一种多数据融合算法

针对证据理论在数据融合中存在的局限性,提出了一种新的算法,通过实例分析了这种算法的优点,最后指出了该算法存在的不足.     

多传感器分布式检测和估计融合

随着科学和工业的发展,信息科学领域涌现出许多应用数学科学问题,这些问题的研究拓宽和加速了基础数学理论的研究.另一方面,基础数学理论的进展以及在信息科学领域的成功应用也促使了工业领域的蓬勃发展.数学与其他学科的相互渗透已成为当今应用数学的主要特点之一,如在2010年ICM(国际数学家大会)上有2个分别关于控制和图像科学的1小时大会报告、7个关于"Mathematical Aspects of Computer Science"的特邀报告和8个关于"Mathematics in Science and Technology"的特邀报告.多源信息融合是数学和信息科学结合的一个重要研究方向.本文主要考虑其中两类基本问题:多传感器检测融合和估计融合,主要创新点包括:(1)对一般传感器观测相关条件下的多传感器分布式检测融合系统,获得同时搜索最优传感器律和最优融合律的高效算法;(2)对失序观测、错误观测和异步观测多传感器分布式估计融合系统,给出统一的全航迹(不仅仅校正当前状态估计)全局最优估计融合公式和算法;(3)对有偏不确定系统估计融合提出极小化Euclid误差准则,并基于多传感器和多算法估计融合获得极小化Euclid误差的抗偏估计高效算法.     

多传感器数据融合的数学方法

本文以置信距离测度作为数据融合的融合度,利用置信距离矩阵、关系矩阵寻找多传感器的最佳融合数,并通过极值原理及极大似然法求得最优融合数据。     

组网雷达系统中的数据融合

将数据融合技术应用于组网雷达系统的目标状态融合,研究多种条件下的融合算法,逐一建立组网雷达测量设备的精度已知和精度未知的线性模型,以及非线性融合模型,分别给出这些模型的理论分析结论和算法流程。分析过程表明理论推导的严谨性,仿真计算结果说明算法是实用的。     

一种数据融合算法的初步提出

本文针对证据理论在数据融合中存在的局限性 ,提出了一种新的算法 ,该算法能有效地克服了证据理论在证据完全对立情况下算法失效的缺陷 ,最后指出了该算法存在的不足 .     

短样本多指标动态经济数据变点的一种识别方法

本文研究了多指标动态经济数据的变点问题,使用多元分析的方法,给出了在样本长度较短情况下识别变点的一种方法,并用这种方法分析了国民经济统计中的一个实际例子。     

多指标面板数据融合聚类分析

针对多指标面板数据的样品分类和历史时期划分问题,从多元统计分析理论角度提出一个多指标面板数据的融合聚类分析方法。该方法改进了多指标面板数据的因子分析和系统聚类方法,依据Fisher有序聚类理论,构造了Frobenius范数形式的离差平方和函数,提出了多指标面板数据的有序聚类方法。实证结果表明,该方法能够满足系统分析的统一性要求,保证指标之间的不相关;能够克服时间维度上均值处理造成的偏误,信息损失较少;能够解决面板数据有序聚类的问题;弥补了单一分析的片面性和局限性。     

带衰减观测和随机传感器偏差的多传感器AR信号融合辨识与估计

研究了带衰减观测和随机传感器偏差的多传感器AR信号融合辨识与估计问题.首先,将AR模型转换为状态空间模型,将状态和传感器偏差进行增广得到一个等价的状态空间模型,给出了当系统模型精确已知下的最优滤波算法.然后,当AR信号参数、衰减观测随机变量的数学期望和方差未知时,提出了两段辨识算法.第一段采用递推增广最小二乘法(RELS)得到AR信号参数的局部估值,并利用按矩阵加权线性无偏最小方差最优估计准则得到AR信号参数的融合估值.第二段利用相关函数得到虚拟观测噪声方差、衰减观测随机变量的数学期望和方差的估值.最后,将每时刻辨识的未知参数代入最优滤波算法中,获得分布式加权自校正融合滤波算法.分析了算法的收敛性.仿真验证了算法的有效性.     

多传感器数据融合与航迹预测

多传感器数据融合技术是未来军事电子领域一个重要趋势.根据6个观测雷达的观测数据进行了数据融合算法的研究.在提取目标航迹对时,对每个雷达的数据依据一定的判定条件(时间变化,角度变化在一定范围内等),分别提取出不同的目标航迹对.在提取同一目标的航迹对时,先将目标航迹的一些异常点弃除,然后把时间重合的两段航迹提取出来,通过样条插值进行时间配准,共提取出多条相关的航迹组有3组.在使用雷达探测目标时,由于技术条件和方法等的限制,使雷达数据存在各种误差.利用卡尔曼滤波自适应算法估计出观测位置的噪声方差,对雷达偏差进行修正后,采用联合卡尔曼滤波算法对多条航迹进行融合,接着利用ARMA模型预测目标在未来10秒内的轨迹,最后,对目标在被锁定后的轨迹做出预测,结合导弹的爆炸范围求得导弹击中飞机的概率约为49.54%.     

基于单传感器多模型的多分辨目标跟踪融合算法

Multiresolutional signal processing has been employed in image processing and computer vision to achieve improved performance that cannot be achieved using conventional signal processing techniques at only one resolution level[1,2,5,6]. In this paper,we have associated the thought of multiresolutional analysis with traditional Kalman filtering and proposed A new fusion algorithm based on singular Sensor and Multipale Models for maneuvering target tracking.     

多雷达系统数据融合与航迹预测

为了便于准确定位传感器网络,分布式的单雷达系统首先进行各自的数据处理,包括:地理坐标换算至平面直角坐标;剔除孤立的异常点迹;采用模糊c-均值聚类方法和"动态分区",将单雷达数据中属于同目标的相似点迹归类集合;根据雷达观测和目标运动的特征,在每个点迹集合中设计门限滤波和相关矩阵检验,提取完整连续的目标运动的航迹;结合各航迹特征进行种类分析.接下来对属于不同雷达的航迹两两比较,找出有相交时间段的航迹,采用三次样条对两条航迹的进行内插和外推,再通过模糊综合函数对这两条航迹给出一个相似性度量,并取阈值为0.85.最后得出雷达间各航迹匹配关系.通过该雷达所观测到的航迹的稳定程度来近似估计其观察精度.首先对每一条航迹进行分段拟合得到其剩余方差,然后直接用每一条航迹的剩余方差来衡量雷达的观察精度,最后我们得出雷达的精度排序29107728,7724253720252539.对航迹融合,我们首先采用D-S证据理论并利用分析得到的雷达精度,对表示同一目标的航迹对进行融合.其次试图运用卡尔曼滤波对航迹进行融合:思路一是设法离线估计出噪声矩阵,得出系统噪声方差矩阵和观测噪声方差矩阵,从而用于标准卡尔曼滤波方程;思路二是探究较为实用的自适应滤波,兼顾Sage-Husa自适应滤波算法的高精度与强跟踪自适应滤波算法的可靠性,采用了一种混合算法给出收敛的估计.最终给出了雷达7728和2910的融合算例以及10秒钟的预测轨迹.最后,我们将导弹拦截飞机建模为三维的追逃问题,建立了运动学关系方程,最终归结为最小能量导引律问题.采用"模糊T-S线性模型"以及RH控制方法和伴随技术,在目标作对抗性机动条件下,获得了一个有效拦截的导引律.还对多雷达系统平均处理周期、数据融合系统的航迹处理周期进行了分析,对雷达网络实时性做了评价.     

模糊神经网络在数据融合技术中的应用

本文主要阐述了模糊神经网络技术，尤其是模糊联结聚合神经网络技术在数据融合技术中的理论与应用。     

光电跟踪仪多传感器数据采集研究

光电跟踪仪数据采集是利用DSP处理技术及多总线结构,实现电视跟踪通道、红外跟踪通道、激光测距机、光纤陀螺仪等多传感器数据的提取,并采用CPCI总线技术结合双端口存储器（双端口RAM）实现系统中信息的快速传输,为光电跟踪仪伺服控制系统提供可靠的数据信息。介绍数据采集系统的设计思想及工作原理,重点研究系统中各传感器的控制方式和接口设计等,并简要说明各系统之间的信息传输方式。     

高频金融数据的标度分析

高频金融数据通常具有尖峰厚尾的非正态特征，常用稳定分布来拟合。本文采用稳定分布的性质对高频上证指数收益率的分布作了标度分析，求得特征指数为1．48，说明我们在分析证券指数分布时可以用稳定分布，而非正态分布。     

多源验前信息下先验分布的稳健融合方法

根据多种先验分布与似然函数尾部特性的比较,给出了多源验前信息下先验分布的稳健融合方法.讨论了由该方法得到的融合先验分布的后验稳健性问题.最后的数值例子表明,由该方法得到的融合先验分布具有较好的稳健性,进一步验证了该方法的有效性.