雷达组网数据融合中几个问题的研究
雷达组网数据融合中几个问题的研究
摘要：近年来，雷达组网技术得到了迅猛的发展，雷达组网在防空预警、海岸警戒等领域中的作用变得越来越重要。文章针对雷达组网的实际情况，通过对影响雷达网数据融合处理的几个问题进行分析，给出解决这些问题的方法。
关键词：雷达组网；空间配准；误差校准；数据融合
引言
近些年来，我国国土防卫系统受到了越来越严重的武器威胁，这对于传统的雷达系统来说也产生了更多的条件，其必须要不断提升抗干扰能力和信息处理能力，才能有效的应对当前的严峻形势。组网雷达主要是通过将雷达分布在不同的位置，然后再借助这些数据形成一个数据链，由同一的数据中心进行综合控制盒调配，以此促进雷达信息系统作用的充分发挥，进而促进雷达本身在反隐身和抗干扰能力方面的大幅度提升。文章主要探讨了数据融合中几个通常要考虑和解决的关键问题：（1）数据融合；（2）空间配准及滤波坐标系选择；（3）误差校准。
1 数据融合
数据融合技术将传统学科和新兴技术进行有效的集成，利用信息技术将不同位置的雷达所探测到的信息进行综合处理，这种通过融合过程获得的测量数据相比单一的雷达测量数据具有更高的准确性，这也充分体现出了数据融合的有事。当前数据融合的方法一般分为分布式融合、集中式融合和混合式融合几种。其中，分布式数
浅谈AIS与雷达目标信息融合
浅谈AIS与雷达目标信息融合 摘要给出AIS和雷达目标信息融合问题的提出背景及模型的建立后，介绍主要用的信息融合方法即粗糙集与神经网络，简单概述粗糙集和人工神经网络，然后对粗糙集与人工神经网络相结合的可行性进行归纳总结，得出将粗糙集和神经网络结合起来的融合方法是可行的。 关键词AIS；雷达；信息融合；粗糙集；神经网络 传统的雷达曾是海上监控系统的一个里程碑。但由于传统雷达的局限性，决定了它所能提供的是非常小量的信息。而船舶自动识别系统（AIS）能提供的信息有很多的优点，足以弥补雷达数据的缺陷。但就现阶段来说，雷达在航海技术中又是无可替代的。因此，为给船舶航行提供更精确可靠的信息，我们需要将AIS与雷达结合起来，把他们的数据进行综合处理，取长补短，为船舶的安全航行和港口对船舶更好的管理提供质量更高的数据。 AIS与雷达系统对目标的监测跟踪相比，AIS具有下列优点： 1）信息量大，可提供雷达所不能提供的大量船舶动态信息，节省自动避碰系统的计算时间和存储容量。2）信息来源可靠，误差小。3）不间断地提供动态信息。4）自主运行，无需人工监控。 虽然AIS具有上述优点，但仍有它的局限性，因而它并不能取代雷达系统，这是由于： 1）不是所有船舶都安装了AIS，所以雷达系统还是不可或缺的。2）雷达系统是自主的监测跟踪手段。在VTS中心，无论船舶上是否装备AIS或雷达，或它们是否正常工作，雷达系统对目标的监测跟踪均不受影响；对一些突发性交通事故的监测、记录，雷达系统更能发挥作用。3）雷达系统可以得到水域的全景交通图像，除了所有的运动目标，还有静止和固定的目标，如助航设施等。4）AIS提供的位置数据来自于GPS/DGPS数据，而GPS/DGPS数据是GPS/DGPS 天线所在点的船舶运动数据，恢复成图像时该船只是一个点，而雷达目标回波在一定程度上可反映目标的大小和形状。5）虽然目前AIS设备中的船位信息来源于GPS/DGPS设备，精度较高。但是其提供的航向信息和航速信息还是采用陀螺经信息和计程议信息，因此这两种设备的误差势必将会传递到AIS数据中。 由于雷达和AIS都有各自独立的信息处理系统，而且分布式结构可以以较低的费用获得较高的可靠性和可用性；可以减少数据总线的频宽和数据处理的要求；可以获得与集中式结构相同或类似的精度。因此本文采用分布式结构对雷达和AIS信息进行融合研究，根据信息融合的分布式融合模型，结合AIS和雷达目标数据特点，本文建立了如图1的AIS和雷达目标信息融合的模型。 图1 AIS和雷达目标信息融合模型
智能地雷的组网技术
智能地雷的组网技术 在一般人的印象中，地雷既无腿也无翅，是用于对付地面目标的一种防御性、被动性的杀伤武器。而我们这里所说的人工智能地雷是“有腿地雷”，既能蹦，也能跳，还能飞，能够主动、准确地探测跟踪坦克、装甲战车，垂直攻击坦克的顶部或腹部。这些地雷之所以能够获得“智能”，就是因为它和探测技术、传感器技术、微处理器技术等高新技术结合在一起，所以展现出前所未有的活力。 80年代后期，欧美国家就已经开始探索研究对抗直升机的地雷系统AHMS。反直升机地雷可弥补现有防空武器系统的不足，其基本任务是用地雷探测和摧毁敌方超低空飞行的入侵直升机或者利用密集散布的反直升机地雷迫使直升机高飞，即便地雷无法攻击高空直升机，但便于用其他防空武器对其进行杀伤。从某种意义上来看，反直升机地雷的出现是地雷史上的一场深刻的革命。而我们在这场革命中，仍然是从“追踪国外先进技术”开始的。 智能地雷是现代新概念弹药,其关键技术是声/震传感器阵列探测及组网通信技术。智能地雷是具有广域、自动寻找目标的第三代地雷,与传统地雷相比,它结合了传感器探测技术、无源定位技术、自寻的技术,通过传感器采集的信号区分目标类型,并对目标进行精确定位后主动实施攻击,即能够主动、准确地探测跟踪目标并实施攻击。国外从二十世纪六、七十年代投入大量的人力物力进行研究,如:美国AHM反直升机地雷、法国的Mazac声控反坦克地雷。随着无线传感器网络在军事领域的应用,为自动布设的智能地雷系统组网提供了技术基础。无线传感器网络节点可以通过飞机布撒或人工布置等方式,大量部署在被感知对象内部或者附近。这
些节点通过自组织方式构成无线网络,以协作的方式实时感知、采集和处理网络覆盖区域中的信息。对无线传感器网络来说,其网络体系由分层的网络通信协议、传感器网络管理以及应用支撑技术三部分组成。 1.智能地雷系统工作原理 智能地雷用于反击武装直升机和坦克这些进攻性武器,可以 人工布设,同时也借助于飞机或火箭进行自动布撒,从而封锁士兵无法深入战区军事项目。自动布撒地雷日益成为布设的发展趋势,不仅可以快速布设,而且可以对雷场的布设进行控制。另外就是智能化程度更高,自动布设后,自动组成智能网络,自动探测、识别并实现对目标的攻击与毁伤,具有协同作战的能力。操作人员与地雷之间,地雷与地雷之间可进行通信,以实现对雷场的计划、管理和使用,从而大幅度提高雷场的效能。智能地雷系统主要包括传感探测系统、通信/定位系统、主控系统、战斗部导向系统、战斗部等部分组成,如图1所示。 图1 XM93智能地雷的系统组 系统的工作过程如下:当地雷利用火箭或飞机空投自动布撒 到所需地域,触地后接通地雷电源,首先通信/定位分系统开始工作,由于是自动布设,每组内部地雷节点的位置不能预先精确设定,节点之间的相互邻居关系预先也不知道。因此首先要构建无线传感器网络,建立网络同步,发现网络拓扑,进行网络节点定位等,自动形
谈医学影像的融合(一)
谈医学影像的融合(一) 科技的进步带动了现代医学的发展，计算机技术的广泛应用，又进一步推动了影像医学向前迈进。各类检查仪器的性能不断地提高，功能不断地完善，并且随着图像存档和传输系统(PACS)的应用，更建立了图像信息存储及传输的新的模式。而医学影像的融合，作为图像后处理技术的完善和更新，将会成为影像学领域新的研究热点，同时也将是医学影像学新的发展方向。所谓医学影像的融合，就是影像信息的融合，是信息融合技术在医学影像学领域的应用；即利用计算机技术，将各种影像学检查所得到的图像信息进行数字化综合处理，将多源数据协同应用，进行空间配准后，产生一种全新的信息影像，以获得研究对象的一致性描述，同时融合了各种检查的优势，从而达到计算机辅助诊断的目的〔1，2〕。本文将从医学影像融合的必要性、可行性、关键技术、临床价值及应用前景5个方面进行探讨。 1医学影像融合的必要性 1.1影像的融合是技术更新的需要随着计算机技术在医学影像学中的广泛应用，新技术逐渐替代了传统技术，图像存档和PACS的应用及远程医疗的实施，标志着在图像信息的存储及传输等技术上已经建立了新的模式。而图像后处理技术也必须同步发展，在原有的基础上不断地提高和创新，才能更好更全面地发挥影像学的优势。影像的融合将会是后处理技术的全面更新。 1.2影像的融合弥补了单项检查成像的不足目前，影像学检查手段从B超、传统X线到DSA、CR、CT、MRI、PET、SPECT等，可谓丰富多彩，各项检查都有自身的特点和优势，但在成像中又都存在着缺陷，有一定的局限性。例如：CT检查的分辨率很高，但对于密度非常接近的组织的分辨有困难，同时容易产生骨性伪影，特别是颅后窝的检查，影响诊断的准确性；MRI检查虽然对软组织有超强的显示能力，但却对骨质病变及钙化病灶显示差；如果能将同一部位的两种成像融合在一起，将会全面地反映正常的组织结构和异常改变，从而弥补了其中任何一种单项检查成像的不足。 1.3影像的融合是临床的需要影像诊断最终服务于临床治疗；先进的检查手段，清晰的图像，有助于提高诊断的准确性，而融合了各种检查优势的全新的影像将会使诊断更加明确，能够更好地辅助临床诊治疾病。 2医学影像融合的可行性 2.1影像学各项检查存在着共性和互补性为影像的融合奠定了基础尽管每项检查都有不同的检查方式、成像原理及成像特征，但它们具有共同的形态学基础，都是通过影像来反映正常组织器官的形态、结构和生理功能，以及病变的解剖、病理和代谢的改变。而且，各项检查自身的缺陷和成像中的不足，都能够在其他检查中得到弥补和完善。例如：传统X线、CT 检查可以弥补对骨质成像的不足；MRI检查可以弥补对软组织和脊髓成像的不足；PET、SPECT 检查则可以弥补功能测定的不足。 2.2医学影像的数字化技术的应用为影像的融合提供了方法和手段现在，数字化技术已充分应用于影像的采集、存储、后处理、传输、再现等重要的技术环节。在首要环节即影像的采集中，应用了多种技术手段，包括：(1)同步采集数字信息，实时处理；(2)同步采集模拟信号，经模数转换装置转换成数字信号；(3)通过影像扫描仪和数码相机等手段，对某些传统检查如普通X线的胶片进行数字转换等；将所采集的普通影像转换成数字影像，并以数据文件的形式进行存储、传输，为进一步实施影像融合提供了先决条件。 3医学影像融合的关键技术 信息融合在医学图像研究上的作用一般是通过协同效应来描述的，影像融合的实施就是实现医学图像的协同；图像数据转换、图像数据相关、图像数据库和图像数据理解是融合的关键技术。(1)图像数据转换是对来自不同采集设备的图像信息的格式转换、三维方位调整、尺度变换等，以确保多源图像的像/体素表达同样大小的实际空间区域，确保多源图像对组织
雷达组网数据融合中几个问题的研究
雷达组网数据融合中几个问题的研究 近年来，雷达组网技术得到了迅猛的发展，雷达组网在防空预警、海岸警戒等领域中的作用变得越来越重要。文章针对雷达组网的实际情况，通过对影响雷达网数据融合处理的几个问题进行分析，给出解决这些问题的方法。 标签：雷达组网；空间配准；误差校准；数据融合 引言 近些年来，我国国土防卫系统受到了越来越严重的武器威胁，这对于传统的雷达系统来说也产生了更多的条件，其必须要不断提升抗干扰能力和信息处理能力，才能有效的应对当前的严峻形势。组网雷达主要是通过将雷达分布在不同的位置，然后再借助这些数据形成一个数据链，由同一的数据中心进行综合控制盒调配，以此促进雷达信息系统作用的充分发挥，进而促进雷达本身在反隐身和抗干扰能力方面的大幅度提升。文章主要探讨了数据融合中几个通常要考虑和解决的关键问题：（1）数据融合；（2）空间配准及滤波坐标系选择；（3）误差校准。 1 数据融合 数据融合技术将传统学科和新兴技术进行有效的集成，利用信息技术将不同位置的雷达所探测到的信息进行综合处理，这种通过融合过程获得的测量数据相比单一的雷达测量数据具有更高的准确性，这也充分体现出了数据融合的有事。当前数据融合的方法一般分为分布式融合、集中式融合和混合式融合几种。其中，分布式数据融合指的是将一定量的单个数据雷达数据处理器按照一定的标准进行连接，进而实现一个完整的运行轨迹，这种系统结构相对较为简单，而且操作也很容易，只需要对有效的资源进行科学的计算便能实现。集中式数据融合主要是将多个复杂的系统结构进行集中处理，对于计算机技术有着较高的要求，同时其本身具有较强的完整性，对于数据处理技术也有着较高的跟踪精度。混合式数据融合则是对以上两种数据的一种综合。 在雷达数据融合中使用的算法，通常有目标位置估算法和相关处理方法两种。目标位置估算法主要是根据不同的参数对数据结果进行估计，以此来获得相对准确的数据。相关处理方法则是根据雷达数据所体现出来的轨迹进行衡量，其中主要的处理方法有适用于稀疏目标环境的最近邻域NN法；适用于低密度目标的多假设跟踪MHT法；适用于多目标交叉情况的多因子综合相关法；适用于高密度目标的联合概率数据关联JPDA法；适用于极稠密目标的编队跟踪FT法。 2 空间配准及滤波坐标系选择 通常情况下，在同一个雷达组网系统中会包含多个不同的雷达，而每个雷达所对应的数据参照点和系统坐标都有着一定的差异，而对多个雷达系统进行组网之前，通常需要将所有的雷达都利用统一的标准进行转换，并且保证它们处在同
雷达组网中数据融合的研究
雷达组网中数据融合的研究 摘要：随着电子干扰技术的不断发展，单部雷达面临的威胁越来越大。雷达组网可以充分利用各单部雷达的资源和信息融合优势，将多部不同体制、不同频段、不同极化方式的雷达组成一个整体，极大提高了整体作战能力。本文在简述雷达组网的基础上，重点介绍了雷达组网中的数据融合技术。 关键字：多传感器雷达组网数据融合 1引言 随着技术的进步，雷达的性能经受了严峻的考验。强大的欺骗性、压制性电子干扰使雷达迷盲、性能降低或者完全失效。据报道，国外新型多功能综合干扰飞机已经把电子侦察、告警和干扰有机地结合在一起，通过计算机分析、判断、决策，大大提高了干扰的效能，雷达的效能被大大降低[1]。单部雷达已经很难应对越来越复杂的电磁环境。 雷达组网，是指通过将多部不同体制、不同频段、不同工作模式、不同极化方式的雷达或者无源侦察装备适当布站，借助通信手段链接成网，并由中心站统一调配，从而形成的一个有机整体。网内各雷达和雷达对抗侦察装备的信息（原始信号、点迹、航迹等）由中心站收集，综合处理后形成雷达网覆盖范围内的情报信息，并按照战争态势的变化自适应地调整网内各雷达的工作状态，发挥各个雷达和雷达对抗侦察装备的优势，从而完成整个覆盖范围内的探测、定位和跟踪等任务[2]。 现代干扰技术还没有发展到对雷达组网系统实施有效的欺骗性干扰[1]，针对单部雷达的欺骗干扰，无法对整个雷达组网产生有效影响。对整个雷达网进行干扰，要求干扰机具有极高的信号侦察、分选能力以及较高的干扰功率，这往往是很难达到的，因此雷达组网具有较好的抗干扰能力。从数据处理的方式来分，雷达组网分为集中式和分布式。分布式雷达组网，是指组网中的每部雷达都有各自的处理器，通过预处理产生目标跟踪航迹，汇总至融合中心，由融合中心进行时间空间配准、航迹关联和航迹融合，最终生成目标的航迹[3]。和集中式雷达组网相比，分布式雷达组网具有系统可靠性高、各站与融合中心通信量小等优点。 规模较大的雷达组网系统，尤其是多部不同体制、不同频段的雷达组网，一般采用分布式结构，可以充分利用子雷达站，节约通信资源，有效的提高雷达网整体性能。本文重点对分布式雷达组网进行研究，对整个雷达网数据处理流程建模仿真，并对雷达组网抗干扰能力进行分析。本文从现实需求出发，立足于提高现有体制组网的性能，研究了雷达组网数据处理仿真流程，通过设置典型场景对其抗干扰能力进行评估。论文的研究成果可为应对外军雷达组网系统提供理论基础，同时为我国雷达组网系统提供良好的技术储备。 2概述 雷达组网不是雷达简单的拼凑，而是在优化组网基础上将多部不同频段、不同体制、不同工作模式、不同极化方式的雷达进行适当的、合理的优化布站，并通过网络进行联结，使雷达资源优化配置协同运作，对网内各部雷达的信息以“网”的形式收集和传递，并由中心站进行综合处理、控制和管理，从而完成整个覆盖范围内的探测、定位和跟踪任务。 2.1雷达组网的意义 ●实现系统内的情报资源共享，完成对每个网站的实时指挥控制，增加了实战的 可靠性； ●不同的雷达可从不同的视角观察目标，有助于减少目标衰落、闪烁和地形遮蔽 的影响，并可较充分地利用隐身目标的前向、侧向、上下反射的隐身缺口(雷 达反射截面随视角的变化可达20~30 dB)，实现反隐身的目的[4] ；
多雷达数据融合成像
多雷达数据融合成像 硕士论文多雷达数据融合成像摘要００删０４枷舢删 咖嘲蜊嘣Ｙ２２７６１３５多雷达数据融合成像是 一种新兴的雷达成像技术，在军事上有着非常重要的作用。它可以在现有的硬件基础上，综合多部雷达的回波信号，然后运用数据相干融合的思想获得超宽带和大相干积累角 度的雷达回波信号，最终得到比单雷达成像技术更高分辨率的雷达图像。本文主要分三部分来介绍多雷达数据融合成像技术：第一部分主要介绍了多雷达数据融合成像的理论基础，包括目标的电磁散射模型的建立、模型参数的估计、多频带雷达数据相干配准、逆合成孔径雷达成像模型及逆投影法成像算法。第二部分研究了同视角多频带雷达数据融合成像技术。针对观测频带有重叠的情况，提出了基于重叠回波信号的相干配准方法；对于稀疏多子带观测的情况，必须首先对己知的两段雷达数据分别建立电磁散射模型， 然后提出基于信号模型的相干配准方法，利用相干配准后的两段数据共同建立全局信号模型，并用来填补频带上的空缺数据：最后研究了噪声对两种情况数据融合成像结果的影响。第三部分研究了多视角多频带雷达数据融合成像技术。首先给出了目标散射场的二维指数和模型，然后将极坐标空间的雷达回波数据重采样到直角坐标空间下的均匀
矩形网格上，接着利用二维ｒｏｏｔ．ＭｕＳＩＣ算法结合线性最小二乘法估计出二维指数和模型的极点和幅度系数，通过设定阈值的方法完成极点的配对，最后算例仿真验证了算法的正确性。关键词：多雷达数据融合成像，相干配准，指数和模型，逆合成孔径雷达，求根多重信号分类，分辨率 ＡｂｓｔＩ砌硕士论文ＡｂｓｔｒａｃｔＭｕｌｔｉ－ｒａｄａｒｄａｔａ如ｓｉｏｎａｎｄｉｍａｇｉｎｇｉｓａｎｅｗｔｅｃｌｌｌｌｉｑｕｅ，ｗｈｉｃｈｐｌａｙｓａＶｅ可ｉｍｐｏｒｔａｎｔｒｏｌｅｉｎⅡ１ｅｍｉｌｉｔａｒｖ．ｎｃｏｍｂｉｎｅｓｍｕｌｔｉ—ｒａｄａｒｓｉｇｎａｌｓａｎｄｍｅｎｕｓｅｓｄａｔａ如ｓｉｏｎｔｈｅｏｒｙｔｏｏｂｔａｉｎｕｌ打ａ－ｗｉｄｅｂａＩｌｄａｎｄ１ａｒｇｅｒｃｏｈｅｒｅｎｔ ａｃｃｕｍｕｌａｔｉｏｎａｎｇｌｅｂａＳｅｄｏｎｔｌｌｅｅｘｉｓｔｉｎｇｈａｒｄｗａｒｅ．Ｆｉｎａｌｌｙｉｔｏｂｔａｊｎｓｈｉ曲ｅｒｒｅｓｏｌｕｔｉｏｎｒａｄａｒｉｍａｇｅｔｈａｎｔ１１ｅｓｉｎｇｌｅｒａｄａｒｉｍａｇｉｎｇｔｅｃｌｌｌｌｉｑｕ
ADS-B与雷达数据的融合应用
龙源期刊网 https://www.360docs.net/doc/3f15367285.html, ADS-B与雷达数据的融合应用 作者：谢峥 来源：《科教导刊》2010年第21期 摘要本文介绍了ADS-B的概念,对比了ADS-B与常规雷达的主要区别,分析了在空管自动化系统中ADS-B与雷达数据的融合处理过程,最后探讨了其技术优势和应用前景。 关键词ADS-B 雷达数据传感器航迹 中图分类号:TN95文献标识码:A 1 ADS-B概述 ADS-B,即广播式自动相关监视,是一种利用空地、空空数据通信完成交通监视和信息传递的航行新技术,国际民航组织(ICAO)将其确定为未来监视技术发展的主要方向,并正积极推进该项技术的应用。 作为应用在空中交通服务中的监视技术,ADS-B主要实施空对空监视,装备了ADS-B机载 设备的飞机通过数字式数据链,不停地广播其精确的4维位置信息(经度、纬度、高度和时间)和其它可能附加信息(冲突告警信息,飞行员输入信息,航迹角,航线拐点等信息)以及飞机的识别信息和类别信息。ADS-B接收机与空中交通管理系统、其它飞机的机载ADS-B结合起来,在空地都能提供精确、实时的冲突信息。 ADS-B技术是新航行系统中非常重要的监视技术,与常规雷达相比,ADS-B能够提供更加实时和准确的航空器位置等监视信息,但对其建设投资只有前者的十分之一左右,并且维护费用低,使用寿命长。使用ADS-B可以增加无雷达区域的空域容量,减少有雷达区域对雷达多重覆盖的需求,大大降低空中交通管理的费用。 但由于在技术体制、规划性、兼容性等个方面问题,单一依靠雷达系统或ADS-B实施空中交通监视,都会存在影响空中交通服务的有效性和可靠性的问题。如何将ADS-B信息与雷达数据融合应用,成为一个有益的课题。 2 ADS-B与常规雷达的比较 在工作原理和数据来源方面,常规的民用航管二次雷达,使用A/C询问模式工作,雷达向飞机询问,飞机的应答机向地面雷达发送气压高度和二次编码,地面雷达通过计算得出飞机的相对距离和方位。而ADS-B无需应答,是飞机依靠星基GPS来确定精确位置,由机载设备将GPS定位
传感器数据融合(20200630195849)
传感器数据融合技术 数据融合也称为信息融合，是将来自多个传感器或多源的信息进行综合处理，从而得出更为全面、准确和可靠的结论。数据融合出现于2 0世纪7 0年代，源于当时军事领域的需要，称为多源相关、多传感器混合数据融合，并于20世纪80年代建立其技术。美国是数据融合技术起步最早的国家，在随后的十几年时间里各国的研究开始逐步展开，并相继取得了一些具有重要影响的研究成果。和国外相比, 我国在数据融合领域的研究起步较晚。海湾战争结束以后，数据融合技术引起国内有关单位和专家的咼度重视。一些咼校和科研院所相继对数据融合的理论、系统框架和融合算法展开了大量研究，但基本上处于理论研究的层次，在工程化、实用化方面尚未取得有成效的突破，许多关键技术问题尚待解决。 多传感器数据融合是人类和其他生物系统中普遍存在的一种基本功能。人类本能地具有将身体上的各种功能器官所探测到的信息与先验知识进行融合的能力，以便对周围的环境和正在发生的事件作出估计。多传感器数据融合的基本原理就像人脑综合处理信息的过程一样，它充分利用多个传感器资源，通过对这些传感器及其获得信息的合理支配和使用，把其在时间或空间上的冗余或互补信息依据某种准则来进行综合，以获得被测对象的一致性解释或描述，使该系统由此而获得比它的各组成部分的子集所构成的系统具备更优越的性能。 具体而言，多传感器数据融合基本原理如下： 1）多个不同类型的传感器获取目标的数据； 2）对输出数据进行特征提取，从而获得特征矢量； 3）对特征矢量进行模式识别，完成各传感器关于目标的属性说明； 4）将各传感器关于目标的属性说明数据按同一目标进行分组，即关联； 5）利用融合算法将每一目标各传感器数据进行合成，得到该目标的一致性解释与描述。 在各种系统中，靠单一的传感器不能满足对目标、环境的识别和控制的要求。若对不同传感器采集的数据单独、孤立地进行加工，不仅会导致数据处理工作量的剧增，而且割断了各传感器数据之间的有机联系，丢失数据有机组合蕴涵的特征，造成数据资源的浪费。因此，要对多传感器的数据进行
AIS与雷达数据融合技术研究孙文杰
AIS与雷达数据融合技术研究孙文杰 AIS与雷达都是船舶导航的关键设备，但有着各自的优势和不足，将两者综合应用具有重要意义。但AIS与雷达数据既有冗余又有互补，因此需要一定的数据融合算法才能达到较好的应用效果。文章从AIS和雷达在船舶导航的应用背景出发，介绍了雷达和AIS系统的基本工作原理，并详细分析了其各自的优缺点，论述了两种技术相结合的必要性。最后对AIS与雷达数据融合技术进行了深入研究，给出了一个典型的数据融合系统，为船舶航行安全提供了保障。 标签：雷达；AIS；数据融合；船舶导航 Abstract：Both AIS and radar are the key equipment of ship navigation，but they have their own advantages and disadvantages，so it is of great significance to apply them in a comprehensive way. However，AIS and radar data are redundant and complementary，so a certain data fusion algorithm is needed to achieve good results. Based on the application background of AIS and radar in ship navigation，this paper introduces the basic working principle of radar and AIS system，analyzes their respective advantages and disadvantages in detail，and discusses the necessity of combining the two technologies. Finally，the technology of data fusion between AIS and radar is deeply studied，and a typical data fusion system is presented，which provides a guarantee for the safety of ship navigation. Keywords：radar；AIS；data fusion；ship navigation 1 概述 随着经济的发展，海运和内河航运走进了一个新的阶段，船舶数量不断增加，港口和航道的船只密度越来越高，船舶碰撞事件時有发生。雷达的应用在一定程度上解决了船舶定位和碰撞问题，但雷达易受雨雪和海浪等因素的影响，而且在图像显示和航迹预测方面还有很大的不足，因此未能完全满足船舶航行安全的要求。船舶自动识别系统（Automatic Identification System，AIS）技术的产生很大程度上弥补了雷达的缺陷，使船只信息交换更加准确快捷。因此，在雷达系统的基础上加装AIS系统，将两者综合起来形成一个新的系统，具有广阔的应用前景。 2 雷达及AIS基本原理 2.1 雷达导航原理 雷达是通过电磁波的反射原理来对目标位置进行测量的。首先雷达天线会对外发射射频信号，若目标存在，则会将部分信号反射回来，雷达天线接收到反射信号后，根据其强度和角度等信息即可计算出目标所在的位置。通过不停地发射与接收，即可测量出目标的运动轨迹。雷达可以区分出固定的物体和运动物体，
数据融合
多传感器数据融合技术及其应用 多传感器数据融合概念 数据融合又称作信息融合或多传感器数据融合,对数据融合还很难给出一个统一、全面的定义。随着数据融合和计算机应用技术的发展,根据国外研究成果,多传感器数据融合比较确切的定义可概括为充分利用不同时间与空间的多传感器数据资源,采用计算机技术对按时间序列获得的多传感器观测数据,在一定准则下进行分析、综合、支配和使用,获得对被测对象的一致性解释与描述,进而实现相应的决策和估计,使系统获得比它的各组成部分更充分的信息。 多传感器数据融合原理 多传感器数据融合技术的基本原理就像人脑综合处理信息一样,充分利用多个传感器资源,通过对多传感器及其观测信息的合理支配和使用,把多传感器在空间或时间上冗余或互补信息依据某种准则来进行组合,以获得被测对象的一致性解释或描述。具体地说,多传感器数据融合原理如下: 1)N个不同类型的传感器(有源或无源的)收集观测目标的数据; (2)对传感器的输出数据(离散的或连续的时间函数数据、输出矢量、成像数据或一个直接的属性说明)进行特征提取的变换,提取代表观测数据的特征矢量Yi; (3)对特征矢量Yi进行模式识别处理(如,聚类算法、自适应神经网络或其他能将特征矢量Yi变换成目标属性判决的统计模式识别法等)完成各传感器关于目标的说明; 4)将各传感器关于目标的说明数据按同一目标进行分组,即关联; (5)利用融合算法将每一目标各传感器数据进行合成,得到该目标的一致性解释与描述。 多传感器数据融合方法
多传感器数据融合的常用方法基本上可概括为随机和人工智能两大类,随机类方法有加权平均法、卡尔曼滤波法、多贝叶斯估计法、Dempster-Shafer(D-S)证据推理、产生式规则等;而人工智能类则有模糊逻辑理论、神经网络、粗集理论、专家系统等。可以预见,神经网络和人工智能等新概念、新技术在多传感器数据融合中将起到越来越重要的作用。 卡尔曼滤波法 卡尔曼滤波主要用于融合低层次实时动态多传感器冗余数据。该方法用测量模型的统计特性递推,决定统计意义下的最优融合和数据估计。如果系统具有线性动力学模型,且系统与传感器的误差符合高斯白噪声模型,则卡尔曼滤波将为融合数据提供唯一统计意义下的最优估计。卡尔曼滤波的递推特性使系统处理不需要大量的数据存储和计算。但是,采用单一的卡尔曼滤波器对多传感器组合系统进行数据统计时,存在很多严重的问题,例如:(1)在组合信息大量冗余的情况下,计算量将以滤波器维数的三次方剧增,实时性不能满足;(2)传感器子系统的增加使故障随之增加,在某一系统出现故障而没有来得及被检测出时,故障会污染整个系统,使可靠性降低。 多贝叶斯估计法 贝叶斯估计为数据融合提供了一种手段,是融合静态环境中多传感器高层信息的常用方法。它使传感器信息依据概率原则进行组合,测量不确定性以条件概率表示,当传感器组的观测坐标一致时,可以直接对传感器的数据进行融合,但大多数情况下,传感器测量数据要以间接方式采用贝叶斯估计进行数据融合。多贝叶斯估计将每一个传感器作为一个贝叶斯估计,将各个单独物体的关联概率分布合成一个联合的后验的概率分布函数,通过使用联合分布函数的似然函数为最小,提
数据融合各种算法整理汇总
数据融合各种算法及数学知识汇总 粗糙集理论 理论简介 面对日益增长的数据库，人们将如何从这些浩瀚的数据中找出有用的知识？ 我们如何将所学到的知识去粗取精？什么是对事物的粗线条描述什么是细线条描述？ 粗糙集合论回答了上面的这些问题。要想了解粗糙集合论的思想，我们先要了解一下什么叫做知识？假设有8个积木构成了一个集合A，我们记： A={x1,x2,x3,x4,x5,x6,x7,x8}，每个积木块都有颜色属性，按照颜色的不同，我们能够把这堆积木分成R1={红，黄，蓝}三个大类，那么所有红颜色的积木构成集合X1={x1,x2,x6}，黄颜色的积木构成集合X2={x3,x4}，蓝颜色的积木是：X3={x5,x7,x8}。按照颜色这个属性我们就把积木集合A进行了一个划分(所谓A的划分就是指对于A中的任意一个元素必然属于且仅属于一个分类），那么我们就说颜色属性就是一种知识。在这个例子中我们不难看到，一种对集合A的划分就对应着关于A中元素的一个知识，假如还有其他的属性，比如还有形状R2={三角,方块,圆形}，大小R3={大,中,小}，这样加上R1属性对A构成的划分分别为： A/R1={X1,X2,X3}={{x1,x2,x6},{x3,x4},{x5,x7,x8}} （颜色分类） A/R2={Y1,Y2,Y3}={{x1,x2},{x5,x8},{x3,x4,x6,x7}} （形状分类） A/R3={Z1,Z2,Z3}={{x1,x2,x5},{x6,x8},{x3,x4,x7}} （大小分类） 上面这些所有的分类合在一起就形成了一个基本的知识库。那么这个基本知识库能表示什么概念呢？除了红的{x1,x2,x6}、大的{x1,x2,x5}、三角形的{x1,x2}这样的概念以外还可以表达例如大的且是三角形的 {x1,x2,x5}∩{x1,x2}={x1,x2}，大三角{x1,x2,x5}∩{x1,x2}={x1,x2}，蓝色的小的圆形({x5,x7,x8}∩{x3,x4,x7}∩{x3,x4,x6,x7}={x7}，蓝色的或者中的积木{x5,x7,x8}∪{x6,x8}={x5,x6,x7,x8}。而类似这样的概念可以通过求交运算得到，比如X1与Y1的交就表示红色的三角。所有的这些能够用交、并表示的概念以及加上上面的三个基本知识(A/R1,A/R2.A/R3)一起就构成了一个知识系统记为R=R1∩R2∩R3，它所决定的所有知识是 A/R={{x1,x2},{x3,x4},{x5},{x6},{x7},{x8}}以及A/R中集合的并。 下面考虑近似这个概念。假设给定了一个A上的子集合X={x2,x5,x7}，那么用我们的知识库中的知识应该怎样描述它呢？红色的三角？****的大圆？ 都不是，无论是单属性知识还是由几个知识进行交、并运算合成的知识，都不能得到这个新的集合X，于是我们只好用我们已有的知识去近似它。也就是在所有的现有知识里面找出跟他最像的两个一个作为下近似，一个作为上近似。于是我们选择了“蓝色的大方块或者蓝色的小圆形”这个概念： {x5,x7}作为X的下近似。选择“三角形或者蓝色的”{x1,x2,x5,x7,x8}作为它的上近似，值得注意的是，下近似集是在那些所有的包含于X的知识库
浅析多源遥感数据融合原理及应用
浅析多源遥感数据融合原理 摘要: 本文介绍了遥感影像融合技术, 系统阐述了几种常见的遥感影像融合方法及其优缺点。首先，阐述了多源遥感影像数据融合的目的、意义以及多源遥感影像数据融合的基本理论；然后介绍了多源遥感影像数据融合的层次和常用方法,在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上，归纳了多源遥感影像数据融合方法，然后通过实验，对不同方法融合后的成果图进行比较，每种方法都有其自身的优点和不足之处，这就决定了它们在应用方面的不同，采用乘积方法变换、Brovey比值变换和PCA变换融合方法融合后的图像，其光谱保真程度逐渐降低．Muhiplieative（乘积）变换融合较好地保留了多光谱波段的光谱分辨率和空间信息，融合图像的光谱保真能力较好，详细程度较高；PCA变换融合和Brovey变换；融合和影像质量一般．与PCA变换融合比较，Brovey变换融合的空间信息的详细程度较低，但相对好的保留了多光谱波段的光谱分辨率。 关键词: 遥感影像融合融合层次融合方法优缺点对比
目录 1、绪论 (1) 2、多源遥感数据融合的基本理论 (1) 2.1 多源遥感数据融合的概念 (3) 2.2多源遥感数据融合的原理 (4) 2.3多源遥感数据融合层次 (4) 2.3.1 像元级融合 (4) 2.3.2 特征级融合 (4) 2.3.3 决策级融合 (5) 3、多源遥感数据融合常用方法 (5) 3.1 主成分变换（PCT） (5) 3.2 乘积变换 (5) 3.3 Brovey比值变换融合 (5) 4、实验与分析 (6) 5、结语 (8) 参考文献 (9) 致谢 (10)
遥感数据融合
遥感图像的融合 1、目的与要求 1、了解遥感图像融合的原理和方法 2、熟悉高、低分辨率的影像的融合步方法骤 3、掌握遥感软件中常用的遥感数据融合的步骤与方法 2、实验内容 选择ETM8波段的数据与假彩色合成波段的数据做融合处理。融合的方法主要是高、低分辨率遥感数据的融合。 数据要求：在融合之前，第8波段和合成波段数据都已经经过了几何校正和辐射校正等预处理。 3、实验步骤 1、空间分辨率融合 选择“Erdas”面板菜单“Interpreter”->”Spatial Enhancement”->”Resolution Merge”命令，打开“Resolution Merge”对话框。设置如下参数： 文件设置：高空间分辨率的输入图像、多光谱输入图像和输出文件。 融合方法的选择： ¤主成分变换法 ¤乘积变换法 ¤比值变换法 主成分变换法：
融合前融合后乘积变换法：
融合前融合后 2、IHS融合 选择“Erdas”面板菜单“Interpreter”->”Spatial Enhancement”->”Mod.IHS Resolution Merge”命令，打开”Mod.IHS Resolution Merge”对话框，在输入、层选择和输出3个页面中设置参数。
融合前融合后 3、高通滤波融合 选择“Erdas”面板菜单“Interpreter”->”Spatial Enhancement”->”HPF Resolution Merge”命令，
打开”HPF Resolution Merge”对话框,设置如下参数： R值：多光谱图像分辨率与高分辨率图像的分辨率的比值。通过它可以调整卷积核的大小和中心值。 Kernel Size:高通滤波卷积核的大小，有R值决定。 Center Value:卷积核的中心值。 Weighting Factor:权重影响因子。 2Pass Processing :二次滤波选项。当R值大于或等于5.5时，此选项才生效。
数据融合原理与方法
数据融合(data fusion)原理与方法2007年01月21日星期日 18:41数据融合（data fusion）原理与方法 数据融合（data fusion）最早被应用于军事领域。 现在数据融合的主要应用领域有：多源影像复合、机器人和智能仪器系统、战场和无人驾驶飞机、图像分析与理解、目标检测与跟踪、自动目标识别等等。在遥感中，数据融合属于一种属性融合，它是将同一地区的多源遥感影像数据加以智能化合成，产生比单一信息源更精确、更完全、更可靠的估计和判断...... 一. 数据融合基本涵义 数据融合（data fusion）最早被应用于军事领域。 现在数据融合的主要应用领域有：多源影像复合、机器人和智能仪器系统、战场和无人驾驶飞机、图像分析与理解、目标检测与跟踪、自动目标识别等等。在遥感中，数据融合属于一种属性融合，它是将同一地区的多源遥感影像数据加以智能化合成，产生比单一信息源更精确、更完全、更可靠的估计和判断。相对于单源遥感影象数据，多源遥感影象数据所提供的信息具有以下特点： 1.冗余性：表示多源遥感影像数据对环境或目标的表示、描述或解译结果相同； 2.互补性：指信息来自不同的自由度且相互独立 3.合作性：不同传感器在观测和处理信息时对其它信息有依赖关系； 4.信息分层的结构特性：数据融合所处理的多源遥感信息可以在不同的信息层次上出现，这些信息抽象层次包括像素层、特征层和决策层，分层结构和并行处理机制还可保证系统的实时性。 实质：在统一地理坐标系中将对同一目标检测的多幅遥感图像数据采用一定的算法，生成一幅新的、更能有效表示该目标的图像信息。 目的：将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠性，提高数据的使用效率。 二、数据融合原理及过程 一般来说，遥感影像的数据融合分为预处理和数据融合两步 1.预处理： 主要包括遥感影像的几何纠正、大气订正、辐射校正及空间配准 （1）几何纠正、大气订正及辐射校正的目的主要在于去处透视收缩、叠掩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响； （2）影像空间配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。 影像的空间配准时遥感影像数据融合的前提空间配准一般可分为以下步骤 : (1）特征选择：在欲配准的两幅影像上，选择如边界、线状物交叉点、区域轮廓线等明显的特征。 （2）特征匹配：采用一定配准算法，找处两幅影像上对应的明显地物点，作为控制点。 （3）空间变化：根据控制点，建立影像间的映射关系。 （4）插值：根据映射关系，对非参考影像进行重采样，获得同参考影像配准的影像。 空间配准的精度一般要求在1~2个像元内。空间配准中最关键、最困难的一步就是通过特征匹配寻找对应的明显地物点作为控制点。
信息融合理论综述
密封线 报告题目：信息融合理论综述 信息融合理论综述 摘要在军事技术、自动化、智能化等需求的牵引下，信息融合理论受到了学术界和工业 界的广泛关注。本文综述了信息融合的发展过程、信息融合的模型、信息融合算法以及多 模态信息融合法、高冲突信息融合法、网络化信息融合法等内容，最后预测了信息融合的 发展趋势。 关键词信息融合数据融合多模态信息融合高冲突信息融合网络化信息融合 一、引言 信息融合[1-3]在生物世界中广泛存在，工程领域中的信息融合本质上是用数学和机器对生物体信息融合功能的模仿和抽象。20世纪70年代初首先在军事领域产生了“数据融合”概念,即把多种传感器获得的数据进行“融合处理”，以得到比单一传感器更加准确和有用的信息。之后，基于多源信息综合意义的“融合”一词出现于各类技术文献中。逐渐地这一概念不断扩展，被处理的对象不仅包含多平台、多传感器、多源信号和数据,还包括符号、甚至知识和经验等多种信息。目前信息融合的一般定义为: 利用计算机技术,对按时序获得的若干传感器(含软传感)的观测信息在一定准则下加以自动分析、优化综合以完成所需的决策和估计任务而进行的信息处理过程。从定义中看到，各种传感器是信息融合的基础，多源信息是信息融合[1-4]加工的对象，协凋优化和综合处理是信息融合的核心。 信息融合是一种形式框架，其过程是用数学方法和技术工具综合不同源信息，目的是得到高品质的有用信息。与单一信源独立处理相比，信息融合的优势包括：提高可探测性和可信度，扩大时空感知范围；降低推理模糊程度, 改进探测精度等性能；增加目标特征维数, 提高空间分辨率；增强系统容错能力和自适应性，从而提高全系统性能。信息融合的研究对象和应用领域不仅深入到国防、工业、农业、交通等传统行业，还拓展到气象预报、地球科学、社会、经济等新兴交叉行业，“信息融合”作为一种共识的概念逐渐被接受。具有信息融合功能的系统广泛服务于军事、遥感、交通、医疗、农业、经济等关系到国家安全和国计民生的
数据融合概念
数据融合概念的提出源自战争的需要，是依赖于军事应用的。但随着数据融合的发展，它已经成为一门独立的学科，不受某一种应用明显的影响，而是借助于推理，对概念进行一般化，特殊化的综合分析来提出自己的问题。数据融合是一个具有广泛应用领域的概念，很难给出一个统一的定义。数据融合是针对一个系统中使用多个传感器这一特定问题而展开的研究方向，它的定义可以概括为：利用计算机技术对按时序获得的若干传感器的观测信息在一定准则下加以自动分析、综合以完成所需的决策和估计任务而进行的信息处理过程。按照这一定义，多传感器系统是数据融合的硬件基础，多源信息是数据融合的加工对象，协调优化和综合处理是数据融合的核心。 数据融合最早用于军事领域，美国国防部JDL（Joint Directors of Laboratories）从军事应用的角度将数据融合定义为这样的一个过程，即把来自许多传感器和信息源的数据进行联合（Association）、相关（Correlation）、组合（Combination）和估值的处理，以达到准确的位置估计（Position Estimation）与身份估计（Identity Estimation），以及对战场情况和威胁及其重要程度进行及时的完整评价。吉林大学博士学位论文：多传感器数据融合问题的研究有的专家对上述定义进行了补充和修改，用状态估计代替位置估计，并加入了检测的功能，从而给出了如下定义：数据融合是一个多层次、多方面的处理过程，这个过程是对多源数据进行检测、结合、相关、估计和组合，以达到精确的状态估计和身份估计，以及完整及时的态势评估和威胁估计。此定义有三个要点：数据融合是多信源、多层次的处理过程，每个层次代表信息的不同抽象程度；数据融合过程包括数据的检测、关联、估计与合并；数据融合的输出包括低层次上的状态身份估计和高层次上的总战术态势的评估。从非军事应用的角度来说，数据融合是对多个传感器和信息源所提供的关于某一环境特征的不完整信息加以综合，以形成相对完整、一致的感知描述，从而实现更加准确的识别判断功能。综合考虑上述定义，融合都是将来自多传感器或多源数据进行综合处理，从而得出更为准确可信的结论。多传感器数据融合主要包括多传感器的目标检测、数