多传感器最优信息融合Kalman多步预报器及其应用

提出了一种新的标量加权线性最小方差意义下的多传感器最优信息融合算法。该算法考虑了局部估计误差之间的相关性，只需计算加权标量，避免了加权矩阵的计算，明显减小了计算负担，便于实时应用。基于该融合算法，对被多个传感器观测的离散线性随机系统，给出了具有容错性的多传感器标量加权最优信息融合分布式Kalman多步预报器。它具有两层融合结构，其中第一融合层具有网状并行结构，用来获得每时刻每两个无故障传感器子系统之间的滤波误差互协方差阵；第二融合层用来确定最优标量加权系数，进而获得标量加权最优融合Kalman多步预报器。将其应用于雷达跟踪系统验证了其有效性。     

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。     

基于加权融合的复合制导方法研究

精确制导武器在近几次局部战争中显示了超常的作战能力.为了实现高精度制导,多种传感器的综合制导方式已在精确制导武器上广泛运用.如何充分发挥各种传感器的优势进行实时融合制导,是多传感器制导的技术难点.本文着重分析了目前各种制导方式、多传感器制导中存在的不足,讨论了基于先验和专家系统综合评估决策的多种制导方法的加权融合制导方法.给出了一种加权融合算法,该算法是基于某种导弹的仿真实时融合算法.该方法适用所有的制导方式,更适于多传感器融合复合精确制导武器,已在多种类型的地面跟踪测量设备上进行了验证,证实了该方法切实可行.在多种传感器和信息处理方法高度集成的未来,相信会得到更广泛的运用.     

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。     

基于三轴磁强计与雷达高度计的融合导航算法

为了减小近地轨道(小于1000km)地磁导航的估计误差协方差，提高导航的可靠性和准确性，在地磁导航系统中引入雷达高度计作为一个新的测量设备，提出了一种基于三轴磁强计与雷达高度计的融合导航算法。该算法取卫星的位置和速度向量作为状态向量，建立状态方程；取卫星周围的磁场强度和卫星到星下点实际海平面距离求出的地心距，作为观测量建立观测方程；利用扩展卡尔曼滤波构成一种融合导航算法。仿真结果表明，提出的融合导航算法对轨道位置的估计误差小于20米，速度的估计误差小于1米／秒，导航算法的精度和收敛性都优于使用单一地磁导航的系统。     

多传感器加权观测融合自适应UKF滤波器

对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法.该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性.进而利用Sage-Husa估计算法得到自适应UKF滤波算法.该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性.为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器.一个带3传感器非线性系统的仿真例子说明了该算法的有效性.     

使用信息矩阵滤波的跟踪融合的性能评估

在多传感器环境下，每个传感器探测多个目标，接着产生相应的跟踪。这些跟踪可能互不相同，经过融合后，传感器生成有关目标的更精确的运动信息和属性信息。目前已有两种方法可以达到上述目的，一种是测量值融合法，一种是状态矢量融合法。众所周知，测量值融合计算法通常最优，但计算费时，而状态矢量融合算法计算省力却是次优。之所以如此，是因为从两个传感器中获得的待融合状态级估值，由于通常存在被跟踪目标的过程噪声，通常并非条件独立。值得注意的是，状态矢量融合已有三种计算法：加权协方差法、信息矩阵法和伪测量法。本文仅限于讨论状态矢量融合中信息矩阵形式的性能评估。利用信息矩阵计算法已经推导出稳态融合协方差的闭式分析解并作为一种性能的度量方法。注意，推导出的结果基于两个传感器同步工作且没有误关联的假设，或是在研究时考虑了融合测量值。并且我们将推导出的结果用蒙特卡罗仿真进行了比较，过去曾有许多作者利用蒙特卡罗仿真来预测融合系统的性能。这些结果有助于更加深入地了解跟踪融合的作用原理，并大大简化了对融合性能的评估。此外，有了这样的解，简化了对各种不同工作条件下设计融合系统的折衷研究。     

基于UKF的异类传感器集中式融合算法

综合考虑航天器跟踪测量中速度和精度的要求,对异类传感器集中式融合问题进行了研究,提出了基于无迹卡尔曼滤波(UKF,Unscented Kalman Filter)和简化的分类数据压缩技术的非线性系统实时集中式融合算法.仿真表明新的算法融合性能优于基于扩展卡尔曼滤波(EKF,Extended Kalman Filter)和扩维技术的并行集中式融合算法.     

带反馈多传感器分层融合算法性能研究

Chang K.C.于近期研究了两传感器非实时分层融合算法的稳定性能,其研究结果表明全反馈条件下的算法融合性能要劣于部分反馈算法,特别是当过程噪声较大时提高传感器与融合中心的通信频率并不能改善全反馈算法的性能。与上述研究不同,重点考察了融合系统中传感器数目对非实时有反馈分层融合算法性能的影响。研究结果表明:当过程噪声较大时,增加传感器的数目不仅不能改善全反馈算法的性能反而会使性能降低;所得结论进一步推广和发展了Chang K.C.的研究成果,并从另一侧面验证了融合信息的质量比数量更为重要的论断。     

一种异类源信息融合中证据冲突问题的解决方法

进行异类源数据融合时,经常会遇到证据冲突的情况,此时应用经典D-S证据理论进行信息融合,通常会出现有悖常理的现象.提出了一种新的证据合成方法,该方法根据各证据之间的相似度确定证据的权重系数.通过加权的方法进行证据合成,从而有效地解决了证据冲突时的信息融合问题.计算机仿真表明,这种方法是非常有效的.     

基于Contourlet区域对比度的遥感图像融合算法

为综合利用多传感器遥感图像之间的信息，提出了一种基于contourlet变换的遥感图像融合算法。Contourlet是近年发展起来的一种多尺度几何分析工具，比小波变换更适合对图像等二维信号进行处理。算法的思想是将源图像分别进行contourlet变换，在contourlet域完成图像信息的融合，最后通过逆变换得到融合结果。根据分解系数特性，首次提出了contourlet域的区域对比度作为高频子带的融合规则，系数选择更符合人类视觉系统的要求，使得融合图像更有意义。低频子带采用基于区域能量的加权平均作为系数融合规则，在充分保留图像主要信息的前提下进一步增强了算法的稳定性。实验结果表明该算法在性能上明显优于PCA及小波图像融合等传统算法，且能够有效增强源图像的对比度和细节信息。     

基于加权小波变换及MTFC的多光谱影像融合方法

IHS(intensity-hue-saturation)变换是影像融合实际生产中使用最多的一种方法,而小波变换是近几年来影像融合中的热门研究方向。但是现有方法存在纹理畸变和光谱畸变的现象,尤其是当地物光谱特性在全色和多光谱中存在较大差异的时候,融合后光谱畸变将会十分突出。为了解决上述问题,在分析现有小波变换方法的基础上提出了一种基于加权小波变换及调制传递函数补偿(MTFC)的多光谱影像融合方法,通过引入多相位小波变换的方式来抑制小波变换产生的纹理畸变,同时通过引入MTFC的方法来恢复影像融合中丢失的纹理信息。文章选用"高分二号"卫星影像来验证算法的有效性,试验结果表明,与现有的融合方法相比,文章中提出的算法能够很好地抑制影像中的光谱畸变,同时保留更多的有效纹理信息。     

INS／GPS／TERCOM组合制导系统中的信息融合方法研究

提出由坐标变换、误匹配检测和卡尔曼滤波三个单元构成的一种新型INS／GPS／TERCOM系统优化结构，并对INS／GPS／TERCOM组合系统自适应联邦滤波信息融合和分散式信息融合两种算法分别进行了研究，将这两种算法与传统的集中滤波算法进行了比较。结果表明，系统无故障情况下三种方法精度相同；而在有故障情况下自适应联邦融合法优于另两种方法。     

一种适于工程应用的近似MSJPDA算法

为提高复杂数据融合系统中的航迹关联正确率，在ZHOU B的DC和AC算法基础上提出一种新的近似多传感器多目标联合概率数据关联算法，它以一个目标为中心的近似聚为构造关联事件的起点，并在计算中将DC和AC结合得到的一种全部的点迹－航迹关联算法，在杂波下目标密集，航迹复杂的数据融合系统中进行实验，对关联正确率，并联时耗等与最近邻法进行了比较，效果较好，它能为有效提高目标点迹－航迹的关联正确率，在计算时耗上较完全联合概率法少得多，能满足工程中实时性的要求。     

基于联邦UKF算法的月球探测器自主组合导航

研究了月球探测器在地一月转移轨道阶段的自主导航方法，提出了利用地月位置信息和星光角距测量信息实现探测器自主组合导航的方案。针对导航系统的状态方程非线性的特点，将Unscented卡尔曼滤波算法和信息融合技术相结合，设计了新的联邦滤波器并应用于自主导航系统中。对这种导航方案进行了数值仿真，和传统的联邦滤波算法进行了比较。仿真结果表明，所提出的组合导航方法和联邦滤波算法的导航位置估计精度约为1km，速度估计精度约为0．01m／s，并且具有良好的鲁棒性和容错性能。     

推广联合滤波算法在卫星组合定姿系统中的应用

研究了不同模型下的推广联合滤波算法。基于信息融合理论和信息守恒原理，提出信息分配是信息融合的逆过程的观点，给出和证明了信息分配定理，为推广联合滤波算法提供了理论基础。以某卫星组合姿态确定系统为例，详细讨论了推广联合滤波的结构及其实现过程。理论分析和数学仿真结果表明：推广联合滤波算法比现有的联合滤波算法计算量小，且推广联合滤波算法能够同时保证全局最优和局部最优，而现有的联合滤波算法不是局部最优。     

地形匹配相关算法融合处理

针对地形统计模型产生的模拟数字地图，采用地形熵算法、扩展卡尔曼滤波、地形局部线性化等地形匹配系统的相关算法，对由地形雷达测得的面数据和高度表测得的点数据进行融合处理。仿真结果表明，两种数据的结合，可使匹配精度比融合前提高70％以上。     

异步并行的分布式协同进化MDO算法研究

为满足分布式计算机网络环境下多学科并行设计优化协调的要求，研究了分布工协同进化MDO算法的网络异步并行实现，给出了异步并行的分布式同进化MDO算法。对导弹设计的计算实例，与单机上顺序执行的分布式协同进行MDO算法相比，异步并行的分布式协同进化MDO算法可有效缩短运行时间，而二者的收敛性能相当。算法基于CORBA/C 实现，灵活性、容错性好，便于在飞行器一体化设计环境中应用。     

多源遥感图像数据融合技术综述

针对具体实践需要，对现有应用最广泛的卫星遥感图像数据融合算法进行了介绍，描述了其主要步骤，进行了定性分析，给出了图像融合效果评价的准则，指出了遥感图像数据融合的发展方向。     

用不同传感器作航迹融合

分析了用不同传感器作航迹跟踪时的运动矢量融合算法，为了简单起见，假设两个不同的传感器装有不完全相同的两维最佳线性卡尔曼滤波器。文章指出，如何这两条航迹融合的互相关矩阵是正定的，就能改进航迹融合算法的性能。通过与机动目标相关的噪声引入的这种互相关对两种传感器的跟踪滤波器来说是共同的且容易忽视的，本文还以闭合形式导出了稳定状态下的互相关矩阵的表达式，同时获得了互相关矩阵的正定性条件，另外还讨论了正定性