机载多传感器数据融合模型和方法研究

随着多种传感器探测技术的快速发展,数据融合方法的不断被提出和采用。文中提出了一种机载多传感器探测系统结构,并分析了其关键技术,将贝叶斯判别法应用在完成目标估计和判别的数据融合方面。探讨了该方法实现机载多传感器数据融合模型及其可靠性。     

数据融合技术的军事应用

随着战术和战略问题的复杂性化，数据融合技术已经广泛地应用于军事。本文主要介绍了传感器信息获取，以及军用数据融合-决策支持的体系结构。     

多传感器数据融合方法在加力燃烧室试验中的应用研究

在航空发动机加力燃烧室试验中,为实现同一截面真实气流状态参数的多传感器精确测量,提出了1种多传感器数据融合方法。该方法运用格拉布斯准则剔除多传感器测量数据中的无效数据,运用方差自适应加权融合方法对有效数据进行融合计算并获取真实参数,并分别利用算术平均值方法和自适应加权融合方法对试验数据进行处理分析。结果表明:通过多传感器融合方法获取的数据均方差明显优于算术平均值方法获取的方差,具有更高的测试精度和可靠性。     

多传感器数据融合在空间目标跟踪中的基本应用

现代防空系统面临的威胁是不断变化的。航空、航天和电子战技术的发展构成了新的空间作战环境。随着空间进攻战术的发展，为了对空间环境作出更好的判断，需要多传感器组网并采用数据融合技术的防空作战系统。数据融合是多源信息处理的一项新技术，将数据融合技术引入了多传感器目标跟踪系统能提高系统的整体性能，可以使系统发挥最大的潜力。本文首先分析研究了传感器网之间的各种融合方法的特性和共性。在此基础上，研究了融合算法的一个具体应用。     

一种面向复杂体系作战的多源信息融合处理方法

研讨了面向复杂体系化作战的信息融合技术，提出了一种基于中心航迹关联的融合架构，设计了面 向多源异构数据的信息融合处理方法。经过多机飞行场景下的数据仿真测试，能够有效解决多源传感器多目标 环境下目标关联判断问题。     

基于模糊贴近度的多传感器数据融合测量

依据现代测量中多传感器数据融合需求，提出了一种基于模糊贴近度的数据融合新方法，研究了它在测量中的应用过程。测量应用实例验证了其在工程中的可行性，体现了稳定性、可靠性高的传感器在测量数据融合中的“优越性”，运算过程简洁、快速、有效，便于实时测量操作。     

基于数据融合的航空发动机多余度 智能传感器故障诊断

针对航空发动机多余度智能传感器故障诊断问题,提出一种基于数据融合的故障诊断方法。该方法采用改进的模糊C均值聚类算法对多余度传感器信息进行数据融合,将多余度敏感单元测量值划分为合适的几个类,然后根据少数服从多数的原则,选择含有最多敏感单元测量值的类的中心作为融合值,并通过计算各个敏感单元测量值与融合值之间的残差来监控传感器的故障情况。仿真结果表明,得到的融合值具有较高的精度,绝对误差在0.5℃以内,通过判断残差可完成传感器故障自检测与定位。     

加权D—S证据理论在多平台数据融合中的应用

D—s证据理论在多平台、多传感器目标识别中有着广泛的应用。利用多平台协同数据融合系统的优势,解决了单一平台获取目标信息上的不足。对各平台传感器获取信息采用证据加权的方法,以获得较好的传感器可信度基本概率赋值,提高D—S证据理论在多传感器目标识别上的准确性。实验证明了方法的正确性和有效性。     

一种无人机高度传感器信息融合方法

在无人机(UAV)飞行控制系统(FCS)中,针对单一高度传感器测量精度有限,难以满足高精度高度定位需求的问题,提出一种信息融合方法。为了提高定位精度,在机上安装多个传感器测量高度,根据飞行控制系统高度状态方程,充分利用各传感器的测量信息,采用Kalman滤波技术,估计真实高度和大气数据计算机(ADC)的测量偏差,从而进行修正。仿真表明,所得结果的精度高于任何单一传感器的测量精度。因此,该方法有效地提高了系统高度信息获取的准确度。     

基于数据融合技术的多导航传感器性能评价系统研究

试飞是对导航传感器性能进行评价的有效手段.为克服仅采用单一导航传感器作为评价基准的缺陷,提出了基于数据融合技术的多导航传感器性能评价方法及其系统实现.设计的多导航传感器性能评价系统融合了卡尔曼滤波、最优固定区间平滑滤波、最小二乘加权等多导航传感器数据融合算法,在分析上述融合算法特点及使用的基础上,从信息流的角度出发,设计并实现了相应的多导航传感器性能评价系统.给出了评价系统的主要功能模块的设计与实现.还通过仿真数据对评价系统的功能和性能进行了测试,测试结果表明评价系统能准确地实现对导航传感器性能的评价.     

数据融合技术在空气动力学研究中的应用

气动力数据通常通过风洞试验、数值计算和飞行试验三种途径获得,三者各有优缺点,为了得到更加完善准确的气动数据,可采用数据融合技术对不同来源的数据进行深加工和利用。针对数据融合技术在空气动力学中的应用进行讨论和探索,首先介绍了数据融合技术在空气动力学中的应用背景、发展现状及数据融合的基本思想,此后综合提出了建立气动数据融合准则的基本思路和两种具有应用价值的融合算法:基于不确定度的数据融合方法和基于气动力建模的数据融合方法,并给出了部分研究应用结果。最后,文章对气动数据融合技术在气动领域的应用前景进行了展望。研究发现,采用数据融合技术后,可以进一步提高气动数据的完整性和准确性,但由于气动数据融合工作不仅需要进行算法研究,同时还需要工作人员的大量经验,融合结果包含较多的人为因素,因此具体采用何种融合方法要根据具体情况而定。     

基于庞加莱映射的多站数据融合算法

针对目前单目标跟踪数据融合中存在的伪数据问题，研究了基于庞加莱映射的补充条件定位引导算法和多站抗野值数据融合算法，建立了适应实际传感器数量变化的数据融合体系。理论分析和仿真结果均证明，该方法可行有效。     

一种分布式异步航迹融合算法

在多被动传感器目标跟踪中,融合中心处理的信息一般是同步的,然而实际情况并非如此。另外,一些被动传感器只能得到目标的方位信息,无法单独形成有效航迹,这就需要将各传感器数据同步到相同时刻,然后应用同步融合算法。针对被动传感器探测系统,采用传感器到传感器融合和系统到传感器融合的分布式融合结构,并对各局部传感器引入全局反馈,对相关信息采用协方差交叉算法进行处理,完成被动传感器异步数据的融合,仿真结果表明,该算法具有较好的融合效果。     

机载多传感器数据融合技术在空战中的应用

机载多传感器数据融合是一门新兴的信息处理技术,是继电子战之后又一技术制高点。它应用于空战各个环节,极大地提高了空战态势环境了解能力。本文对机载传感器数据融合的基本概念及其在空战中的应用进行介绍,对我国发展数据融合技术提出了建议。     

基于联邦卡尔曼滤波的测量船导航信息处理方法

为了提高航天测量船导航系统提供的位置、姿态及速度的精度,以满足飞行器测控的特殊要求,从信息融合的角度进行分析,针对多传感器信息融合技术在工程中的应用作进一步探讨,提出了基于信息融合技术的组合导航方案,构造了INS／CNS／GPS／DVL组合导航系统滤波体系结构,构建了误差模型,阐述了融合算法。仿真及实测数据证明,设计的联邦滤波器可以充分利用各种冗余信息,提高导航的数据精度。     

多传感器融合状态估计方法综述

随着传感器网络技术的发展，多传感器融合状态估计凭借其鲁棒性、灵活性、可扩展性以及便于故障检测等优点，长期受到国内外学者的广泛关注，并取得了大量研究成果。数据融合的方法为融合状态估计奠定了理论基础，也是早期研究的主要方向，从20世纪70年代到20世纪末，相继发展出了集中式和分散式滤波架构及相应算法。无线通信技术的成熟以及一致性算法的出现使得分布式状态估计的研究进入了快车道，自2005年以来，大量基于一致性的分布式滤波算法被提出，其中不乏实用的经典方法和优秀的开创性方法。旨在梳理多传感器融合状态估计的发展，探究从数据融合到分布式滤波的内在联系，并对一些经典方法进行了总结。     

基于数学模型的气动力数据融合研究

气动力误差来源复杂,气动力真值通常未知,气动力误差传递数学模型的建立非常困难,因此直接将信息融合技术应用于气动力数据融合目前还不可行。迄今为止,未见气动力数据融合的公开报道。本文首次提出了基于数学模型的气动力数据融合准则和方法。首先建立反映气动数据变化规律的数学模型,然后基于气动力数学模型,根据无论计算数据、风洞实验数据、还是飞行试验数据都必须满足气动力变化规律的原则,以气动力数据满足气动力变化规律的程度为依据,建立气动力数据融合准则和融合方法。算例表明,所建立的融合准则和方法是可行的。     

基于证据理论的模糊信息融合及其在目标识别中的应用

信息融合系统中的不确定性信息常常表现为模糊性和随机性信息。提出了一种在证据理论框架下实现模糊信息融合的方法。该方法首先基于随机集理论刻画模糊信息的隶属函数,获得了模糊观测下具有概然特性的似然函数,该似然函数表示在收集的模糊信息下确定为某一目标的可能性,在数值上表示了传感器信息对某一命题支持的程度,利用似然函数确定传感器输出的基本概率指派,最后利用Dempster-Shafer组合规则实现多传感器信息融合。     

多传感器融合目标跟踪

分析了基于成象和雷达两种传感器对目标状态的测量模型及其融合模型。针对两种传感器之间测量信息的不同步问题,给出了一种基于最小二乘法的不同步信息之间的时间配准和融合方法,并设计了跟踪滤波器。     

多传感器信息融合及其新技术研究

信息融合是信息领域一个前景广阔的研究方向。介绍了多传感器信息融合的基本概念和融合原理,比较了信息融合技术的常用方法,并对多传感器信息融合中出现的新技术做了总结分析,最后从技术发展和应用需求出发,对信息融合的发展作了进一步展望。