多传感器信息融合技术研究与应用

论文摘要

近年来多传感器信息融合技术在军事以及日常生活中得到了广泛的应用,多传感器信息融合技术是通过综合来自不同传感器的量测信息,进行数据预处理、数据关联、数据决策和数据融合等等,做出正确的判断与决策的过程。本论文主要研究数据决策以及数据融合过程中涉及的算法。首先,介绍了多传感器信息融合的管理方法,并详细介绍了多传感器的功能模型、层次模型,以及数学模型。其次,本文主要研究了卡尔曼滤波算法,并针对卡尔曼滤波的特点提出了基于信息熵的多传感器卡尔曼滤波算法。实验仿真表明该方法能有效解决单传感器信息的丢失以及高斯白噪声下的滤波问题。再次,由于神经网络的特点十分适合特征层的融合,本文研究了BP神经网络以及径向基神经网络。并针对神经网络训练速度慢的特点,提出了改进的BP神经网络算法。最后,本文着重学习了DS证据理论,证据理论主要用于处理信息融合中的决策过程,并取得了很广泛的应用。但DS证据理论存在一些不足,本文针对DS证据理论中一票否决以及冲突过大的问题提出了对算法的改进。通过比较仿真得出本文所提方法有很好的判决效果,并有很好的鲁棒性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 多传感器信息融合技术概述
• 1.2 多传感器信息融合技术的研究背景
• 1.3 研究目的及意义
• 1.4 国内外研究现状
• 1.5 论文主要工作及内容安排
• 第2章 多传感器信息融合中的应用
• 2.1 引言
• 2.2 信息融合的功能模型
• 2.2.1 分布式多传感器信息融合
• 2.2.2 中心式多传感器信息融合
• 2.3 信息融合的层次化描述
• 2.3.1 数据层融合
• 2.3.2 特征层融合
• 2.3.3 决策层融合
• 2.4 信息融合的数学模型描述
• 2.5 小结
• 第3章 人工神经网络在信息融合目标识别中的应用
• 3.1 引言
• 3.2 人工神经元的数学模型
• 3.2.1 人工神经网络的结构
• 3.2.2 人工神经网络的学习
• 3.3 前馈型人工神经网络的一般方法
• 3.3.1 BP神经网络原理
• 3.3.2 BP神经网络的函数逼近
• 3.3.3 正规化径向基神经网络
• 3.3.4 正规化径向基神经网函数逼近
• 3.4 BP神经网络改进算法仿真
• 3.5 本章小结
• 第4章 卡尔曼滤波在信息融合中的应用
• 4.1 信息融合中的状态估计方法
• 4.1.1 最小二乘估计
• 4.1.2 最小方差估计
• 4.2 卡尔曼滤波技术
• 4.2.1 离散卡尔曼滤波
• 4.2.2 扩展卡尔曼滤波
• 4.3 离散卡尔曼滤波算法的改进
• 4.4 仿真实验
• 4.5 本章小结
• 第5章 D-S证据理论在信息融合中的应用
• 5.1 引言
• 5.2 D-S证据理论的基本概念
• 5.3 D-S证据理论存在的问题
• 5.3.1 常规冲突性问题
• 5.3.2 一票否决问题
• 5.4 D-S证据理论冲突问题的研究
• 5.4.1 D-S证据之间冲突分析
• 5.4.2 证据间的Jousselme距离
• 5.4.3 证据冲突的改进
• 5.4.4 证据冲突的改进算法的仿真
• 5.4.5 证据冲突的综合分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢