您好、欢迎来到现金彩票网!
当前位置:老k棋牌 > 战术情报 >

章绪论合系统已被成功开发并应用于军队和国防信息化建设中典型的

发布时间:2019-08-09 21:54 来源:未知 编辑:admin

  章绪论合系统已被成功开发并应用于军队和国防信息化建设中典型的有 美国的“全源信息分析系统” 、“战术陆军和空军指挥员自动情报保障’’系统 、“敌态势分析系统 英国的“炮兵智能信息融合’’系统 、“机动和控制系统 、“分布式数据融合系统一 加拿大的“海军防空多传感器融合系统 脚】等。英国 系统公司开发

  章绪论合系统已被成功开发并应用于军队和国防信息化建设中典型的有 美国的“全源信息分析系统” 、“战术陆军和空军指挥员自动情报保障’’系统 、“敌态势分析系统 英国的“炮兵智能信息融合’’系统 、“机动和控制系统 、“分布式数据融合系统一 加拿大的“海军防空多传感器融合系统 脚】等。英国 系统公司开发的“分布式信息融合一 系统摒弃了传统的集中式信息融合技术 采用的是分布式信息融合 技术。因为集中式信息融合致命的缺点在于所有的信息在融合中心完成融合 一旦融合中心遭到攻击 整个系统就会被破坏 而分布式信息融合是在网络中的任一节点上进行融合的 如果一个节点因为故障等因素脱离传感器网络 剩余部分却不会受到影响 仍会继续工作并共享、综合和融合信息 实现系统功能。 信息融合技术在民事领域的应用 信息融合技术在机器人研究方面的应用 机器人技术集光、电、气、机、液、信于一身 多感觉传感器与机器人相结合 研发出感觉机器人和智能机器人【枷。智能机器人采用距离传感器、视觉、触觉、滑觉、热觉、力与力矩等多种传感器综合信息 识别环境 做出实时响应 实现自定位、避障、任务规划 完成人难以完成或对人体有害的工作 如工业监控、水下作业、危险环境作业等。工业机器人成为典型的多传感器集成和融合系到 成功应用于生产实际的智能机器人有 等人研制的用于机械产品装配生产线上、 等人研制的用于产品包装、等人研制的适用于加工制造业的一些工业机器人【倒。 信息融合技术在状态检测与故障诊断方面的应用基于信息融合的状态监测与故障诊断 通过多个传感器获取设备状态的特征信号 并进行多层关联组合、数据选择 了解和掌握机械运行过程中的状态 获得对诊断对象故障信息更可靠的认识 以期尽早发现故障 比如用于车辆发动机、矿井通风电机、液压设备、电子设备等的故障诊断【 。文献 采用基于模糊信 黑龙江大学硕士学位论文息融合技术对某泵压式供应系统液体火箭发动机的泄漏故障进行诊断。文献 利用改进 算法对神经网络分类器训练以进行相应的故障模式识别。文献 】使用不同采样速率多传感器 实现了变压器故障的在线诊断。 信息融合技术在医疗卫生方面的应用在医疗卫生方面 信息融合技术用于手术监护、创伤评估、医学图像信息融合来改善图像的质量。文献 介绍了一种使经处理后的 图像更加清晰的基于信息融合技术的散焦图像分割法。文献 提出了一种新的基于小波变换的系数取大融合算法 可以同时清晰地表现骨组织和软组织信息 对临床医学具有十分重要的意义。 信息融合技术在地质科学方面的应用在地质科学领域 信息融合技术主要应用于遥感技术 包括卫星图像和航拍图像的研究 旨在增加信息量 实现多种信息互补 改善图像质量。具体应用有资源探测、环境监测、森林火警、自然灾害 地震、洪水 预报以及生物识别等。文献 利用小波变换把同一目标的不同传感器获得的图像数据进行融合 得到更加清晰的融合图像。文献 在计算量增加不显著的前提下 提出一种针对合成孔径雷达 图像保留边缘的融合方法 提高了边缘检测的质量。 信息融合技术在智能交通方面的应用在智能交通系统中 用于实现流量统计、实时查询、自动违章处理、智能交通调控等功能 。文献 提出了一种基于模糊专家系统的信息融合技术 可以根据天气、时间、车辆性能和速度等信息向司机预警 有助于高速公路上车辆的安全行驶。除此之外 多传感器信息融合技术还在气象预报、股市预测、海洋监测、空中交通管制、粮食产量预测、生物医学工程、社会安全与犯罪预防等方面都有广泛应用 章绪论信息融合中的估计问题从带观测噪声和干扰信号的实际观测数据中获得所需参量的估计值 就是估计问题。作为估计问题的重要研究方向 状态估计旨在对目标的运动状态 位置、速度、加速度等 进行平滑、滤波和预测。状态估计在目标跟踪、工业过程控制、航空航天等领域得到广泛应用。多传感器信息融合状态估计是多传感器信息融合学科的重要分支。 世纪 年代初 美籍匈牙利数学家 提出著名的基于时域空间的递推算法—— 滤波方法 。该方法根据当前时刻的测量值和前一时刻的估计值 递推计算出所需信号当前时刻的估计值 计算量和存储量相对较小 便于在计算机上实现和实时应用。推广和改进 滤波方法有 扩展 滤波 算法、增广状态变量 滤波算法、信息滤波、 分解滤波、奇异值分解滤波、衰减 记忆滤波、常值增益滤波、自适应滤波、降阶次优滤波等 。基于 滤波方法的多传感器信息融合状态估计有集中式滤波和分布式滤波两种基本方法。集中式滤波虽然是全局最优融合状态估计 但计算负担大、实时性和容错性差 而分布式滤波因具有并行结构、易于故障检测和分离等优点得到长足发展。 世纪 年代 美国康涅狄格大学的国际著名系统科学家 提出概率数据互联滤波器的概念 可以视为信息融合的雏形。 年代末 等人对提出的多处理器结构做出重大改进 提出一个中心处理器加多个局部处理器的结构中心处理器完成各局部处理器结构的合成 各局部处理器之间是相互独立的。 提出著名的联邦滤波器 并被美国空军容错导航系统“公共滤波器 计划选为基本算法。其基本原理是 在按矩阵加权线性最小方差最优信息融合准则下 假设任两传感器的初始局部估计’误差不相关 并利用“过程噪声方差阵的上界代替噪声方差阵” 从而实现全局最优信息融合估计。然而在线计算局部估计误差方差阵的逆矩阵的计算负担较大 对实时应用而言 具有一定保守性。黑龙江大学硕士学位论文 在正态分布的假设下得到与相同的结果 为解决按矩阵加权最优融合算法负担较大的问题邓自立提出了在线性最小方差准则下的标量加权最优信息融合算法 铆。该算法的优点是用计算最优加权系数取代最优加权阵 大大减小了计算负担 便于实时应用 缺点是仍假设局部估计误差不相关 稍微损失一些融合估计精度 只能得到’次优信息融合 滤波器。 孙书利等人考虑了两传感器子系统之间估计误差的相关性给出两传感器信息融合算法 孙书利等人考虑局部估计误差的相关性在线性最小方差意义下提出了三种加权融合算法 避免了正态分布的假设 并将其应用到状态和白噪声的分布式融合估计中 其中的对角阵加权和标量加权融合算法可减小计算负担并提高实时性。作为状态估计的一种特殊形式 信号估计常常出现在许多应用问题中。当有多个传感器对信号进行观测时 多传感器能够在时间和空间上提供更全面的信息 如何对来自多个传感器的信息进行融合 求得最优信息融合信号估值器具有重要理论意义和实际应用价值【洲。在信号最优估计问题中 最早 ‘用构造观测信号的新息模型解决了带白色观测噪声的单通道 信号的最优滤波器和平滑器设计问题 并推广到多变量情形【郎删。文献 算法估计滑动平均参数 解决了 新息模型理论计算的构造问题。 算法是构造 新息模型的最简单的有效算法 可保证 多项式矩阵是稳定的【蚓 且具有快速指数收敛性 算法还有许多构造 新息模型的有效算法【叫。文献 基于 新息模型解决了 信号最优反卷积滤波器问题。当多个传感器观测同一信号时 我们可以将所有的观测合并为一个观测 然后进行集中式处理。文献 提出白噪声输入信号多传感器按标量加权最优融合滤波器 文献 】提出单通道 信号多传感器按标量第 章绪论加权的信息融合 滤波器。因为基于 滤波的信息融合通常会因缺少局部估计间互相关性信息而受到影响 年提出不考虑局部估计误差间相关性的信息融合问题一般算法一协方差交集算法该算法不需计算局部估计间复杂的互协方差阵 可以大大减小运算量 减小计算负担 提高运算速度 便于实时应用 而且不受传感器网络结构的限制 对于任意程度的互相关性都能给出一致性融合估计。考虑到 算法只利用独立方差信息 但实际上用到的却是联合协方差 独立误差和相关误差 需要对独立误差分量进行分离 提出的改进算法 即分离协方差交集算法 。一般情况下 为求协方差交集算法的加权系数 通常会使用最小化误差协方差阵迹或者行列式的办法。为避免求解非线性凸组合最优化问题可能带来的高数值计算负担 等人的工作基础上提出改进的协方差交集算法 该算法弥补了的不足。 主要研究内容。在分布式信息融合问题中 应用以协方差交集 算法为代表的信息融合次优滤波算法 通过计算两个或多个具有未知相关性的随机变量的协方差阵的一个上界 从而避免复杂的相关阵的计算。在克服常用最优滤波算法应用局限性的同时 减少了系统的计算负担 提高了鲁棒性。本文将从以下三个方面展开研究 协方差交集 算法的问题阐述、理论推导及一致性证明 并在此基础上提出改进的分量协方差交集 次优滤波算法。 将协方差交集 算法和分量协方差交集 算法应用于基于 黑龙江大学硕士学位论文滤波方法的分布式信息融合状态估计领域 并通过仿真实例与分布式最优加权融合算法进行计算量上的分析比较 将协方差交集算法和分量协方差交集 算法应用于基于现代时间序列分析方法的分布式信息融合状态估计领域 并通过仿真实例与分布式最优加权融合算法进行计算量上的分析比较。第 章协方整交集算法与分 协方麓交集算法第 章协方差交集算法与分量协方差交集算法 引言合理地与系统先验知识相结合 协方差交集算法在分布式航天器状态估计、航海和水下设备定位等方面都得到了广泛应用。近些年 该算法得到研究人员的广泛关注 一些改进方法也被不断提出 如分离协方差交集算法 、快速协方差交集算法 、改进的快速协方差交集算法等 。本章在系统地介绍协方差交集算法的应用背景、理论推导、一致性证明和加权系数 的选取方法基础上 将两变量协方差交集算法进行扩展 推广到部分估计和多变量情形 将该方法应用于状态的各个分量 提出分量协方差交集算法。 协方差交集算法 问题阐述在估计和融合问题中 经常需要融合一些随机变量。一般情况下 目标变量是源变量的线性组合。在融合两个不相关的源变量时 对于任意给定的组合增益对 目标变量的协方差阵都是可用的。在 滤波器中 滤波增益就是最小化协方差阵迹的组合增益对 螂。当相关性未知时 假设它为“ 对许多应用来说也能得到满意的结果。然而 也存在许多情况 独立性假设会引出一系列问题。例如 在一个分布式网络中 当一个结点 从另一个结点 获得一个信息 拓扑结构图中这个信息或许是 接收的信息并非“新 信息。如果 要融合这个从 获得的信息与原有的信息 需要在独立性假设下使用 滤波更新方程 那样的话 协方差阵就会错误地缩减 事实上它应该保持不变。在分布式信息融合网络中 不同节点间获得的估计都具有一定程度的互相关性 尤其是在内部结构不清楚的网络中。因此 使用如基本凸组合这样的最优融合方法来融合局部估计 会产生信息冗余 不能保证融合估计的一致性 滤波估计中由于信息冗余的影响会造成错误 为避免这一点 必黑龙江大学硕士学位论文须维持协方差信息。然而在完全分布式系统中 互协方差信息不可能统一维持。为解决上述问题 世纪年代后期提出了一种可应用于任意复杂分布式系统的协方差交集算法 该算法不需要融合信息间的独立性假。当局部状态估计满足一致性估计条件时算法所得融合估计也能保证估计的一致性。通常在分布式信息融合中 不同估计量间的相关性是很难计算的。协方差交集方法是在信息 协方差 空间内 对均值和协方差估计的一个凸组合的一种信息融合算法。这个方法是从 滤波方程的几何解释得来的【 该算法通过计算协方差阵的一个上界而避免计算复杂的互协方差阵来完成融合因此 在上例中 融合了从获得的信息 协方差阵几乎保持不变 而不是错误地缩减。 两变量协方差交集算法为了突出问题的实质 我们不考虑系统的动态特性 仅仅是简单的对一个随机变量均值的两个估计进行线性组合 而这两个估计的相关性未知。假设某一待估计随机变量均值为万 表示 的两个估计值 一万为两个估计误差并假设 。乏和免的真实值或许未知两个估计的互相关性 同样未知但毛和瓦的某一个一致性估计乞和毛可以分别通过如下特性获得乞一匕 一毛 其中“一表示矩阵 是半正定的这里不等式是矩阵正定性意义下成立的 也就是说 是正定的才成立。我们的任务就是构建一个线性无偏估值器 通过对权值墨和墨的选择可以使足的迹最小 定义占 一万 】或许是未知的但是我们可以找到它的一致性估计名尼 确定式中是的一个一致估计乞。 找出一对和疋使得足的上界是最小化迹或最小化行列式意义下最优的。如果瓦 对于任意给定的墨和 这便是滤波器中 增益的派生问题。如果丘 但是已知 那么 黑龙江大学硕士掌位论文乓 仃表示矩阵的迹使得 对于是的墨和最优解为如下形式 协方差椭圆是视觉化协方差阵的一个简便形式。对于一个正定阵我们有如下定义 长度为的协方差椭圆就是 的边界‘ 其中 表示椭圆轨迹上的点 为常数如果 那么 现在我们可以给出如下结论 、对于给定的毛和式 中最优兄 证明因为式 是正定的根据定义 同理可证、对于任意点 存在相关阵免

  多传感器信息融合次优滤波算法研究,卡尔曼滤波算法,滤波算法,信息融合,数字滤波算法,粒子滤波算法,软件滤波算法,中值滤波算法,一阶滤波算法,kalman滤波算法

http://drpetermitoff.com/zhanshuqingbao/123.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有