地面多传感器数据融合算法分析与软件实现

论文摘要

本文阐述了地面多传感器的工作原理与探测特性,结合数据融合算法的理论,对常用的目标身份识别算法Bayes推理和D-S证据理论分别进行了理论分析,针对地面传感器特性进行了对比,同时分别对地面目标跟踪常用的最近邻域法、动态多因子方法、联合概率数据关联算法、模糊数据关联算法在理论上进行了深入的分析,结合地面传感器测量特性对这些算法进行了对比,分析了其优缺点,在常用算法的基础上,对模糊数据关联算法进行了改进,提出了逻辑推理与模糊相似度算法。重点对基于逻辑推理与模糊相似度的地面多传感器数据融合算法进行了深入的理论分析,结合地面传感器的测量特性,给出逻辑推理和模糊相似度数据融合的算法模型,同时应用证据理论实现对目标身份识别,通过采用最小二乘法实现目标轨迹的平滑处理。本文在理论上阐述了改进的模糊数据关联算法,编制应用软件和构建工程系统,对该算法进行了应用实现。文章对软件的实现方法进行了深入的描述,通过大量的数据仿真和工程实际试验对算法模型和软件成果进行了验证,通过仿真和试验表明,该算法的处理结果与实际情况基本吻合,该算法以及软件成果有效可用。通过逻辑推理与模糊相似度算法,可以解决地面多传感器数据融合的问题。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 多传感器数据融合的目的和意义
• 1.2 国内外研究现状
• 1.3 本文工作
• 1.4 本文的内容安排
• 第二章 地面传感器概述
• 2.1 地面传感器工作原理
• 2.2 地面传感器类型与探测特性
• 2.2.1 震动传感器
• 2.2.2 声响传感器
• 2.2.3 红外传感器
• 2.2.4 磁敏传感器
• 2.2.5 复合传感器
• 2.2.5.1 震动/声响探测器
• 2.2.5.2 震动/红外探测器
• 2.2.5.3 震动/磁敏探测器
• 2.2.6 测量特性
• 2.3 地面传感器常用布设方法
• 2.4 小结
• 第三章 地面运动目标跟踪处理算法分析
• 3.1 目标身份识别算法分析
• 3.1.1 主观Bayes方法
• 3.1.2 证据理论
• 3.1.3 主观Bayes方法和证据理论的比较
• 3.2 目标跟踪算法分析
• 3.2.1 最近邻域法
• 3.2.2 动态多因子方法
• 3.2.3 联合概率数据关联算法
• 3.2.4 模糊数据关联算法
• 3.2.5 目标跟踪算法比较
• 3.2.6 改进的模糊数据关联算法
• 3.3 小结
• 第四章 基于逻辑推理与模糊相似度的地面多传感器数据融合算法
• 4.1 逻辑推理数据关联算法
• 4.2 模糊相似度数据关联算法
• 4.3 证据理论身份识别算法
• 4.4 目标轨迹平滑算法
• 4.5 小结
• 第五章 地面多传感器数据融合软件实现
• 5.1 数据融合软件概述
• 5.2 数据融合软件设计
• 5.2.1 布设信息解析模块
• 5.2.1.1 功能及用途
• 5.2.1.2 处理流程
• 5.2.2 数据接收模块
• 5.2.2.1 功能及用途
• 5.2.2.2 处理流程
• 5.2.3 数据预处理模块
• 5.2.3.1 功能及用途
• 5.2.3.2 处理流程
• 5.2.4 数据相关融合模块
• 5.2.4.1 功能及用途
• 5.2.4.2 处理流程
• 5.2.5 人工干预模块
• 5.2.5.1 功能及用途
• 5.2.5.2 处理流程
• 5.2.6 数据显示与分发模块
• 5.2.6.1 功能及用途
• 5.2.6.2 处理流程
• 5.3 数据融合软件仿真与试验结果
• 5.3.1 数据仿真结果
• 5.3.2 外场试验情况
• 5.3.2.1 线形布设试验情况
• 5.3.2.2 网状布设试验情况
• 5.3.3 验证结论
• 5.4 小结
• 第六章 结束语
• 致谢
• 参考文献
• 攻读硕士学位期间完成的学术论文