《分布式多传感器无源定位综述》PDF+DOC

📙 相关资料

1. 《基于神经网络的多目标多传感器无源定位数据互联》PDF+DOC 多目标多传感器纯方位无源定位(MMBPL)问题被归类为组合优化问题。神经网络多弹性模块MEM模型结合Kohonen自组织SOM模型及弹性网络EN两者特点，并加入处理异构类型输入、适应动态变化环境等特殊机理，参照SOM及EN解决TSP问题的思路，被用于实现多目标多传感器无源定位数据关联。...
2. 《传感器参数误差下的运动目标TDOA/FDOA无源定位算法》PDF+DOC 在运动目标无源定位系统中，许多算法的前提是精确已知传感器的位置以及速度，但实际情况下可利用的传感器的参数均会存在一些噪声扰动。针对这一问题，提出一种改进的两步加权最小二乘(TSWLS)时差(TDOA)与频差(FDOA)定位算法。该算法是一种闭式算法并且分为2步。第1步与经典的两步加权最小二乘算法相同......
3. 《基于多传感器的水声定位精度研究》PDF+DOC 针对TDOA定位算法中几何不确定性对定位精度的负面影响，提出一种基于多传感器信息融合的水声定位算法；该算法首先对多传感器合理布阵，确定若该个TDOA定位子系统，再对每个定位子系统用TDOA算法求得目标位置信息，最后依据几何精度因子(GDOP)对得到的若干个目标位置信息进行加权融合，得到最终定位结果；......
4. 《基于预测判定和无味滤波多目标无源跟踪算法》PDF+DOC 多传感器多目标无源交叉定位时存在虚假点的问题，且随着传感器和目标数量的增加，虚假点的数量也急剧增加。针对这个问题，提出了一种对目标无源定位跟踪的新方法，即首先通过判断预测点到传感器与目标构成的传感器目标测向方程的最小距离，来选取传感器目标测向方程，该算法可以有效避免大量虚假点的产生，以传感器目标测向......
5. 《基于Metropolis-Hastings采样的多传感器集合卡尔曼滤波算法》PDF+DOC 集合卡尔曼滤波是近年来发展起来的一种处理非线性系统估计的有效解决方法.针对标准集合卡尔曼滤波实现过程中，量测噪声不确定导致自举量测采样出现一致性偏差问题，提出了一种基于Metropolis-Hastings采样的多传感器集合卡尔曼滤波算法.首先，结合多传感器量测系统的物理特性和集合卡尔曼滤波中自举量......
6. 《分布式传感器多目标跟踪改进算法》PDF+DOC 利用分布式传感器网络进行目标跟踪，能够有效增加传感器的覆盖范围，提高对运动目标的检测和跟踪能力，但如何充分利用相邻传感器之间的信息进行有效的融合，仍然是一个难点问题。本文在多伯努利滤波(Multi-Bernoulli，MB)框架下，提出了一种改进的分布式融合跟踪算法用于目标数未知且变化的多目标跟踪。......
7. 《多传感器数据融合中的多目标静态数据关联》PDF+DOC 本文研究了无杂波和漏检的情况下三种不同类型、不同位置的传感器对数目未知的目标进行检测时的静态数据关联问题.这一问题可以通过对测量划分的联合似然函数的极大化来解决，通常可将其转化为三维匹配问题，但其求解的复杂度是NP的.本文提出了一种基于遗传算法的优化算法，来解决三维匹配问题，实验结果表明这种算法具有......
8. 《改进并行集中式数据关联算法》PDF+DOC 针对目标批次过多导致计算上的组合爆炸问题，提出一种改进并行集中式多传感器不敏近似联合概率数据关联(joint probabilistic data association，JPDA)算法。该算法首先采用基于unscented变换的卡尔曼滤波(unscent-ed Kalman filter，UKF)......
9. 《基于改进Kohonen神经网络的多传感器关联融合算法》PDF+DOC 把一种基于Kohonen神经网络模糊聚类方法运用到多传感器多目标数据关联中来，该方法能对多传感器的测量数据进行自组织聚类，把测量数据准确地划分到各个类别中去，从而实现测量数据的关联。计算机仿真结果表明，该方法运用到多传感器多目标数据关联中来具有明显的优越性，能克服传统算法的错跟漏跟现象。...
10. 《传感器位置误差条件下的约束总体最小二乘时差定位算法》PDF+DOC 现代定位系统中，传感器往往被安放在运动平台上，其位置无法精确得知，存在估计误差，将严重影响对目标的定位精度。针对这一问题，提出基于约束总体最小二乘(CTLS)的到达时差(TDOA)定位算法。首先通过引入中间变量，将非线性TDOA定位方程转化为伪线性方程，再利用CTLS技术，全面考虑伪线性方程所有系数......