D-S证据理论在多传感器数据融合中的应用

近年来,许多领域都在进行多传感器数据融合技术的研究。多传感器数据的属性融合有很多算法,最常用的算法是贝叶斯决策检验法,国际上已提出将证据理论用于数据融合,但在这方面的理论基础还不完善。本文研究了证据理论在多传感器数据融合中的应用。Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ方法是对Ｂａｙｅｓ决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知及精确反映证据收集过程等方面显示了很大的灵活性。文中阐述了Ｄ－Ｓ证据理论的数学性质,给出了可信度公理及Ｄ－Ｓ综合规则,并进行了计算机仿真实验,实验结果说明这种判决方法非常实用,用于数据融合算法非常有效     

多雷达跟踪网数据融合算法的研究

为了将国外多传感器融合技术引用的雷达网系统中，本文对国外多传感器数据融合技术做了简要叙述，并进行了归纳，分析，作者认为在卡尔曼滤波前，对多个传感器的观测数据进行并行的预处理（融合估计）的算法比其他融合算法要求，为了找到使跟踪精度更高的数据融合算法，本文不仅就参与融合的观测值的数目与跟踪精度的关系进行了仿真比较，而且对几种认为可取的国外算法进行了扩展与改进。最后，将改进后的几种融合算法就其应用于雷达     

低空突防中的多传感器信息融合技术研究

当飞机超低空贴地飞行、航路上多障碍物时,机载传感器容易失效。针对这一情况,本文首先论述了低空突防过程中,机载多传感器系统必须采取的有效信息融合措施;然后对容错控制问题进行了讨论,给出一个多传感器故障检测与隔离算法,使用该算法容易剔除失效的传感器,并将多传感器系统进行重构,降低了失效传感器数据对系统的污染程度;接着给出一个简单实用的分散滤波算法,该算法使得各有效传感器的数据被并行处理,且各局部处理器之间无需数据交换,需存储的数据量较少,提高了系统的实时性,最后的仿真算例说明了这一点     

基于旋转机械故障诊断模糊神经网络多传感器融合(英文)

目前多传感器融合技术能够有效地提高精度和容错能力 ,所以它广泛应用于目标识别领域中。本文描述了一种基于旋转机械故障诊断多传感器融合系统 ,在数据融合处理中利用模糊神经网络 ,比较了采用基于数据融合实验结果和没有融合的原始数据 ,显然前者比后者更精确。     

发动机磨损故障的集成神经网络融合诊断

针对发动机试车过程中的磨损故障诊断问题．本文运用了四种最常用的润滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析，同时结合发动机试车台监测数据，提出运用集成神经网络对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值，将原始数据进行了预处理，统一转换成故障征兆的布尔值；其次，建立各子神经网络的拓扑结构，并依据专家经验建立各子系统的输入征兆与故障论域的映射关系，从而得到各子神经网络的训练样本．对各网络进行成功训练后，利用神经网络实现各子网络的诊断并得到中间诊断结果；然后，通过建立合适的权重矩阵．利用模糊综合决策理论，时集成神经网络的诊断结果进行综合，从而得到最终的融合诊断结果；最后，运用一个算例表明了本文方法的有效性。     

基于神经网络的智能刀具状态检测系统

可靠的在线刀具磨损状态检测是柔性制造系统、计算机集成制造系统以及自动化机床必不可少的一个环节。文中论述了用反传神经网络与一类模糊神经网络分析处理由力传感器和声发射传感器所测得的刀具状态信号,识别出刀具的磨损情况,从而进一步实现刀具磨损状态的在线检测,控制自动机床及时更换刀具。本研究对四种规格的钻头的磨损情况进行了全程检测,并比较分析了反传神经网络与模糊神经网络对这一问题的有效性。实验结果表明,这两种方法对处理刀具磨损状态检测均有显著的效果与很高的准确性。用一类模糊神经网络处理多传感器信息是实现刀具状态在线检测的一个极为有效的方法。     

惯性组合导航系统的融合技术研究

针对惯性组合系统中的多子导航系统，研究了“测量融合”的技术，文中讨论了测量融合的设计思想的方案，以惯性，全球卫星定位系统，无线电测距测向系统，地形辅助导航系统组合导航系统为例，研究了组合导航系统的融合算法，并进行了蒙特·卡洛法仿真计算，结果表明，系统的设计是合理的，为惯性组合导航系统提出了有实用价值的一种融合算法。     

组合导航信息融合滤波的研究(英文)

提出一种组合导航信息融合新方法,该方法能提高容错性能,更好地进行故障检测、隔离和重构.同时,当故障发生时,由于融合了系统信息,它能使重构的系统以更高的精度工作.采用这种滤波器设计了捷联惯导系统、GPS、多普勒雷达三传感器信息容错系统.仿真结果表明, 这种设计方法对陀螺、加速度计、GPS、多普勒雷达的软故障是有效的.     

雷达/红外双模制导系统中目标跟踪信息辨别技术

双模导引头为制导系统提供的目标信息存在很大的不确定性,辨别目标跟踪信息的有效性是双模制导系统中的关键环节.为此本文提出了将描述跟踪目标信息不确定性的模糊推理规则转化为神经网络的方法,解决了常规模糊逻辑推理系统处理导引头跟踪信息耗时长的问题.试验结果表明,该方法能实现对导引头目标跟踪信息的快速、准确判别,故满足了雷达/红外双模制导系统的要求.     

陆地战车的FSINS/DR/北斗双星信息融合技术

针对陆地战车的自主性定位需求,提出了一种新型光纤捷联惯导系统（FSINS）／DR／北斗双星组合导航系统方案,研究了多种子导航系统的测量信息融合技术。提出并介绍了Fiber—SINS／DR／北斗双星组合方案的设计思想与结构组成,讨论了信息融合的具体方法,并且针对融合后的测量信息设计了一种实用卡尔曼滤波器,最后进行了跑车实验。结果表明,组合方案设计合理,能够有效地提高惯导系统的定位精度,同时满足陆地战车的自主性定位要求。     

低空突防用数字地图信息的融合处理

数字地图是自主式ＧＰＳ／ＭＡＰ地形跟踪／地形回避、威胁回避（ＴＦ／ＴＡ＾２）低空突防系统中实时航迹优化的主要信息来源。为简化实时透迹优化算法,减少机载数字地图的存储空间,文中提出了一种把威胁等效为地形的方法,并在此基础上进行了低空突防用数字地图的地形、地物和威胁信息的融合,得到了一种综合地形高程数据。在此综合地形高程数据上,只需采用地形跟踪／地形回避（ＴＦ／ＴＡ）最优航迹算法,便既可实现地形回避,     

各向异性层合阻尼结构的BP集成神经网络模型设计

本文以各向异性层合阻尼结构为研究对象,设计一种基于BP集成神经网络的智能分析模型。该模型中的集成神经网络由两个子系统神经网络并联融合而成,学习算法主要采用Sigmoid函数。同时,该模型设计针对各向异性层合阻尼结构参数的扰动性问题综合采用结构模式归类、学习算法的改进、小波分析方法予以处理。计算结果表明:该BP集成神经网络模型,较好地解决了各向异性层合阻尼结构参数的扰动性问题,并能有效量化结构参数的变化影响。     

A Generic Plug-and-Play Navigation Fusion Strategy for Land Vehicles in GNSS-Denied Environment

Achieving accurate navigation information by integrating multiple sensors is key to the safe operation of land vehicles in global navigation satellite system(GNSS)-denied environment. However,current multi-sensor fusion methods are based on stovepipe architecture,which is optimized with custom fusion strategy for specific sensors. Seeking to develop adaptable navigation that allows rapid integration of any combination of sensors to obtain robust and high-precision navigation solutions in GNSS-denied environment,we propose a generic plug-and-play fusion strategy to estimate land vehicle states. The proposed strategy can handle different sensors in a plug-and-play manner as sensors are abstracted and represented by generic models,which allows rapid reconfiguration whenever a sensor signal is additional or lost during operation. Relative estimations are fused with absolute sensors based on improved factor graph,which includes sensors' error parameters in the non-linear optimization process to conduct sensor online calibration. We evaluate the performance of our approach using a land vehicle equipped with a global positioning system(GPS) receiver as well as inertial measurement unit(IMU),camera,wireless sensor and odometer. GPS is not integrated into the system but treated as ground truth. Results are compared with the most common filtering-based fusion algorithm. It shows that our strategy can process low-quality input sources in a plug-and-play and robust manner and its performance outperforms filtering-based method in GNSS-denied environment.     

基于分布式Kalman滤波和BP神经网络组合的静电陀螺漂移辨识方法

提出一种新的方法,把分布式Kalman滤波(DKF)方法与后向传播神经网络(BPNN)技术相结合,用于静电陀螺漂移的模型辨识.首先,为了消除测量噪声影响,将同一个静电陀螺带有噪声的多次测量数据集映射到一个虚拟的传感器网络中,然后采用具有嵌入式紧致滤波功能的DKF对映射数据进行滤波预处理.在此基础上,将预处理结果转换为用于训练神经网络的输入数据和输出数据,然后采用BPNN辨识静电陀螺漂移.实验表明,该方法可有效用于陀螺漂移的模型辨识.     

航空发动机磨损故障的智能融合诊断

运用了4种最常用的滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析，同时结合发动机试车台监测数据，提出了运用神经网络和D—S证据理论对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值，将原始数据进行了预处理，转换成故障征兆的布尔值；其次，建立了各子神经网络的拓扑结构。并依据专家经验建立各子系统的输入征兆与故障论域的映射关系，由此获得了各子神经网络的训练样本，对各网络成功训练后。利用神经网络实现各子网络的诊断并得到了中间诊断结果；然后，将每种方法的神经网络诊断结果作为各故障模式的基本概率分配值，利用改进的D—S证据理论。实现了对神经网络诊断结果的融合，由此获得了最终的融合诊断结果，最后，通过算例证明了该方法的有效性。     

姿态确定组合系统中多天线GPS的工程实现

设计了一种具有高精度姿态确定性能,高输出率、低耗、快速初始化、通过数据合成而具备坚固性和冗余性的多天线GPS和微机械惯导组合的姿态确定系统。给出了实现该系统的数学方法。该系统在一段时间内没有GPS测量信息也能提供姿态以及其他的导航信息。试验结果表明在200Hz状态下姿态、位置、速度、加速度以及角速率可以达到0.08°/s、1.5m、0.1m/s、0.12m/s2和0.1°/s。     

数据融合的概念,方法及应用

以指挥、控制、通讯和情报（Ｃ＾３Ｉ）系统为背景，引出了当今迅速发展、日益受到各国工作者和国防部门关注与重视的数据融合技术的概念以及近２０年来的发展历程，详细介绍了实现数据融合的系统模型与系统构成，列出了在不同数据抽象级上进行数据融合的三个层次及其目前常用的数据融合方法。本文还就数据融合在军事上的应用作了较深入的讨论，同时指出了Ｃ＾３Ｉ系统的不断发展对数据融合技术提出了更新的要求以及高新技术的发展对     

Track Association for Dynamic Target Tracking System Based on AP Algorithm

Track association of multi-target has been recognized as one of the key technologies in distributed multiple-sensor data fusion system,and its accuracy directly impacts on the performance of the whole tracking system.A multi-sensor data association is proposed based on aftinity propagation(AP)algorithm.The proposed method needs an initial similarity,a distance between any two points,as a parameter,therefore,the similarity matrix is calculated by track position,velocity and azimuth of track data.The approach can automatically obtain the optimal classification of uncertain target based on clustering validity index.Furthermore,the same kind of data are fused based on the variance of measured data and the fusion result can be taken as a new measured data of the target.Finally,the measured data are classified to a certain target based on the nearest neighbor ideas and its characteristics,then filtering and target tracking are conducted.The experimental results show that the proposed method can effectively achieve multi-sensor and multi-target track association.     

灰色优势分析在多雷达低空小目标跟踪中的应用

在多部雷达同时跟踪低空／超低空飞行的机动小目标时，因受低空杂波，电子干扰和雷达自身探测精度等因素影响，易使部分雷达探测的数据不完整，不精确，不可靠，甚至相互矛盾，结果造成融合中心数据处理精度下降，针对这一情况，本文应用灰色系统理论的绝对关联度定义和性质，提出了一种改进的绝对关联度计算方法，并在此基础上将多部雷达经一次融合后的数据作为特征数据进行优势分析，把每时送入融合中心比较差的雷达数据用特征数据替换，再进行二次融合，仿真结构表明，应用改进的绝对关联度对雷达数据进行灰色优势分析和二次融合，可进一步提高雷达系统的跟踪精度和可靠性。     

基于Hopfield神经网络的非线性系统故障估计方法

针对一类故障参数是线性可分的非线性系统,在参数故障情况下提出了一种基于Hopfield递归神经网络的故障估计方法。利用Hopfield递归神经网络的自学习能力和稳定性理论,将故障参数的估计问题转化为Hop-field神经网络的稳定性问题,克服了现有数值方法存在量化误差和算法收敛性等问题。与自适应观测器和等价空间方法等相关故障参数估计方法相比,具有设计简单、易于实现和适用性宽等特点。仿真结果表明,对于常值故障和时变故障,诊断系统均具有较好的估计效果和动态性能。