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。     

多传感器数据融合的权值因子确定

对多传感器位置级的数据融合,从静态单传感器的特点入手,建立可靠的数据评价函数,引入到动态多传感器系统中,以多传感器测量数据的算术平均值或滤波对目标的状态估计值作为评价参考,从而量化对测量数据的评价,进而确定加权因子,得到融合值。从仿真结果来看,当评价函数确立合理、参考点选用得当时,融合数据能够很好地剔除假数据,减小偏差大的测量值的影响,在采用不够准确的参考点时,使用评价函数确定加权因子得到的融合数据仍能够优于算术平均值方法得到的数据。     

综合航电设备多传感器多级数据融合的敌我属性估计

介绍了C^4 ISR系统中多传感器数据融合的特点和一种空战融合模式,结合实例说明了多传感器各自对目标信息的测量结果进行融合处理,推导了单传感器和多传感器未知命题的周期融合的可信度分配,并根据概率分布函数求出我机和敌机的置信度和拟信度,进行了验证和分析。分析表明,多传感器数据融合可以较全面准确地识别空中目标,达到对目标属性的准确估计。     

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。     

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.     

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。     

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。     

一种基于灰色预测理论和抗差自适应Kalman滤波的滑坡监测算法

针对当前的山体滑坡监测技术监测精度低、实时性差、自动化程度低的问题，提出了一种基于灰色预测理论和抗差自适应Kalman滤波的滑坡监测技术。该技术使用抗差自适应Kalman滤波技术,对包括实时动态(RTK）载波相位差分定位数据、无人机摄影测量数据、土工带传感器数据在内的多源数据进行融合分析，将滑坡形变监测精度提高到了mm级。RTK技术和土工带传感器的使用克服了天气状况、植被覆盖对滑坡监测的影响。使用灰色预测理论对山体滑坡监测点进行形变预测，结合蠕变切线角判据，该技术实现了对山体滑坡预警等级的划分。仿真实验结果显示，该山体滑坡监测技术能够成功实现山体滑坡预测预警功能。     

多传感器对编队目标无源定位的数据关联技术研究

针对多传感器对编队目标进行测向交叉定位会产生大量虚假点的问题,提出了一种属性方位联合数据关联方法.采用基于支持度的关联算法对传感器探测到的目标属性数据进行初步关联,剔除部分虚假交点.然后利用改进的基准线最小距离法从候选集合中找出目标的真实测量数据关联集合.仿真结果表明,相对传统的方位数据关联方法,该方法不仅可以快速剔除虚假点,而且能够显著提高关联正确率.     

柔性测量方法及其发展趋势

柔性测量可以结合多种测量方法的优点,形成优势互补以满足现代测量领域精确高效的测量需求,柔性测量系统具有高度灵活性和适应性的特点.阐述了目前三维测量技术的发展现状,基于多传感器集成测量方法的分析,提出了柔性测量的概念和关键技术,然后根据实际应用对目前典型的柔性测量系统进行归纳和分类,最后针对柔性测量系统中存在的问题对其发展趋势进行了预测.     

多传感器多模型多尺度组合导航系统算法

多传感器组合导航系统是组合导航发展的方向之一。针对复杂环境,多模型自适应算法可以较好地解决模型及参数不确定的问题;而多尺度融合算法将基于模型的动态系统分析与具有统计特性的多尺度信号变换方法相结合,可有效提高系统的滤波精度。为此,文章将多模型估计与多尺度滤波算法相结合构成多模型多尺度滤波算法,该算法用于多组合导航系统后,经仿真验证,相对于多模型或单模型多尺度滤波算法,系统的滤波精度明显提高。     

基于可观测度分析和增量因子图的多源融合导航方法

复杂动态场景下高精度导航定位是自主无人系统决策规划与控制执行的基础。在城市峡谷、隧道、地下或室内停车场等场景下，卫星信号弱甚至丢失，严重影响了惯性/卫星/视觉等多源融合导航的精度和可靠性。为主动适应动态场景变化，迫切需要设计一种适用于跨场景的多源融合导航系统。基于动态时变系统的可观测度分析，在线度量惯性/卫星、惯性/视觉等组合导航因子的可信程度，进而采用因子图融合导航框架，根据各组合导航因子的可信程度，主动优化因子构建和增量平滑过程，以实现多传感器自适应融合导航与可靠定位。实验仿真表明：基于可观测度分析方法，能够在线优化因子图计算过程，提升了多源融合导航系统的环境适应性和跨场景能力，保证了复杂动态场景下自主无人系统跨场景导航模式切换和连续可靠的导航定位。     

移动工业机器人在飞机装配生产线中的应用研究

在总结移动工业机器人在飞机装配生产线等航空制造场景典型应用的基础上,重点分析了移动工业机器人多传感器融合的同步定位和建图、移动机器人导航控制、机械臂精度控制和数字化测量等关键技术,并对未来航空领域移动机器人的人机协作、多传感器数据融合、智能规划与决策、数字孪生体系等发展趋势进行了阐述。     

多传感器协同探测证据理论分类融合方法

随着智能化、网络化集群作战等理念和技术的兴起，精确制导武器越来越向智能化、协同化方向发展。多传感器协同探测能够针对不同的探测任务背景和作战需求，提升目标探测性能，还可以跨域整合多种探测平台。但是由于信息的不确定性等特点，使得多传感器数据直接融合可能造成决策困难。因此，在证据理论体系下对信息融合的有效性进行合理分析与度量是很有必要的。提出了一种基于Deng熵的证据理论分类融合算法，以熵减为主要思想，将证据进行分类融合。在决策过程中，将含有证据数最多的类别融合结果作为总体融合结果，避免高冲突证据的影响，提升融合结果的信息有效性。采用算例说明了所提方法不仅能够得到合理正确的结果，并且融合可靠性较高，便于决策与后续的信息处理。     

智能化多传感器管理系统的设计和仿真

根据机载多传感器管理需求,提出了基于机载多传感器数据融合技术的智能化多传感器管理系统体系结构,并阐述了该系统的功能、系统设计原则和方法。采用商用货价产品技术(COTS)构建原型仿真平台,对提出的多传感器管理系统体系结构进行原型仿真,验证了该设计的有效性。     

基于边缘相似性的异源图像匹配

异源图像匹配是视觉导航、多源图像融合分析的关键步骤之一。对于成像机理差别较大的异源图像,如SAR图像和可见光图像,采用传统的异源图像匹配算法难以得到满意结果。本文提出一种基于边缘相似性的异源图像匹配方法,首先分别提取待匹配图像的边缘特征点集;然后计算基准图的边缘距离场;最后基于边缘相似性模型,通过实时图边缘图和基准图边缘距离场计算边缘相似度,寻找相似度最大的变换参数即为最终匹配参数。采用SAR与可见光图对方法进行了测试,结果表明,这种方法能够快速可靠地实现异源图像匹配。     

惯性/视觉/激光雷达SLAM技术综述CSCD

同时定位与建图(SLAM)技术已广泛应用于各类自主移动平台中,其中视觉SLAM和激光雷达SLAM是两种主要的SLAM技术方案。然而,视觉SLAM系统易受视觉环境变化的影响,而激光雷达SLAM系统则在结构单一等环境中会出现精度退化甚至失效的情况。随着智能移动平台应用场景的不断拓展,对SLAM系统的精度和鲁棒性等提出了更高要求,将多种具有互补性的传感器进行融合是提升SLAM系统性能的有效途径。据此,聚焦惯性/视觉/激光雷达多传感器融合SLAM技术,从多传感器标定和多源数据融合两个主要方面进行综述,最后对多传感器融合SLAM技术的发展趋势进行了展望。     

基于中值滤波和小波变换的混合滤波方法在推进剂监测中的应用

目前,监测传感器传出信号中混有很多噪声,为提高信号可信度,需要一种有效的信号处理方法。文章基于Matlab仿真环境,完成了信号仿真和滤波算法的设计,重点对单传感器仿真信号的去噪和多传感器信息融合进行了研究,提出了基于中值滤波和小波阈值滤波的混合滤波方案和基于Kalman滤波的信号融合方案。研究工作有:基于高斯白噪声和脉冲噪声的数学特性,合理假设出5种基本信号形式;依据实际数据,完成单传感器和多传感器信号仿真,确定信噪比和均方根误差作为去噪评定指标;综合分析现有的滤波算法的滤波特性,利用不同长度滑动窗口的中值滤波处理实验信号,选取合适长度的滑动窗口。设置对比实验确定小波阈值滤波中的小波基函数选取、阈值计算和分解尺度等参数;融合中值滤波和小波阈值滤波优势,设计混合滤波方案,去除单传感器仿真信号中的噪声;研究信息融合理论在泄漏监测系统中的应用,设置不同融合方式下的对比实验,确立最佳融合方式下的Kalman滤波方案,实现多传感器信息融合。