多源信息融合在空间态势感知领域的应用与发展

在当前复杂多样的航天任务领域中,多源信息融合技术的重要性日益突出。文章以多源信息融合技术为核心,调研分析了其在空间态势感知领域的应用现状与发展前景;概述了多源信息融合的定义、模型和理论研究现状;归纳了空间态势感知的信息源种类和典型传感器;分析了基于多源信息融合的典型空间态势感知系统,包括美国空间监视网(SSN)、"轨道瞭望"(OrbitOutlook)计划、"印记"(Hallmark)计划和欧盟空间监视与跟踪系统(EUSST)等;最后对多源信息融合在空间态势感知领域的发展前景进行了展望。文章研究结果可为中国空间态势感知和多源信息融合技术发展提供参考。     

多传感器信息融合技术综述

信息融合是信息领域一个前景广阔的研究方向。通过多传感器组网可以获得比单一传感器质量更高的信息。从信息融合的定义诠释了信息融合的内涵,指出信息融合的实质是推理与决策。给出集中式、分布式和混合式三种模型结构,比较它们的优缺点。融合层次对多传感器信息融合性能有重要影响,给出三种融合层次的性能对比结果。分析四种流行的融合处理算法,比较它们的性能。最后从技术发展和应用需求出发,对信息融合的发展作进一步展望。     

多传感器信息融合技术

多传感器信息融合可以获得比单一传感器更多的信息，是一种发展趋势。文章从多传感器组网出发，讨论了多传感器信息融合的分类，融合方法，重点研究了分布式多传感器数据融合模型和检测方法，提出了一种基于人工智能的多传感器数据融合专家系统模型。     

多传感器信息融合研究进展与展望

介绍了信息融合定义的新认识、信息融合系统功能模型和结构模型的新发展,并就多传感器信息融合中的分布式检测融合、航迹起始、检测与跟踪的联合优化、主被动传感器系统数据关联、估计融合模型、传感器管理、非线性滤波所采用的数学工具等若干关键技术的新成果与新动向展开了讨论,详细阐述了各项技术的一些有代表性的最新进展及其在多传感器信息融合系统中的应用和发展情况。最后对多传感器信息融合技术的研究动向进行了展望,提出了今后的发展趋势和我们的研究策略。     

多传感器信息融合系统改进型BA模型

随着网络中心战和网络动力学的发展,多传感器信息融合系统的网络动力学特征研究将成为热门课题。本文从网络动力学角度,研究信息融合系统的两个问题。一是研究信息融合系统的无尺度网络特征,首次使用无尺度网络模型作为信息融合系统的构造形式。二是结合信息融合系统的特殊要求对BA模型做了相应的改进,给出一种信息融合系统改进型BA网络模型。该改进型BA模型更符合信息融合的网络动力学特征,其平均距离比BA模型改善10%。     

空间机器人多传感器信息融合

本文讨论了空间机器人的特点和多传感器信息融合技术的必要性.总结了相关的关键技术,包括信息的表示和融合方法,传感器的布置,启用传感器的策略和执行融合过程主计算机体系结构.最后给出了一个智能装配机器人多传感器信息融合实例.     

多传感器分层多级变结构组合导航信息融合方法

基于惯性/卫星(全球卫星定位系统(GPS)/北斗双星)/多普勒/星光组合导航系统,提出了一种用于组合导航系统的多传感器分层多级变结构部分优化故障检测、隔离与系统重构(FDIR)的信息融合模型和算法。给出了模型的构成,并讨论了分层多级融合顺序与部分融合对全局估计的影响及其优化。理论分析和仿真试验结果表明,分层多级部分优化融合模型融合后的综合性能优于联邦滤波基本融合模型。     

基于分散化信息滤波的移动机器人定位

给出分散化信息滤波的最优性证明和保证最优性的条件 ,讨论了分散化信息滤波在故障检测和多传感器融合中的优势 ,提出一种在不影响分散化优势的情况下可以减小通讯量的滤波器结构。最后的仿真例子说明该方法在移动机器人定位应用中的有效性。     

多传感器目标融合识别系统模型研究现状与问题

多传感器信息融合系统是当前国内外军事领域的研究热点以及大型军事信息系统开发的重点 之一。总结归纳了信息融合在目标识别领域的重要意义,指出目前多传感器信息融合系统设 计所面临的问题。从功能模型、结构模型、算法模型三个方面分析了多传感器目标融合识别 系统的研究现状。比较了模型中各典型方法的优缺点与适用领域、最新进展,并论述了各模 型在反导目标识别领域的针对性应用。指出了多传感器信息融合系统的体系设计、系统集成 与性能评估所存在的问题,并对其发展趋势进行了展望。
     

基于因子图的无人机多源组合导航算法研究

为解决无人机飞行器在多源组合导航系统中,不同信息源由于其传输频率不同,信息利用率不高导致定位、测姿精度降低以及传感器数量增多导致计算量增加和信息融合困难的问题,提出了一种基于因子图算法的信息融合方法。以无人机MINS/BDS/磁罗盘/气压高度表组合导航系统为例,构建了因子图信息融合模型。最后,通过车载跑车试验采集导航传感器原始数据进行离线仿真,将因子图融合算法与分散式联邦滤波算法进行误差对比,验证了因子图算法作为无人机信息融合方法的可行性,并且该方法在高度定位以及航向角测姿上展现了更高的精度。因子图算法灵活的扩展能力,为实现无人机定位、测姿的完整性提供了保障,系统的鲁棒性逐步增强,同时为进一步研究无人机全源导航打下了基础。     

模糊传感器与区间型多属性决策的信息融合方法

对于日益复杂的信息环境和变化的目标特性,现有的多传感器信息融合方法大多为"静态的",较少考虑传感器可信度变化以及测量过程中的多维特征指标权重的时效性给融合结果带来的影响.为了解决此问题,提出了一种基于模糊理论与区间型多属性决策的信息融合方法.该方法从各传感器对模糊命题支持度的一致性来定义其信息质最优化度,用区间数与多属性决策理论来定义特征识别综合置信度,并从这两方面客观确定了传感器的融合权重,较好地解决了对传感器信息与目标特征权重为模糊与不确定时的合理评价,以此构建了一个智能优化决策层融合识别模型.最后以弹道目标识别实验证明了此方法有较好的时效性和准确性.     

非线性信息融合估计理论

研究非线性信息的最优融合估计理论,提出了非线性信息的统一决策模型和统一量测模型。基于信息投影权矩阵概念,将多传感量测信息统一映射到被估计量的决策空间,从而统一了线性信息和非线性信息的最优融合估计问题。提出并证明了非线性信息最优融合估计的封闭解析表达式,并给出了两种迭代型非线性最优估计算法。     

反馈式多目标多传感器系统误差融合估计技术

本文对多目标情况下的多传感器系统误差估计问题进行了研究,提出了反馈式多目标多传感器系统误差融合估计算法。算法首先对EX算法进行了修正,无需计算各目标状态估计及其增益伪逆,直接利用各传感器量测数据来构建伪量测,通过滤波获得局部传感器组合系统误差估计;其次,算法通过构建状态空间转移矩阵实现了全局估计到局部组合估计关系描述,并从多目标多传感器两个层面对系统误差估计进行更新,即对多目标信息进行递归融合以有效利用空间分布的多目标信息,对多传感器组合估计信息进行反馈融合获得全局估计。蒙特卡洛仿真结果说明该算法能够进行多传感器系统误差的快速精确融合估计,相比EX算法在实时性与估计精度方面均具有较大的优越性。
     

多传感器信息融合技术与无人机PHM系统

通过分析多传感器数据融合技术故障诊断方法与无人机PHM系统（故障预测与健康管理）的特点,在不改变当前无人机系统硬件组成的情况下,将多传感器信息融合技术运用于无人机PHM系统,实现对无人机系统的实时状态监测、健康评估和故障诊断。     

带反馈分布式不同维传感器状态估计技术

论述了带反馈分布式信息融合系统中传感器观测维数不同时的状态估计方法。在多传感器系统中，目标的测量是在极坐标中获得，而数据处理通常是在直角坐标中完成。由于二维传感器不能获得观测目标的俯仰信息，其估计将会产生一定的动态误差。在分布式的信息融合系统中，各传感器需要将各自的局部估计送到融合中心进行统一处理。如果不适当地减小这种动态误差，必然将导致整个信息融合系统的估计精度下降。针对上述问题，文章讨论了如何利用系统反馈信息，减小二维传感器的局部估计误差，从而提高整个系统的估计精度。最后，给出了算法的仿真分析。仿真结果表明该方法能够有效地减小系统动态误差。     

Bayes分析中多源信息融合的最大熵-矩估计方法

本文提出了一种基于最大熵-矩估计理论的多源验前信息融合方法，简称为MEMM。与现有其它融合方法不同的是，该方法完全从数据本身出发，不仅考虑了各验前信息源的可信度，还考虑了如何尽可能减少分析者的主观影响，得到的是最保守的融合估计结果。文章最后用仿真数据说明了该方法在实际工程中应用的有效性。     

INS/CNS/GNSS组合导航系统信息分析及其滤波器设计

分析了INS/CNS/GNSS组合导航系统信息结构的特殊性 ,指出在此情况下应用联邦滤波器进行状态估计的信息不对等。针对此类情形 ,设计了几种滤波器的结构 ,分析了所设计滤波器的信息构成及信息的分配与融合 ,并尝试提出伪联邦滤波器的概念。本文所讨论的情形及设计的滤波器结构可以推广到一般的同类情形 ,并应用到相似的多传感器信息融合系统中     

信息融合技术在复杂系统可靠性评估中的应用

针对大型复杂系统可靠性评估中所存在的问题，提出了采用信息融合技术解决该问题的思路，给出了可靠性信息融合的融合准则、融合模型及信息融合的数据处理方法，并就其实现形式及其途径进行了探讨。     

多传感器最优信息融合Kalman多步预报器及其应用

提出了一种新的标量加权线性最小方差意义下的多传感器最优信息融合算法。该算法考虑了局部估计误差之间的相关性，只需计算加权标量，避免了加权矩阵的计算，明显减小了计算负担，便于实时应用。基于该融合算法，对被多个传感器观测的离散线性随机系统，给出了具有容错性的多传感器标量加权最优信息融合分布式Kalman多步预报器。它具有两层融合结构，其中第一融合层具有网状并行结构，用来获得每时刻每两个无故障传感器子系统之间的滤波误差互协方差阵；第二融合层用来确定最优标量加权系数，进而获得标量加权最优融合Kalman多步预报器。将其应用于雷达跟踪系统验证了其有效性。     

使用信息矩阵滤波的跟踪融合的性能评估

在多传感器环境下，每个传感器探测多个目标，接着产生相应的跟踪。这些跟踪可能互不相同，经过融合后，传感器生成有关目标的更精确的运动信息和属性信息。目前已有两种方法可以达到上述目的，一种是测量值融合法，一种是状态矢量融合法。众所周知，测量值融合计算法通常最优，但计算费时，而状态矢量融合算法计算省力却是次优。之所以如此，是因为从两个传感器中获得的待融合状态级估值，由于通常存在被跟踪目标的过程噪声，通常并非条件独立。值得注意的是，状态矢量融合已有三种计算法：加权协方差法、信息矩阵法和伪测量法。本文仅限于讨论状态矢量融合中信息矩阵形式的性能评估。利用信息矩阵计算法已经推导出稳态融合协方差的闭式分析解并作为一种性能的度量方法。注意，推导出的结果基于两个传感器同步工作且没有误关联的假设，或是在研究时考虑了融合测量值。并且我们将推导出的结果用蒙特卡罗仿真进行了比较，过去曾有许多作者利用蒙特卡罗仿真来预测融合系统的性能。这些结果有助于更加深入地了解跟踪融合的作用原理，并大大简化了对融合性能的评估。此外，有了这样的解，简化了对各种不同工作条件下设计融合系统的折衷研究。