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。     

微流量测量方法及其技术的发展

归纳了近五年来基于MEMS技术的微流量传感器结构及性能参数。根据国际上热门的研究方法推断微流量测量技术可能的发展方向与研究趋势,即集成两种或两种以上的测量方法,实现优势互补,提高测量精度或扩大量程比。最后基于现有的技术基础,提出了融合科氏效应与差压效应的微流量测量方法,阐述了传感器的工作原理与理论基础,并对其可行性进行了分析与论证。     

数据融合在纹理识别中的应用

在室内无线通信模型的优化中,需要区分不同的墙壁对象.而对于室内墙壁的图像可以看作是纹理图像.尝试利用数据融合的方法对这些纹理图像进行识别.实验结果表明,数据融合的方法对相似的纹理图像具有较好的识别效果.     

基于非下采样轮廓波变换的红外和SAR图像融合算法

针对现有红外和合成孔径雷达(Synthetic Aperture Radar,SAR)图像的融合算法融合质量差、边缘轮廓不清晰、效率低下、可视性差,目标检测效率低等问题,提出一种基于非下采样轮廓波变换的融合算法。首先采用非下采样轮廓波变换对预处理的红外和SAR图像进行分解,获得各自低频和带通方向图像,接着根据红外和SAR图像的特征选取其含重要目标信息的频带进行低频图像和带通方向图像融合。为了检验本文所提出算法性能的优越性,采用两组红外和SAR图像进行融合实验,与其他图像融合算法进行对比,并对融合图像进行目标检测,证明了该融合算法能有效提高多源图像目标检测率。     

利用偏振图像加权融合及CLAHE算法的水下成像方法

针对传统基于偏振差分原理的水下光学成像方法中目标退偏振特性差异引起的图像中局部反射光损失的问题,本文提出了基于偏振图像加权融合与限制对比度自适应直方图均衡（Contrast Limited Adaptive Histogram Equalization, CLAHE）算法的水下成像方法。一方面,将原始水下图像分解为偏振光强图像和非偏振光强图像,根据不同退偏振特性目标在两幅图像中的灰度值分布特点,设计相应的权重因子,对两幅图像进行加权融合。从而实现在压缩原始水下图像中散射光的同时,保留更多目标反射光,提升整体目标反射光在融合图像中所占的比例。另一方面,为了进一步提升融合图像的对比度,利用限制对比度自适应直方图均衡算法对融合图像进行处理。该算法能够在提升融合图像对比度的同时,有效避免图像噪声的放大。实验结果表明,相比于传统的偏振差分方法以及独立的直方图均衡化算法,本文提出的算法能够有效提升水下图像的清晰度和对比度。     

基于雷达组网的抗无人机新技术研究

介绍了无人机的概念和基本特性;主要讨论了雷达组网和数据融合的基本原理及其如何实现对敌无人机等弱小目标的检测与跟踪,在此基础上引入了检测跟踪的新方法,有效弥补了单机雷达的不足,便于防空决策的后续处理.     

基于BP网络信息融合技术的电路板故障诊断

对基于BP神经网络的信息融合故障诊断技术进行了研究,将信息融合技术应用到某型反舰导弹俯仰综合放大器电路板的故障诊断中,并利用改进的BP神经网络进行数据融合,得到了较为理想的结果.研究表明,该方法能够较好地解决电路板元件故障诊断的不确定性问题.     

基于纵向滤波的星敏感器低频误差在线估计

多敏感器数据融合是获得更高精度姿态测量的有效方法,敏感器数据融合前必须先修正低频误差。首先,介绍了星敏感器低频误差（LFE）的产生机理及对其在线估计的必要性。其次,针对传统算法的不足,提出了基于纵向滤波的低频误差在线估计算法,该算法将传统低频误差估计问题转化为若干个常值误差估计问题,提高了估计精度。最后,给出了该算法具体实施方式,说明相关参数物理意义及选取原则。通过理论分析及仿真,算法误差可忽略不计。通过在轨数据仿真,星敏感器轨道周期低频误差可被消除。     

基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。     

多机构比对融合的分布式InSAR编队星间基线确定

星间基线高精度确定是分布式干涉合成孔径雷达（InSAR）系统完成科学任务的重要保证,受星载全球定位系统（GPS）接收机连续跟踪弧段短、个别弧段共视GPS卫星个数少或模糊度固定成功率低、频繁轨道机动等因素影响,分布式InSAR高精度基线确定仍有不可靠的风险。通过多机构产品互比来识别基线精度较差的时间段,降低不可靠风险,并通过多机构产品融合进一步提高基线精度。选用重力反演与气候实验（GRACE）卫星数据进行实验,国防科技大学（NDT）和西安测绘研究所（CHS）采用不同的基线处理软件和简化动力学策略,保证了各自的基线产品具有一定的独立性。实验表明,多机构互比对可以有效识别基线精度较差的时间段,NDT和CHS的基线产品之间具有很好的一致性,互比对残差的均方根（RMS）在R、T、N方向分别为0.7、0.9、0.7 mm,二者之间没发现明显系统偏差,大约97.86%的基线三维互比对残差量级在2 mm以内。两个机构基线产品融合后发现可进一步降低基线产品中的随机波动误差,K/Ka波段测距（KBR）系统校核结果表明融合基线产品精度较NDT基线产品提高8.97%,较CHS基线产品提高29.21%。