多传感器多目标信息融合方法

汽车微机防盗器采用进口微电脑数码芯片控制技术，切换汽车供电系统的相应操作，使用者在开启车辆前必须先输入六位正确密码后才能用车钥匙启动车辆，密码重码率为亿万分之一。在发生盗抢突发案件时．驾驶员只要迅速熄火并离开车辆，无需担心车辆被盗，因而将有效地保障广大驾驶员的生命安全和汽车财产安全。该汽车防盗装置安装容易，使用简便，不破坏汽车内部结构和装饰，具有极强的性价比和市场竞争力，有着广泛的市场推广营销前景。     

多传感器信息融合方法与仿真

给出了一种多传感器多维位置数据融合的方法。这种方法基于多维位置数据的鲁棒估计和最小方差结合法。每个传感器用鲁棒估计得到自身数据的位置估计和方差估计,把这些估计融合为一个最优估计,即传感器系统的估计。     

仅有角度信息的红外多传感器异步目标跟踪

跟踪机动目标,红外单站有不少缺陷,多站可以提供比单站多的信息。然而,多站存在同步的问题。通过对状态更新过程的分析,发现跟踪可以异步实现。多站采用异步的处理方式极大的灵活了数据的处理,而且可以通过多站组网扩大跟踪范围。为解决系统方程的非线性,采用伪线性观测方程。仿真结果表明本方法可以实现对空中目标的稳定跟踪,且观测站增加可以提高精度。     

多平台多传感器多源信息融合中的时空对准研究

讨论了多平台多传感器多源信息融合的时空对准的一般方法，并给出了一种适用于最优估计的平台间对准方法的数学模型。最后给出了基于这种配准模型的EML算法和仿真结果。     

注意力叠加与时序特征融合的目标检测方法

提出一种基于注意力叠加与时序特征融合的目标检测方法.在端到端目标检测(DETR)网络的基础上,依据注意力机制特性,使用注意力权重叠加的方式提取目标物像素级标识,用于实例轨迹的划分.为使目标检测与轨迹跟踪协同作用,通过时序特征融合的方式融合之前轨迹跟踪信息,调整当前帧目标检测效果,从而充分利用视频载体提供的时间维度信息.在公开数据集上,对文中方法进行验证,结果表明：文中方法能有效识别被遮挡的目标物,具有较强鲁棒性.     

多传感器信息融合方法与仿真

给出了一种多传感器多维位置数据融合的方法．这种方法基于多维位置数据的鲁棒估计和最小方差结合法．每个传感器用鲁棒估计得到自身数据的位置估计和方差估计，把这些估计融合为一个最优估计，即传感器系统的估计．     

多传感器信息融合的目标跟踪算法研究

针对目标跟踪中单传感器检测误差较大,而多传感器在目标跟踪中存在信息冗余以及各传感器信息融合,提出基于扩展卡尔曼滤波（EKF）,首先利用EKF对多传感器采集的数据分别进行初次处理,过滤掉冗余数据,增加各传感器采集的数据的有效性,再使用最小二乘法对所得信息进行二次处理。使用MATLAB平台进行仿真验证,结果表明在系统噪声为高斯白噪声的情况下,方案能有效提高目标跟踪的精度,跟踪误差明显降低,跟踪效果良好。     

多信息融合的交通事故数值再现方法

综合利用轨迹优化、有限元理论及多刚体方法对某起典型三车碰撞事故案例进行数值再现.以车辆停止位置为目标函数,车身接触位置为约束条件模拟计算出事故发生过程.利用多刚体动力学方法计算出车内乘员头部加速度,以此进行人体损伤分析.利用有限元方法模拟车辆撞击护栏的过程,通过护栏变形数值模拟结果与真实事故中的变形量相比较,验证车辆撞击速度的可靠性.通过案例分析认为综合利用事故中遗留下的刹车印迹、车身或其他物体变形、人体损伤等多种信息,可以对碰撞事故进行精确分析,同时各信息之间可以相互制约和验证,从而为事故鉴定提供理论依据和数值参考.     

基于目标跟踪的信息反馈融合方法研究

针对目标跟踪问题环境的复杂性,信息的多样性,传统的信息融合方法有很多弊端,本文将反馈融合思想引入到传统的信息融合框架,提出了基于目标跟踪的信息反馈融合系统,利用信息反馈融合方法为指导,针对不同目标跟踪场景中传统跟踪技术的技术瓶颈,提出相应的改进方法。经过多次仿真验证,基于目标跟踪的信息反馈融合系统进一步提高了历史融合信息的整体利用率,并且可以得到精度更高、鲁棒性更好的融合估计效果。     

基于多帧信息的多传感器融合三维目标检测

为提高三维目标检测中多传感器融合的效果,并利用前后帧之间的特征关联,提高目标检测的准确率,提出了一种基于多帧信息的多传感器特征融合三维目标检测网络.首先通过基于指导点的特征映射模块,将图像相机视角特征转换为鸟瞰图特征,并通过自适应融合模块对点云特征和图像特征进行融合;之后利用历史帧跟踪信息,融合多帧特征;最后采用基于CenterPoint检测头进行目标检测.在nuScenes数据集和实车上对三维目标检测网络进行了测试,试验结果表明该网络具有更高的精度和实时性.     

基于多传感器信息融合的故障诊断方法

为了获得更多的故障信息,全面了解故障特征,采用多个不同的传感器共同监测是一种有效的方法途径.而实际现场工业设备运行环境非常复杂,使得传感器采集到的信息包含很多来自自然环境或人为的干扰噪声,导致采集到的故障信息冲突.针对这一问题,提出了一种基于多传感器信息融合的故障诊断方法.首先求得各证据之间的证据距离,根据证据距离值的大小再修改证据,然后利用D-S证据理论进行信息融合,提高了诊断的可靠性和准确度.实验验证了该方法切实可行.     

用于目标识别的多传感器信息融合算法研究

提出了一种用于目标识别的多传感器雅息融合算法-后验概率检测算法.在该算法中,融合中心将各个传感器送入的识别结果进行综合处理,得出最终的决策.仿真结果表明多传感器系统探测目标的性能优于单传感器系统,该算法运算量小,适于进行快速的实时处理.     

多传感器多变量AR模型信息融合辨识方法

对于带白色公共干扰噪声、白色观测噪声和传感器偏差的多传感器多变量自回归（AR）模型,当AR模型参数、传感器偏差和噪声方差未知时,提出了一种信息融合多段辨识方法,其中用多重递推增广最小二乘法（MRELS）得到AR模型参数和传感器偏差的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性。一个仿真例子验证了其有效性。     

基于多传感器信息融合的车速估计方法

准确地测量计算车辆的纵横向速度是现代汽车控制系统的关键,在横摆角速度传感器、加速度计和车轮角速度传感器等多种汽车传感器所测得的信号基础上建立估计系统的状态方程和测量方程,通过汽车动力学模型计算出车辆的纵横向参考速度,最后用卡尔曼滤波技术对车速进行估计.并对参考车速误差的影响进行分析.仿真结果表明该方法估计效果好,误差小,具有可靠性和有效性.     

融合多传感器信息的移动机器人自定位方法

提出一种给定环境模型下移动机器人全局自定位算法,通过融合声纳传感器和视觉传感器的异质传感信息把具有多模态、鲁棒性强的Markov方法和单模态、高效准确的EKF方法组合应用并加以改进,来实现准确和快速的全局定位,同时提高位姿跟踪的准确性.Markov方法中位姿空间的低分辨率离散减小了存储需求,声纳感知模型对位姿空间分布进行初始化并提供了全局的位姿假设,视觉感知模型实现了位姿分布更新,而基于视觉特征的EKF方法则提高了定位的精度.实验结果验证了本方法的有效性.     

融合速度信息的机械臂自适应轨迹跟踪控制方法

针对机械臂动力学模型参数不确定性与速度信息不精确影响轨迹跟踪精度的问题,提出一种多传感器信息融合的机械臂参数自适应轨迹跟踪控制方法。首先将未建模动态视为系统内部干扰,简化机械臂动力学模型;其次采用反步控制方法为机械臂系统设计控制律,并为动力学模型中不确定参数设计自适应律;最后考虑使用单一位置传感器的差分值或转速计的测量值作为速度信息可靠性低的问题,通过多传感器信息融合方法为控制器提供更精确的速度信息。仿真与实验结果表明：采用融合速度信息能够提高所提控制方法的精度与稳定性,速度信息的精确性提升7%;与反步控制方法、自适应控制方法相比,所提控制方法具有更好的机械臂轨迹跟踪控制性能,轨迹跟踪误差分别降低了30%、50%。     

粒子滤波框架下多特征融合的视频目标跟踪方法

针对单一目标特征在复杂场景下难以实现有效的跟踪问题,提出了一种边缘纹理与颜色特征相融合的新方法。将Sobel算子与局部二值模式算子相结合,得到一种新的边缘纹理SLBP(Sobel Local Binary Pattern)特征提取方法,并与HSV(Hue,Saturation,Value)颜色特征融合应用于粒子滤波框架的视频目标跟踪。实验结果表明:本文提出的SLBP+HSV特征融合方法能够克服视频中光照变化、目标遮挡等复杂背景影响的问题,提高跟踪的精确度。     

一种基于概率神经网络多信息融合的移动目标跟踪算法

采用概率神经网络(PNN)实现了对图像序列中移动目标——人头的跟踪.由于采用单一特征信息的跟踪算法在复杂环境中往往失效,故以头部的颜色信息模板和头部轮廓的梯度信息模板作为跟踪依据,并通过改变PNN的结构实现了图像信息的融合以及自适应模板修正.实验结果表明,基于PNN的算法在处理目标的旋转和遮挡时有着良好的效果,且具有简单、跟踪鲁棒性好等特点.     

多传感器信息融合技术在侦察系统中的应用

分别阐述信息融合的基本概念和多传感器侦察系统中信息融合的模型设计,重点分析Dempster-Shafer证据推理理论在多传感器侦察系统信息融合中的应用。     

多传感器分布式协方差信息融合Kalman滤波理论

对于带多传感器和带相关噪声的线性离散时变随机控制系统,基于按矩阵加权、按对角阵加权和按标量加权的三种最优信息融合规则,提出了相应的三种分布式最优信息融合Kalman估值器,可统一处理融合滤波、预报和平滑问题。为了计算最优加权,提出了计算局部估计误差协方差公式。作为特殊情形,还提出了定常系统的稳态最优信息融合Kalman估值器,其中用解Lyapunov方程计算局部估计误差协方差。同集中融合Kalman估值器相比,可减小计算负担。同单传感器Kalman估值器相比,可提高精度。它们构成了统一和通用的分布式协方差信息融合Kalman滤波理论。