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     

非线性参数识别的相关积分方法及其应用

使用相关积分方法解决单自由度非线性系统的参数识别问题。利用相关积分方法的滤波特性可以有效地抑制测量信号中的噪声影响，提高参数估计的精度。同时可以分别建立非线性阻尼和刚度参数的线性识别方程．实现两类参数的分离识别，有利于弱非性项的参数估计。将这一方法用于贮箱内液体晃动等效力学模型参数的试验确定问题，解决了由于采用防晃装置而产生的非线性晃动阻尼的参数识别问题。     

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.     

复合导引头目标信息融合抗干扰技术研究

复合导引头由微波制导至红外制导的过程中,受干扰条件的影响,有可能出现错误交班。为了提高导引头应对干扰的能力,设计了一种微波/红外目标信息融合抗干扰方法,该方法利用微波与红外目标信息进行关联度检测,对跟踪微波与红外运动的趋势进行在线实时判断,及时做出干扰误交班判定。在进行了干扰误交班的情况下,MATLAB数字仿真结果表明,该算法能够准确有效地给出干扰误交班判断,从而保证了在干扰环境下对目标跟踪的稳定性。     

基于切比雪夫混沌映射和生物识别的身份认证方案

云计算中访问控制和安全性是两大问题,且与传统的身份认证存在一定区别。利用切比雪夫多项式的半群特性、混沌特性,提出了一种基于切比雪夫混沌映射和生物识别的口令认证密钥协商方案。用户和服务器首先在云服务提供商（CSP）处进行注册,随后无需CSP的参与即可完成认证,建立会话密钥。安全性分析和性能比较表明,方案满足许多安全因素,如双向认证、用户隐私保护、多因素安全、前向安全性,即使CSP的主密钥被泄露,前向安全性也能确保用户会话密钥的机密性;此外,方案还能抵抗中间人攻击、离线口令猜测攻击和仿冒攻击等,并且支持多服务器环境中用户口令和生物特征的高效变更。      

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     

对模态参数识别的整体正交多项式算法的评述

整体正交多项式识别算法利用整体最小二乘方法来辨识结构模态参数,识别精度一般高于普通意义上的正交多项式拟合算法,本文系统的介绍了整体正交多项式识别算法发展过程中出现的三种方法,同时从识别精度、对噪声敏感程度和识别效率三个方面对方法进行详细的比较和评价,并在此基础上进一步指出了方法存在的问题和未来的研究方向。     

基于自适应融合的弹道目标空间位置重构

由于进动锥体目标参数存在耦合,单部雷达不易获取同时参数估计误差较大。针对这一问题,提出了一种联合多部雷达不同视角微动信息进行参数提取与融合的新方法。首先,对进动目标进行了建模和散射点距离像分析,并利用Hough变换实现了锥顶散射点的关联。然后,联立2部雷达的微动信息作为求解单元来对耦合参数进行解耦,求出相应的参数。同时以进动角为例进行了误差方差分析,以融合后误差方差最小为原则对权系数进行了求解,并对其余参数进行了相同的处理。最后,在一个进动周期内,根据求出的锥体顶点坐标和锥旋轴矢量实现了锥体目标空间位置的重构。仿真结果表明该融合方法能够提高参数精度并能对锥体空间位置进行重构。     

语音模式中基于启发式搜取的快速匹配算法

语音模式匹配是语音识别技术的关键步骤之一。本文介绍了如何运用SA算法实现语音模式的快速匹配的思想。SA算法与传统的动态时间弯变(DTW)算法相比较具有计算量大大减少而系统识别率几乎不降的特点。     

基于UKF的FADS/INS融合大气数据估计

针对飞行器在高速飞行时受气流干扰、惯性数据易发散等问题,从传感器数据融合角度出发,提出了通过无迹卡尔曼滤波(UKF)融合嵌入式大气数据观测系统(FADS)和惯性导航系统(INS)估计飞行器实时大气数据的算法。算法使用高维度非线性方程对惯性系统和大气系统间的关系建模,结合FADS与INS的数据,计算飞行器速度和高度,进而估算出攻角、侧滑角等参数。实验结果显示,与INS直接解算、扩展卡尔曼滤波(EKF)融合等原有估计方法相比,文章所述的算法在估计精度和系统稳定性方面均有所提高。