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

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。     

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。     

舰载多传感器/相控阵雷达系统及其数据融合

舰载多传感器 /相控阵雷达系统具有作战空域广、抗干扰性强、全寿命 /成本效费比高和工作可靠等突出优点 ,但技术复杂。其中多传感器数据融合技术是目前和未来舰载相控阵雷达的发展方向。主要论述 2 1世纪舰载多传感器 /相控阵雷达的系统组成、主要性能和功能、多传感器类型、数据融合的选择及其功能水平分级等     

用数据融合来解决雷达目标识别问题

数据融合技术系70年代发展起来的一门新兴学科。现代战争中,随着雷达、红外、激光及光电等传感器的数量日趋增多,数据融合技术正日益得到广泛应用。介绍数据融合技术在雷达目标识别中的应用,并揭示出数据融合系解决雷达目标识别之捷径。     

一种基于Madgwick-EKF融合算法的卫星姿态测量方法

针对低地球轨道卫星姿态测量时,传感器易受噪声干扰、陀螺仪漂移等问题,提出一种基于Madgwick扩展卡尔曼滤波合算法(EKF)的卫星姿态测量方法。该方法采用陀螺仪、加速度计、磁强计等多传感器数据进行融合,并结合Madgwick算法和EKF算法的优点,实现姿态测量。首先,通过Madgwick算法,利用多个传感器测量数据计算初始姿态。然后,基于初始姿态和实际测量数据,应用EKF算法进行数据融合和噪声滤除,以获得最终准确的姿态估计。实验结果表明:相较Madgwick算法,本算法在测量精度上提升了65.8%,且具有较高的鲁棒性,为低地球轨道卫星姿态测量提供了一种有效的方案。     

数据融合在雷达目标识别中的应用

数据融合技术系70年代发展起来的一门新兴学科。现代战争中，随着雷达、红外、激光及光电等传感器的数量日趋增多，数据融合技术正日益得到广泛的应用。迄今已发展成为信息处理领域中的强有力工具，其处理的思想和方法论，可很好地解决雷达目标识别中的瓶颈问题。本文介绍数据融合在雷达目标识别中的应用，并揭示出数据融合系解决雷达目标识别之捷径。     

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。     

多传感器目标跟踪的实时剔野方法

考虑了目标跟踪和航天测控中测量数据的实时剔野问题，测量数据集合中严重偏离大部分数据所呈现趋势的小部分数据点被称为野值点，野值的剔除对提高目标跟踪精度有十分重要的意义，己有的剔野方法从工程应用角度看，存在不适宜成串出现的野值。需要人工干顾、计算量大，不适宜在线快速处理等缺点，多传感器目标跟踪系统可以通过合理利用传感器的互补与冗余信息来能提高系统的目标跟踪性能，本文在多传感器目标跟踪条件下，综合利用多传感器数据形成的对目标状态参数的正确描述和测量数据集合主体的变化趋势，给出了实时、准确、高效地识别测量数据中野值点的方法。仿真结果表明利用多传感器目标跟踪中航迹融合的分布式融合方法，可以快速、有效地解决野值斑点剔除问题。     

数据融合技术在预警机系统中的应用

数据融合技术是20世纪70年代兴起的一门新学科。在预警机系统中,随着各种传感器数量的日益增多,数据融合技术也得到了广泛应用。文章讨论了数据融合技术在现代战场上的重要性,介绍了预警机系统的数据融合部分,分析了数据融合处理的特殊要求和关键问题。这些将对研究数据融合技术在空间预警系统中的应用提供很好的参考价值。     

多传感器数据融合与弹道落点的预报

为了更精确地对弹道落点进行预报，对多传感器数据融合技术进行了,分批人出了雷达、红外系统和光测系统与传感器融合子系统连用的实例，并得出结论：单传感器的精度是难以满足现代战争需要的，寻求一种较好的融合方法来提高落点预报精度虽是一个难题，但仍是可行的。     

协同作战能力多平台网络

据英国《简氏防务周刊》2005年1月25日报道,法国正在研发一种多平台态势感知演示验证系统(TSMPF),该传感器数据融合网络与美海军的协同作战能力(CEC)类似,并将在2006年下半年开始进行技术演示系统的现场测试。法国对多传感器跟踪技术已进行了相关研究,将雷达和红外数据融合为单     

复合制导中多传感器数据融合技术概述

根据信息抽象的层次将复合制导多传感器的数据融合分为检测级、位置级和属性级三个级别，分别介绍了复合制导中这三个级别的数据融合的基本概念、原理和方法。     

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。     

一种模糊多传感器跟踪系统

许多多传感器目标跟踪系统都是在假定数据关联过于复杂、集中式融合办法的计算要求过多而难于实现的情况下提出的。此外还需假设噪声分量相对较小、无漏检，扫描周期相对较短等等。业已证明，在采用这些假设条件生成模拟数据进行测试时，许多多传感器跟踪系统都能有效地工作。然而深入研究了几组实际数据的特点之后，就会发现这些假设并不总有效的。本文首先介绍了一种实际的多传感器跟踪环境的特点，并解释了在这种环境下现有系统不能有效完成任务的原因。然后给出克服这些系统缺陷的种数据融合方法，方法分为3步；（Ⅰ）采用一种自适应学习方法估算同步误差；（Ⅱ）漏检时调整目标的测量位置；（Ⅲ）采用一种基于模糊逻辑的算法预测下一个目标位置。为做出性能评估，我们采用不同的实际数据集和模拟数据集对融合方法进行了测试，结果令人满意。     

多传感器信息融合技术与无人机PHM系统

通过分析多传感器数据融合技术故障诊断方法与无人机PHM系统（故障预测与健康管理）的特点,在不改变当前无人机系统硬件组成的情况下,将多传感器信息融合技术运用于无人机PHM系统,实现对无人机系统的实时状态监测、健康评估和故障诊断。     

一种多制式传感器数据融合算法

针对一有三坐标雷达、两坐标雷达和红外探测器三种传感器的分布式多站多目标跟踪系统，提出了一种多制式传感器数据融合算法。算法以测量间最小距离为关联度，对测量集间的相似程度进行度量，用极大似然法估计目标位置，通过融合方法求得目标三维航迹。在作状态估计时，采用两组非线性卡尔曼滤波切换提高融合精度。     

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。
     

基于多尺度分布式融合估计的GPS/INS组合导航系统的研究

针对如何融合多传感器的数据、提高数据处理的可靠性和精度的问题,将基于模型的动态系统分析方法与基于统计特性的多测度信号变换方法相结合,提出基于Kalman滤波的多尺度分解与估计联合的多尺度分布式融合估计算法.该算法首先建立系统的动态方程和观测方程,再利用小波变换将数据在不同尺度上进行融合处理,归纳出该算法的实现步骤.最后通过组合导航系统的仿真验证算法的有效性,结果进一步证明了该算法能够有效地提高多传感器数据的处理精度.