基于联邦滤波的多源融合导航算法

在复杂多变环境下,单一导航源的定位性能和鲁棒性会受到一定的影响。针对汽车、小型飞行器在城市、峡谷、卫星信号缺失或被遮挡以及导航信息源繁多等情况,研究了基于联邦滤波的多源融合导航算法。该算法综合利用了各种不同的信息源,经过多传感器的高度集成、多信息源的数据融合,生成时空基准统一且具有抗干扰、连续、可靠的PNT服务信息。设计的联邦滤波器采用两级结构,在子滤波器中进行局部估计后,在主滤波器中进行最优合成。此外,每个子滤波器加入了故障诊断算法,且结合自适应滤波理论进行信息因子的自适应分配,有效提高了故障检测能力。最后,通过实验验证了不同信息源组合的有效性,表明所设计的基于联邦滤波的多源融合算法可以提供稳定、可靠以及高精度的多源融合定位服务,具有一定的研究意义和实际价值。     

非线性系统中多传感器目标跟踪融合算法研究

主要阐述了在非线性系统中多传感器目标跟踪的融合算法，提出了基于变换测量卡尔曼滤波器（CMKF）的分布式融合算法，从该理论出发，导出了分布式变换测量卡尔曼滤波算法（DCMKFA）几乎能够重视集中式融合估计，仿真结果证明了这一结论，因此，DCMKFA对于非线性系统中的目标跟踪是一个有效的分布式融合算法。     

基于改进的UPF雷达组网数据融合方法

传统粒子滤波方法(PF)中,粒子权值仅参考当前观测值,由于观测随机误差的影响,降低了粒子权值的准确性。本文提出一种新的粒子权值确定方法,利用目标运动方程向后外推目标状态,综合利用外推的目标状态以及历史观测数据,降低了观测随机误差的影响,改进了粒子权值的准确性,从而提高了粒子滤波性能。采用改进的粒子滤波方法处理多雷达测量数据,仿真结果表明,改进的粒子滤波方法可以很好地实现多雷达测量数据的融合处理,提高了目标外弹道定位精度,可以应用在飞行器跟踪测量的数据融合处理中。     

基于运动目标的机载多源传感器数据融合算法

在机载信息融合领域,针对复杂的战场态势环境对机载多源传感器造成的不利影响,提出了一种基于运动目标的机载多源传感器数据融合算法,包括误差估计与补偿、目标关联、估计融合3个部分。采用最小均方误差参数估计方法从数值不变的系统误差中,定量获取量测偏差的确定性部分再通过模糊隶属度函数建立关联矩阵作为目标关联的依据,以最小隶属关系为约束,利用拍卖算法求得多目标关联的最优匹配方案,最后通过IMM 自适应滤波方法,将误差配准与目标航迹估计整合进行,有效提高滤波的精度。仿真结果表明,经过上述算法处理后的融合目标精度高于任意单传感器目标探测精度。     

多传感器数据融合在空间目标跟踪中的基本应用

现代防空系统面临的威胁是不断变化的。航空、航天和电子战技术的发展构成了新的空间作战环境。随着空间进攻战术的发展，为了对空间环境作出更好的判断，需要多传感器组网并采用数据融合技术的防空作战系统。数据融合是多源信息处理的一项新技术，将数据融合技术引入了多传感器目标跟踪系统能提高系统的整体性能，可以使系统发挥最大的潜力。本文首先分析研究了传感器网之间的各种融合方法的特性和共性。在此基础上，研究了融合算法的一个具体应用。     

时空关联多跟踪剔除的多源数据融合方法

随着网络信息共享技术的深入发展,多源异构数据将是未来数据融合的主要信息源,这种数据融合表现出跨平台、跨军种、跨领域等特征,对多源异构数据关联与融合提出了新要求。针对特定场景敏感区域内有限多目标的探测问题,结合一体化作战数据融合的数据滤波、空时配准、航迹关联与建立、多目标跟踪等方面,提出了时空关联多跟踪剔除的数据融合方法,并从数据滤波、航迹关联与融合、时空关联多跟踪剔除以及融合数据“簇”等方面重点研究了所提出的数据融合方法。距离波门拖引干扰和牵引干扰的对抗仿真试验表明,所提方法具有一定应用价值。     

基于联邦滤波结构的INS／GPS组合导航系统数据融合研究

为了研究平台式惯导INS（interial navigation system）和全球定位系统GPS（globe position system）组合导航联邦滤波器的实现,使用速度局部滤波器和位置局部滤波器,分别对INS／GPS组合导航系统的向东速度、向北速度,以及对经度和纬度进行卡尔曼滤波,然后将位置数据和速度数据输入主滤波进行数据融合。以无人机的向东匀速水平飞行为背景,运用联邦卡尔曼滤波器算法,使用matelab进行仿真分析。可以证明联邦滤波器算法简单,易于实现,并且可以提高导航系统精度．实际应用中此方法可行。     

数据融合体系结构的设计

在进行数据融合系统设计时,选择适当的融合体系结构是首要工作。本文首先分析了单传感器系统的不完善性;接着,分析了数据融合的功能模块及其相互之间的关系,指出了集中式/分布式/混合式融合处理结构的优劣,最后,讨论并分析了几种典型的数据融合体系结构。     

基于专家打分的多源可靠性数据融合方法

概述了多源可靠性数据的融合方法,说明了加权法应用于可靠性数据融合的必要性.将层次分析法应用于确定加权融合法中各个数据源的权重,并初步确定了影响可靠性数据源融合权重的因素.引入了合适的不一致性矩阵处理方法,避免了反复打分的繁琐.最后,给出了应用实例.     

基于联邦滤波的SINS/GNSS/OD/高度计多源组合导航算法研究

针对城市情况下车载导航时单一导航源易受干扰的问题,提出了一种基于自适应联邦Kalman滤波的多源组合导航算法.该模型具有两级结构,由子滤波器进行各信息源局部估计后,通过主滤波器进行最优融合估计.融合具有不同工作特点的导航传感器的输出信息组成多源信息组合导航系统,从而提高了导航系统的精度和鲁棒性,且通过故障诊断算法实时检...     

基于加权融合的多信源弹道数据实时野值检测方法

研究多信源弹道数据实时处理中斑点野值的检测问题.通过计算各信源数据的实时精度,给出了具有自适应加权系数的加权融合方法,实现了对目标状态参数较高精度的估计,从而实时、准确、高效地检测各信源数据野值.仿真结果表明,本方法可以快速、有效地检测多信源数据的斑点野值,解决因数据切换带来的台阶跳跃问题.     

基于数据融合的边缘检测新方法研究

基于经典形态学的边缘检测方法虽然具有较好的去噪能力,但其得到的往往是断续的,不完整的边缘信息,不能反映全部的边缘特性.分别利用改进的数学形态学的方法和拉普拉斯算法对图像进行边缘检测,然后将两种方法处理后的图像进行数据融合,实验结果表明,该方法得到的图像边界细腻完整,具有较好的抗噪性.     

一种基于小波的发动机数据融合算法

航空发动机测试中,内部气流工况十分复杂,使用多传感器对同一截面进行测试表征一个面的气流状态,其结果往往有个别点不符合规律。为此,提出一种基于小波分析的解决方案。首先对发动机多传感器测试数据进行小波分频。然后从相似性、能量衰减等多个角度进行分析,指出高频和低频的不同特征,并提出对高频与低频部分使用不同方法进行融合的思路。最后总结出一种适用于航空发动机高空模拟试验数据使用的基于小波的数据融合算法。     

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。     

基于样条约束“EMBET”再入轨道测量数据融合方法

针对再入轨道最小二乘交会解算方法数据利用率低、轨道解算精度差的问题,提出并实现了基于样条约束“EMBET”的再入轨道测量数据融合处理方法.该方法认为再入飞行轨道在时序上是相关的,可以利用三次B样条函数精确表示,建立了关于样条函数参数和测量系统误差的测量模型,从而大量压缩了待估参数数量,准确自校准系统误差,提高了轨道估算的精度和稳定性.     

一种基于模型误差预测的UKF方法

UnscentedKalman滤波器（UKF）对本质非线性系统具有估计精度高、收敛速度快和容易实现等优点,但是对系统的模型误差比较敏感。针对这一问题,提出了一种基于模型误差预测的UKF方法,称为PUKF（PredictiveUnscentedKalmanFilter）。它利用非线性预测滤波器（NPF）的模型误差预测过程,能够对不准确的系统模型进行实时修正,弥补了UKF方法的不足。仿真结果表明,相对于原始的UKF方法,新方法从滤波精度、收敛速度和收敛的稳定性等几个方面,显著提高了非线性滤波的性能。PUKF可适用于模型不确定、非线性较强系统的滤波。