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。     

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.     

多源图像融合技术的发展与军事应用研究

多源图像融合能根据各波段传感器获得信息的互补性和冗余性,综合多个传感器的信息,获取对同一目标或场景全面而详尽的表述,从而得出更为准确、可靠的结论.首先分析了多源图像融合的主要研究内容,进而探讨了发展现状和存在的问题,在此基础上,总结了图像融合中常用的传感器和应用方向.     

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。     

基于模糊信息的信息融合及决策

在各传感器或信息源给出模糊信息的情况下,研究了多传感器(或信息源)的信息融合及决策问题。首先,给出了单个传感器的时间域信息积累更新模型,然后给出了四类传感器(或信息源)的空间融合模型,最后,在各传感器信息融合基础上,研究了给出效用函数情况下的贝叶斯最优决策。     

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。
     

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。
     

数据融合黑板型专家系统

给出了一种多传感器数据融合和黑板模型推理的专家系统的实现方法。系统以飞机平台为目标，利用多站多个传感器所获得的雷达、通信、敌我识别信息，通过多传感器数据融合和人工智能黑板模型推理，实现对飞机平台的识别和定位。     

多传感器目标识别的优化融合

对于工作在复杂环境下的多传感器目标识别系统,确保其稳健性和准确性的关键是有效处理被融合信息的不确定性。根据影响信息不确定性的因素,文章把传感器本地识别信息的可信度分为了统计可信度和环境可信度;采用最小二乘法和神经网络实现统计可信度的估计,自适应神经模糊推理实现环境可信度估计;并利用这两种可信度实现以一致理论为基础的多传感器目标识别的优化融合。经实验仿真证明,该融合方案是有效的。     

反导多传感器协同任务规划综述

针对反导作战多传感器协同任务规划的相关问题,结合反导作战的特点,探讨反导作战信息处理过程与多传感器协同任务规划的关系,并分析多传感器协同任务规划的内涵;在此基础上,梳理出多传感器协同任务规划涉及的关键技术,并综述多源信息综合处理、多传感器协同部署、协同跟踪、协同引导和协同识别等关键技术的研究现状;最后就多传感器协同任务规划的发展提出一些建议。     

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。     

反舰导弹末制导多尺度多传感器数据融合方法

提出了一种实用有效的反舰导弹末制导多尺度多传感器数据融合方法。该方法可充分地利用捷联惯导和双星系统信息,对雷达导引头的测量信号进行有效的校正补偿,同时又可根据系统对校正算法实时性与精度的要求,通过合理地调整滤波算法节点数来满足系统的设计要求,从而大大地提高反舰导弹末制导的导引精度。该方法的有效性在某型超音速反舰导弹末制导信号校正仿真中得到验证。     

基于神经元的容错组合导航系统设计

本文讨论了容错组合导航系统中的多传感器信息融合问题，提出了一种用于多传感器组合导航系统信息融合的神经元方法。通过仿真实验，验证了这种方法的可行性，并分析了该研究领域所存在的问题，提出了可能解决的技术途径，并预测了未来的发展趋势。     

多传感器融合技术在导弹武器抗干扰中的作用

介绍了目前国内外多传感器技术的应用情况和发展趋势 ,提出了在导弹武器系统中应用多传感器融合探测技术的重要性 ,特别强调了该技术对提高导弹武器系统抗干扰性能的作用。指出了实现多传感器探测必须解决的几项关键技术。     

利用分步Kalman滤波器的自主定轨信息融合算法

将星敏感器/红外地平仪的天文定轨信息与星间观测进行信息融合是消除基于星间链路自主定轨中星座整体旋转问题的有效途径。针对两种定轨方法精度相差较大导致融合效果较差的问题,提出了一种分步 Kalman 滤波算法。该算法利用星敏感器观测信息能够有效修正旋转参数的特点,将星敏感器观测信息和星间观测信息进行分步处理和最优信息融合以消除自主定轨算法中存在的星座整体旋转误差,提高定轨精度。通过对Walker星座的仿真表明,利用提出的分步Kalman滤波信息融合算法,星座自主定轨60天后星座URE误差能够稳定在 1.5米 以内,且能有效消除星座整体旋转误差。     

多传感器组合导航系统分层融合算法

从信息融合角度来看，目前在组合导航系统中广泛应用的联合滤波算法居于两级式分布式融合结构。而分层融合结构作为多传感器信息融合的另一种重要的模式，在组合导航系统中应用尚未见报道。本文研究了多传感器组合导航系统的分层融合算法，重点与联合滤波算法进行了比较。以定理的形式证明了在一定条件下分层融合算法与联合滤波算法的等价性问题。进而提出了分层融合算法的部分反馈模式。仿真结果表明，部分反馈模式的有序分层融合算法可有效地应用于多传感器组合导航系统。在相同的容错能力和计算复杂性下，可以得到优于联合滤波的导航信息融合结果。     

两传感器最优信息融合Kalman滤波器及其在跟踪系统中的应用

针对两传感器信息融合，提出了一种在标量加权下的最优信息融合Kalman滤波器。该信息融合滤波器考虑了局部滤波误差的相关性，避免了局部滤波误差方差阵的逆短阵的计算，也避免了加权短阵的计算，只要求计算加权系数，便于实时应用。一个跟踪系统的仿真例子验证了其有效性。