基于脑电和眼动信号的人机交互意图识别

意图识别在人机交互（HCI）领域受到广泛关注,传统人机交互意图识别方法单纯依靠脑电（EEG）或眼动数据,不能很好地利用2种方法优点。为此,提出了一种融合脑电和眼动数据的人机交互意图识别方法,通过采集脑电和眼动信号,进行特征提取,输入机器学习模式识别网络进行意图识别,并基于Dempster-Shafer （D-S）证据理论进行决策层融合得出最终识别结果。招募了20名有效受试者进行交互意图识别实验,结果表明,基于脑电和眼动信号的人机交互意图识别方法识别准确率高于单纯依靠脑电和眼动数据的方法,可为下一步飞行器和武器系统人机交互系统自适应设计提供理论依据和技术支持。     

日地L2点航天器编队的分布式自主相对导航

为了实现航天器编队在日地L2点轨道的高精度相对导航,设计了一种分布式的自主导航方法。首先通过信息交互形成局部的测量构型,每颗卫星只基于邻居间的测量进行状态估计,降低了状态维数和计算量;然后根据相互估计的结果进行信息融合,提升估计的精度。在此基础上,对仿真结果进行了定量分析,给出了影响最终估计误差的主要因素测距精度、测量点间的基线与导航精度间的经验公式。在数值仿真中,所提方法达到了厘米量级定位精度和毫米每秒的测速精度。仿真结果表明：该方法有效,且对工程应用具有一定的参考价值。     

一种混合的扩展目标跟踪方法

与传统的目标跟踪不同,扩展目标跟踪（EOT）不忽略目标的轮廓特征,同时对目标的质心运动学状态和轮廓特征进行估计。基于随机矩阵的扩展目标跟踪方法用随机正定矩阵来描述目标的轮廓特征,并且建立了适合扩展目标跟踪的量测模型。为了改善目标机动时的跟踪性能,根据椭圆（体）与正定矩阵的关系,提出基于椭圆（体）拟合的扩展目标跟踪方法。进一步地,为了综合上述两类方法的优点,提出一种混合的扩展目标跟踪方法,能够根据目标机动与否在两类方法中进行选择。仿真结果表明,该混合方法的轮廓特征估计误差低于前述两类方法,质心运动学状态的估计性能也更好。     

基于多种空间信息的高光谱遥感图像分类方法

在高光谱遥感图像分类方法中,空间特征和光谱特征的融合可以有效地改善分类效果。针对单一空间特征的信息表达不充分问题,提出了一种联合多种空间特征的高光谱图像空谱分类方法。利用超像素信息对分类结果进行后处理去掉椒盐噪声,并创造性地将超像素信息应用于分类前处理,提出了一种利用超像素信息对像素点的特征向量进行线性加权融合的方法。试验结果表明,所提方法的性能优于目前的通常方法。     

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.     

Rapid and robust initialization for monocular visual inertial navigation within multi-state Kalman filter

Sensor-fusion based navigation attracts significant attentions for its robustness and accuracy in various applications. To achieve a versatile and efficient state estimation both indoor and outdoor, this paper presents an improved monocular visual inertial navigation architecture within the Multi-State Constraint Kalman Filter (MSCKF). In addition, to alleviate the initialization demands by appending enough stable poses in MSCKF, a rapid and robust Initialization MSCKF (I-MSCKF) navigation method is proposed in the paper. Based on the trifocal tensor and sigma-point filter, the initialization of the integrated navigation can be accomplished within three consecutive visual frames. Thus, the proposed I-MSCKF method can improve the navigation performance when suffered from shocks at the initial stage. Moreover, the sigma-point filter is applied at initial stage to improve the accuracy for state estimation. The state vector generated at initial stage from the proposed method is consistent with MSCKF, and thus a seamless transition can be achieved between the initialization and the subsequent navigation in I-MSCKF. Finally, the experimental results show that the proposed I-MSCKF method can improve the robustness and accuracy for monocular visual inertial navigations.     

一种带随机时延和丢包的分布式多传感器融合估计方法

研究了分布式采样线性系统的最优信息融合问题。其中,传感器信息通过无线网络发送到中心单元,每个传感器的测量值受随机时延甚至丢包的影响,最优传感器融合设计为一个带有缓冲测量值的时变卡尔曼滤波器。进行了算例仿真与分析,表明了融合估计器的有效性。     

无人机遥感图像融合算法综述

遥感图像拼接融合技术可分为"像素级""特征级""决策级"3个级别;根据各级别特点,无人机遥感图像的融合应采用像素级的融合方法。文章对一些常见的像素级融合方法进行了简要描述,重点介绍了3种经典的图像融合方法,讲述了可以根据哪些指标对一幅图像从主观与客观两方面进行评价;在实验阶段,对3种经典融合方法进行了实验验证与性能分析。     

天基信息港的多源信息融合任务调度研究

在天基信息港上实现多源信息融合,可以将数据的传输与处理集中在星上,减少了数据处理中心接收和分发数据的传输时间,提高了信息获取的时效性。考虑到任务高时效性的需求及天基信息港的资源受限,文章提出了天基信息港的多源信息融合任务调度问题,通过分析多源信息融合任务流程、天基信息港的资源特征,以最小化任务完成时间为优化目标,建立了天基信息港的多源信息融合任务调度模型,并设计了一种多机循环插入（Multi-machine Circular Insertion,MCI）算法对模型求解。仿真结果表明,该算法相比于列表调度算法能够平均减少10.8%的任务完成时间,算法运行时间大约为遗传算法的1/20,表明该算法能够满足天基信息港任务调度的高时效性要求。     

基于云模型和改进D-S证据理论的目标识别决策方法

在目标识别决策系统中,多探测器多源信息融合的模糊性和不确定性以及各探测周期所得信息的冲突互斥会造成目标识别决策不精准。为解决这一问题,提出基于云模型和改进D-S （Dempster-Shafer）证据理论的目标识别决策方法。首先,将目标识别准确性这一语言评价值划分为不同评价区间等级,以不同评价等级标准云为参照将各探测器各探测周期所得信息转化为云决策矩阵,得出各周期各等级隶属度,进而构建出基本概率分配函数（mass函数）;其次,基于证据理论引入冲突度、差异度、离散度3类衡量冲突大小的参数,定义了一种新的证据冲突参数,同时改进证据冲突融合算法,对各探测器各周期证据体进行修正并融合;再次,结合各探测器权重加权得出各目标综合识别决策的mass函数对目标进行决策;最后,结合算例,验证该方法的适用性,并与其他方法相对比验证了本文方法的优越性。