

紧耦合SINS/GPS导航系统的数据融合过程存在高维状态和非线性混合模型,采用常规的线性卡尔曼滤波很难处理;而一般的非线性粒子滤波存在粒子退化和样本枯竭的问题。对此,提出将容积粒子滤波(CPF)算法应用于SINS/GPS组合导航系统。CPF利用容积卡尔曼滤波算法得到粒子滤波(PF)的重要性密度函数,并将最新量测值融入系统状态的转移过程中,由此产生的预测样本接近于系统状态的真实后验概率的样本。仿真结果表明,CPF算法的估计性能明显优于标准PF。

面向大数据图像处理的尺度空间挖掘算法及应用

针对大数据挖掘及融合分析的基础理论问题,提出具体可操作的大数据尺度空间挖掘及融合分析方法.根据无限小的质点型热源在物理空间中的热量扩散规律,推导出大数据非线性尺度空间扩散方程.以各向异性的方向可调小波为热源函数,构建了各向异性的大数据非线性尺度空间;以各向同性高斯核函数为热源构建了各向同性大数据非线性尺度空间,以该空间为核心设计了各向异性特征挖掘算法.实验结果显示以各向异性小波热源空间为核心的挖掘算法可以进行分级差异化检测、特征强化、特征整合并最终锁定稳定特征,以各向同性高斯大数据空间为核心的检测算法可以对数据进行大量泛化特征检测.以光强色调饱和度、主成分分析、加权函数为热源构建了单热源和组合式热源大数据非线性空间,进而设计了融合算法并进行了多种类型的挖掘和融合实验;实验结果显示在清晰度、相关系数、信息熵、标准差、特征点数、稳定特征点数等指标方面,组合式大数据非线性尺度空间优于单热源融合空间及传统方法.综合上述可以得出:大数据非线性尺度空间具有强扩展性、开放性和适应性.