基于数据压缩的多传感器多假设算法

为解决集中式多传感器系统中多目标跟踪问题,提出了一种新的多传感器多目标算法.提出的算法首先应用经典分配规则对每个传感器送来的观测数据进行排列组合,然后对每个组合中各量测点进行概率加权以获得一个等效量测点,最后根据每个等效量测点产生的互联假设计算其互联概率并获得融合中心的状态估计.给出了该算法与已有集中式多传感器联合概率数据互联算法的仿真比较,仿真结果表明该算法的跟踪性能在探测概率降低的跟踪环境下表现得更为优越.      

基于多传感器天文信息的自主导航算法及可观测性分析

自主导航是未来航天器的发展趋势,利用由太阳敏感器、月球敏感器和红外地球敏感器组成的一体化多传感器天文观测平台,构建了多传感器的天文测量模型,结合航天器动力学模型,分析了自主导航系统的可观测性. 基于UKF滤波算法,建立多传感器自主导航算法,并采用原始测量信息和单点解析定位信息两种模式分别进行了仿真验证. 仿真结果表明,基于原始天文测量信息的自主导航模式,其导航精度要高于单点解析定位数据的自主导航精度,在无系统误差情况下,导航精度约为200m. 采用系统误差估计的自主导航方法后,常值系统误差对导航精度基本不产生影响.      

乏信息多传感器压力数据自助模糊融合估计

乏信息多传感器压力测量数据的融合估计是压力测量研究的重要问题,不同于经典的统计学方法,结合自助法和模糊数学的相关算法,提出一种实现乏信息多传感器压力测量数据融合估计的自助模糊数学模型.对具有乏信息特征的多个压力传感器的测量数据进行自助抽样;利用最大熵算法构建出不同时刻与位置的多个压力传感器测量数据的自助分布;用自助分布进行加权均值计算,提取相应特征值,得到自助融合序列;通过模糊隶属函数得到所测压力值的真值与区间估计.实例计算表明：在乏信息条件下,算法精度可达87%;在大样本条件下,测量数据在置信水平99.7%下,融合估计可靠性可达95%,验证了乏信息自助模糊融合估计算法的有效性.     

基于小波神经网络的多传感器自适应融合算法

针对多传感器融合系统的非线性和不确定性,将小波分析与神经网络相结合,提出一种基于小波神经网络的多传感器自适应融合算法.融合系统包括扩展卡尔曼滤波器、小波神经网络、融合知识库以及航迹融合算法.该算法以分布式融合结构为基础,利用环境信息理论和测量方差归一化方法构建小波神经网络,并且通过数值样本训练小波神经网络,使其在融合过程中实时估计各传感器的信任度,再由融合知识库根据各传感器信任度来选择适合的航迹融合算法,最终得到全局状态估计.实验结果表明,提出的融合算法可以根据环境变化在线自适应融合来自多传感器的测量值,对不确定信息具有很好的融合能力.      

无反馈多级式多传感器组合导航系统

传统的多传感器组合导航系统大都采用集中式、分布式与混合式信息融合方法,而多级式信息融合算法是上述3种算法的发展,可完成高层次空间融合。文章首先研究了基于无反馈信息的多传感器组合导航系统的多级式信息融合算法,然后理论分析证明该算法与无反馈形式的联邦卡尔曼滤波算法等价,最后以SINS/GPS/ SST/高度表多组合导航系统为例,对上述算法及结论进行了仿真与验证。     

网络瞄准中的异步传感器空间配准算法

针对现有异步空间配准算法在目标机动时无法准确估计传感器系统误差的问题,研究了一种基于内插外推时间配准的异步传感器空间配准算法.该算法首先采用内插外推时间配准算法实现两传感器的数据同步,随后根据时间配准结果构建伪量测方程.不同于其他文献根据目标状态向量和时间差求解加权系数,从而构造与目标运动状态无关的伪量测方程的方法,该算法的伪量测方程构建过程与目标状态向量无关,且可以证明由时间配准结果构造的伪量测也与目标状态无关.因此该算法可有效解决目标机动条件下的异步传感器空间配准问题.仿真实验验证了该算法在目标作蛇形机动的条件下仍然可准确地对传感器的系统误差进行估计.     

一种多传感器组合导航系统的改进异步融合算法

针对多传感器组合导航系统中各子导航传感器数据采样率不同且呈有理数倍的这一特殊问题，提出了一种组合导航系统的信息融合算法。首先将多传感器组合导航系统的原始状态方程变换成状态数据块向量与当前状态向量之间的关系，进而构成新的状态方程，而原始量测方程表达为与状态数据块向量之间的关系，进而构成新的量测方程。然后基于具有尺度与小波特性的矩阵算子，给出了改进异步融合算法的具体实现步骤。最后将该算法应用于CNS/GNSS/SINS/高度表多传感器组合导航系统。仿真结果表明，相对于传统算法，位置、速度和姿态精度可分别提高约20%、15%和10%，验证了本算法的高精度特性和可行性。     

ADS与多雷达数据融合中的系统误差配准法

对空中交通管制中自动相关监视(ADS)与现有多雷达监视系统进行数据融合的模型进行了分析,在现有多雷达数据处理(MRDP)系统误差配准方法的基础上设计了一种利用最小平方估计(LSE)准则实现的ADS与雷达的系统误差配准算法,给出了其最优解.利用我国西部航路模拟航路点数据进行了系统仿真,仿真结果的分析表明,通过该方法的配准,ADS和雷达数据融合中的系统误差得到了有效的消除,提高了综合监视精度.     

基于地心坐标系的多传感器动态偏差估计算法

配准是多传感器系统进行数据融合必不可少的处理过程.使用一种新的基于地心地固(ECEF, Earth-Centered Earth-Fixed)坐标系的多传感器配准算法,能对传感器的动态偏差进行估计,同时充分考虑了地球曲率对配准算法本身的影响.首先利用多传感器的局部航迹数据来构造关于传感器偏差的伪测量模型,其噪声满足零均值高斯白噪声特性,协方差信息也易于计算,然后使用序贯卡尔曼滤波算法(SKF, Sequential Kalman Filter)对偏差进行动态估计.当传感器偏差恒定时,算法经过简单修改后依然适用.最后通过仿真试验对新算法的性能进行了评估,结果说明新算法能有效地进行传感器配准.      

基于测量值模糊贴近度时空融合的多传感器融合方法

针对实际多传感器目标跟踪系统中,传感器测量值中的野值对状态估计的不利影响,该算法利用概率源合并理论和非负矩阵特征向量理论,算出k时刻空间上各传感器测量值与其他传感器测量值的综合贴近度,同时将k个时刻的空间上融合的模糊贴近度进行时间融合,以此确定每个传感器的权重。仿真结果表明,该算法有效地抑制了测量野值对测量融合值的不利影响,提高了系统的跟踪准确度。     

高超飞行器的天基多尺度异步平台协同探测方法

本文针对多种不同传感器协同探测信息融合过程中的异步融合与时间延迟问题,提出了一种基于多尺度系统理论的多传感器时间配准融合方法。首先,建立单状态多量测的多尺度系统模型。其次,结合尺度递归状态融合算法和有序加权平均策略(OWA)算法,解决了异类传感器间采样率不同而引起的异步融合问题。然后,对融合中心的信息到达情况进行分析,基于OWA算法通过预测补偿方法完成对传感器延迟信息的处理。最后仿真结果表明本文所提方法可以有效解决多传感器协同探测中的异步融合与时间延迟问题。     

多表冗余惯导数据融合算法及在自对准中的应用

针对多表冗余惯导系统的自对准问题，基于某型三正交两斜置冗余的十表惯导系统，对仪表数据融合算法进行了研究。通过分析和仿真验证了最小二乘估计的数据融合算法在提高系统自对准精度中的有效性，并在静态对准试验的基础上，构造了基于仪表零偏稳定性的加权矩阵。试验结果表明:相较于只使用正交仪表的数据，数据融合可以有效提高系统自对准精度，使斜置冗余仪表的数据得到充分利用，改进算法精度比马尔可夫估计有所提高。      

基于联合滤波器的高精度卫星定姿系统设计

设计了由陀螺、GPS姿态敏感器、红外地平仪和太阳敏感器构成的太阳同步极轨卫星姿态确定系统。提出联邦滤波器结构和算法,推导了各子系统的量测方程和姿态确定系统的误差状态方程。为规避对量测值进行非相关处理,采用减小GPS姿态敏感器输出的姿态滤波值作为系统滤波器量测值的频率的方法。仿真结果表明,采用联邦滤波器对多敏感器卫星姿态确定系统进行信息融合,具有计算量小、精度高、可靠性好等优点。     

深空测角测速组合导航系统时间配准方法研究

深空测角测速组合导航系统通过测角信息与测速信息融合,获取探测器位置、速度等参数,具有连续、自主、实时、高精度的优点。在深空测角测速组合导航系统多源信息融合过程中,要求各敏感器数据必须是统一时间基准。基于天文测角测速组合导航系统基本原理,阐述了在实际系统中,测角敏感器、测速敏感器由于时间基准误差、采样周期不一致、数据传输时延等都会造成时间不同步,而时间误差对位置和速度测量信息会带来很大的影响。本文分析时间误差在深空测角测速组合导航系统位置估计和速度估计中的作用机理,研究基于内插外推方法的时间配准方法,实现了测角敏感器与测速敏感器量测信息的同步。数学仿真结果表明,内插外推时间配准算法可有效抑制时间误差,提高深空测角测速组合导航系统导航精度。     

基于支持度的MEMS陀螺信息融合方法

为了解决微机械电子系统(MEMS, micro electronic mechanical system) 惯性器件测量准确度低、噪声大、长时间单独使用导航误差积累大等缺点,提出了一种MEMS陀螺阵列结构设计,在完成微型惯性测量单元(MIMU, micro inertial measurement unit)的标定后,采用基于支持度的信息融合方法对陀螺阵列输出进行信息融合。试验结果表明：该结构设计和信息融合方法能够有效的提高MIMU的测量准确度,具有一定的工程应用价值。     

车载GPS/DR组合导航系统的数据融合算法

建立了车载GPS/DR(全球定位系统/航位推算)组合导航系统自适应联合Kalman滤波的数学模型,研究了综合运用子系统状态评估、自适应信息分配、误差补偿、迭代扩展Kalman滤波、抗野值干扰、U-D协方差分解滤波等技术来提高精度和可靠性的融合滤波算法;针对滤波发散的问题,引入了一种在线估计观测噪声统计特性的自适应滤波方法.理论分析和半物理仿真结果表明,所设计的算法在精度、可靠性、适应性、实时性等方面效果都很好.