王宏飞[1]2003年在《被动传感器信息融合研究与应用》文中研究指明本文系统研究了被动传感器信息融合中的一些前沿和热点问题：仅有角测量信息的单个被动传感器对机动目标的自适应跟踪问题、复杂环境中的被动传感器的数据关联问题、多被动传感器融合跟踪系统的测量数据关联预处理问题、多传感器优化配置问题以及融合跟踪精度和跟踪方法等，另外还就态势与威胁估计这个热点问题进行了相关研究，提出了一些新的观点，取得了一些研究成果。主要内容如下： 1．研究了仅有方位角测量信息的单被动传感器对机动目标的自适应跟踪方法。首先建立了二维跟踪模型，给出了适用于匀速目标和机动目标跟踪的修正增益扩展卡尔曼滤波方法，然后提出了仅有角测量信息的单个被动传感器在目标机动意义下的一种自适应跟踪新方法，该方法依靠加速度周期递推估计，不需要系统噪声假定，不需要机动判别，不需要模型切换，不需要增加过多的计算负担，能自适应目标机动，跟踪滞后不明显，对于高采样率的被动传感器具有优良的跟踪效果。 2．研究了在复杂环境中基于图像检测的单个传感器对运动目标的数据关联和跟踪方法。对于被动红外图像的远距离多目标跟踪，即使虚假量测的密度不大，如果目标密度较大，极易出现成像的交迭现象，本文提出了这种情形下的数据关联方法，即多重分配方法，该方法属于多假设法。对于基于红外图像的远距离单个小目标跟踪，当虚假量测的密度较大，干扰严重时，如果跟踪器能够向传感器提供反馈信息(目标位置预测信息)，那么传感器的检测可以采用Bayes检测，采用变门限检测方法可大大减少需要处理的侯选量测数量，这对于基于概率数据关联滤波的跟踪方法来说是很有利的，我们推导了概率数据关联滤波算法中相应的参数计算公式，并对其进行了仿真验证。 3．研究了多被动传感器组网时的量测预处理问题以及传感器的优化配置问题。量测预处理的目的是为了有效降低关联计算量，从而便于实时计算，幻影现象的排除是多被动传感器数据关联中最为困难的问题，也是仅有角测量信息的多被动传感器融合跟踪系统获得实际应用和深入研究的主要障碍。为此，我们提出了一套有效的解决方法，该方法可大大减少数据关联的计算量。我们还分析了采用大量被动传感器融合检测目标时的传感器优化配置问题，给出了不同的目标分布密度所对应的传感器优化分布密度，具有很强的工程实用性。 4．研究了仅有角度测量信息的多传感器系统对目标的融合跟踪方法，这是当前被动传感器信息融合研究中的一个薄弱环节。对运动载体上的两台被动式传感器交会跟踪目标的跟踪精度问题进行了深入研究，建立了双被动传感器交会跟踪的Cnnnelr-R加无偏估计不等式下界计算式，并用其计算了不同通信带宽条件下的距离估计精度值。针对目标运动的常速度模型，建立了单站形式的扩展卡尔曼滤波跟踪算法。计算和仿真表明，利用双被动传感器交会的量测进行数据融合以跟踪目标是很有实际意义的。研究了修正增益卡尔曼滤波器在集中式融合中的适用性，并对传感器侧量野值和通信故障的自适应融合滤波方法进行了研究。提出了传感器融合跟踪门的概念和建立方法，适用于存在虚假信号响应情况下的融合跟踪。 5.在态势和威胁级的融合层次也作了一些研究。态势分析和威胁估计是信息融合系统中的最高层次的融合，也是多学科知识的融合，最难以实现的，它是多传感器信息融合的一个研究热点。不同的应用背景对融合的具体目标有不同的要求。虽然它们是近阶段信息融合研究方面的一个热点，但尚未形成成熟通用的理论。本文提出了一种通用的模糊阶段态势估计方法，另外还在军事领域广泛采用的L坦clleSILer动态损耗方程的基础上，根据合理的假设，严格地建立了多传感器系统及其火力单元在对抗中的威胁评估模型，可为武器系统的信息处理单元提供对抗条件下的威胁评估和辅助决策。
何友, 关欣, 王国宏[2]2005年在《多传感器信息融合研究进展与展望》文中研究说明介绍了信息融合定义的新认识、信息融合系统功能模型和结构模型的新发展,并就多传感器信息融合中的分布式检测融合、航迹起始、检测与跟踪的联合优化、主被动传感器系统数据关联、估计融合模型、传感器管理、非线性滤波所采用的数学工具等若干关键技术的新成果与新动向展开了讨论,详细阐述了各项技术的一些有代表性的最新进展及其在多传感器信息融合系统中的应用和发展情况。最后对多传感器信息融合技术的研究动向进行了展望,提出了今后的发展趋势和我们的研究策略。
杨慧[3]2010年在《多传感器信息融合技术的研究与应用》文中提出精确制导武器的使用使得多模复合制导技术得到了大大发展,多传感器信息融合技术的主要应用就是在多模复合制导系统中,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,做出正确的判断与决策,同时大大提高多模复合制导系统的精度。本论文主要研究多模复合制导技术中多传感器信息融合技术的理论研究和实际应用。数据预处理方面,介绍了最小二乘时间对准算法,重点讨论了卡尔曼滤波算法、有效野值剔除算法和最小二乘滤波算法,并进行了仿真和比较。数据关联方面,主要研究了最近邻数据关联算法、概率数据关联算法、联合概率数据关联算法和灰色关联数据关联算法,并在灰色关联数据关联算法的基础上,提出了基于熵权的灰色关联数据关联算法,该算法能够自适应的根据特征信息给出特征的权重,使关联结果更加合理可靠。数据决策方面,讨论了DS证据合成理论方法和其改进算法。并且总结出基于熵权灰关联和DS证据合成理论的时空域判决方法,该算法利用熵权的灰关联度形成传感器报告,根据DS证据合成理论方法对传感器报告进行时域和空域的融合判决,仿真表明该算法能够去除冗余信息,降低不确定度,使判决结果可靠度高。针对DS证据合成理论无法解决严重冲突情况和非互斥证据的问题,引入了凸优化算法,经仿真验证该算法有很好的判决结果。数据融合方面,研究了航迹融合算法、联合卡尔曼滤波算法和最小二乘融合算法,并对这叁种算法进行了仿真与比较。在实际应用方面,本文对信息融合分机进行了调试,对上位机界面进行了编写与调试。目前该分机已经调试完毕,能够实时的对各个分机的量测数据进行数据预处理、数据关联、数据决策及数据融合,提高了多模复合制导系统的精度。目前,该分机准备下一步系统联调。
赵欣[4]2009年在《基于随机集理论的被动多传感器多目标跟踪技术》文中研究说明被动多传感器多目标跟踪技术是目标跟踪系统的重要研究内容之一,在军事和民用领域已经展现出有效而广阔的理论和应用前景。但由于飞行器性能的提高及电子对抗等技术的进步,现代目标跟踪环境发生了显着的变化,目标的强机动、背景的高杂波、观测的高虚警及目标数量的不确定等特点,使得现代被动多目标跟踪技术遇到了很大的挑战。针对上述问题,本论文重点研究了基于随机集理论的被动多传感器多目标跟踪算法。首先,介绍了被动多传感器系统的基本数据处理方法。针对数目固定的多个机动运动目标,提出了一种适用于被动观测系统的粒子滤波关联跟踪算法,有效的实现了对多个做非线性运动目标的跟踪。其次,将随机集理论引入多目标跟踪中,研究了基于随机集概率假设密度(PHD)的变维信息融合方法。针对高杂波、高虚警环境下,目标数量变化的非线性多目标跟踪问题,研究了高斯和粒子采样的PHD算法(GSPPHD)并利用拟蒙特卡罗采样对GSPPHD算法进行了改进。实验表明,提出的改进算法在保证跟踪精度的同时,降低了GSPPHD算法的计算量。另外,针对高杂波、高虚警环境下,数量变化的机动多目标跟踪问题,提出了交互多模型PHD(IMM-PHD)多传感器多机动目标跟踪算法。仿真结果表明,IMM-PHD算法对于存在大量虚警干扰的情况,仅通过获得关于目标的角度信息就能够实时有效的跟踪数量变化的多个机动目标。最后,针对随机集PHD跟踪算法难以形成个体目标航迹的问题,提出了一种新的基于随机集的Rao-Blackwellized粒子滤波(RBPF)关联算法,通过与PHD算法结合,有效的实现多目标跟踪及其航迹检测与关联。
高倩[5]2012年在《基于信息融合的多传感器多目标跟踪算法研究》文中研究指明信息融合技术在军事和民用领域中有着广泛的应用前景，而多传感器多目标跟踪是信息融合技术在目标跟踪领域中的重要应用之一。基于信息融合的多传感器多目标跟踪技术通过充分融合多个传感器获得的有效量测信息，来提高对目标运动状态估计的精度，研究表明，多传感器系统的多目标跟踪性能优于单传感器系统的多目标跟踪性能。本文主要讨论了几种常见的集中式多雷达多目标跟踪算法、集中式多被动传感器多目标跟踪算法、融合多源信息的多雷达多目标跟踪算法。本文的主要工作如下：1、分析了主动传感器系统中几种常用的次优量测数据关联算法，包括概率数据关联算法、联合概率数据关联算法以及广义概率数据关联算法，并通过仿真探讨了各种算法的优缺点。2、针对传统最优分配算法时间花费较长的问题，提出一种基于动态信息的最优分配算法。新算法利用动态信息构建最优分配算法模型，其计算简单，易于实现。在此基础上，提出一种改进的基于边缘互属概率的最优分配算法，并进行了相应的仿真分析。改进算法通过用量测和目标之间的边缘互属概率代替原算法中的统计概率，提高了较差探测环境下的多目标跟踪性能。另外，在充分考虑广义概率数据关联算法和新最优分配算法的优缺点的基础之上，将广义概率数据关联算法和最优分配算法进行有效融合，得到能够充分发挥它们各自优点的基于最优分配的广义概率数据关联算法。3、讨论了融合多源信息的多传感器多目标跟踪算法，包括次优数据关联算法和最优分配算法，并将多特征信息引入概率数据关联算法、联合概率数据关联算法、广义概率数据关联算法叁种次优数据关联算法以及最优分配算法和改进的最优分配算法中。通过仿真实验，对基于特征信息的多传感器多目标跟踪算法和仅仅基于状态估计的多传感器多目标跟踪算法的性能进行分析、对比。4、针对被动传感器系统叁维(3-D)分配算法的计算负担沉重的问题，提出一种新的多被动传感器多目标量测数据关联的3-D分配算法。在一般的探测环境下，新算法不仅进一步提高了多目标的跟踪性能，而且大大降低了算法的时间复杂度，具有较好的实时性。但在密集目标环境下，新算法的跟踪性能有所下降，为此提出了融合航向信息的新3-D分配算法，该算法在一定程度上克服了新算法的不足之处。此外，考虑到广义概率数据关联算法的优点，在新3-D分配算法的基础上，提出了改进量测和目标之间的关联概率的改进3-D分配算法以及发挥广义概率数据关联算法和新3-D分配算法各自优点的融合算法。总结、分析了各种相关算法的性能及其应用特点。
康健[6]2013年在《基于多传感器信息融合关键技术的研究》文中研究指明多传感器信息融合技术是国家重点科研项目,近年来,世界各国都投入了大量的人力、物力来对多源信息融合技术进行理论和应用方面的研究,目前该新技术主要用于军事领域,民用前景也十分广泛,可见该技术的重要性。本文主要围绕多传感器信息融合技术中的一些关键技术展开研究,论文的主要研究内容包括解决数据预处理技术中的野值剔除、数据关联、数据决策以及多传感器信息融合的实际应用。首先,数据预处理技术是提高融合系统精确度的前提,由于噪声等因素的干扰,导致传感器接收到的数据精确度不高,甚至会出现偏差严重的数据。针对这一问题,提出了基于新息变化的野值检测方法,该方法考虑新息的变化情况来对野值进行检测,利用卡尔曼滤波获得的新息情况实时的对量测是否为野值进行判断,并通过加权函数计算量测的权重用来对野值点进行数据补偿来解决野值问题,以此提高数据预处理部分数据的精度。通过仿真证明了算法的有效性。其次,对于数据关联算法的研究部分,针对在高杂波密度环境下的单目标跟踪算法精度不高的现象,提出了基于证据理论的概率数据关联算法,该方法充分利用传感器的量测信息和通过概率关联算法获得的状态估计信息,并通过改进的证据理论合成算法对信息进行融合,提高了目标的跟踪精度。对于多杂波环境下多目标的跟踪问题,在单目标跟踪算法的基础上进行了扩展研究,提出了基于证据理论的联合概率数据关联算法,该方法有效解决了多杂波、多目标情况下,经典数据关联算法目标跟踪精度过差的问题。此外,在提高多目标跟踪精度的基础上,为了减少计算量,提高目标跟踪的实时性,提出了基于最大模糊熵的数据关联改进算法,该方法利用最大模糊熵来对跟踪门内的量测进行重新分配,解决了随着目标数目的增多,可行性矩阵成几何倍数增长的缺陷,减小了计算量。并通过仿真实验验证了算法的性能。再次,对信息融合技术中数据决策部分的相关算法受限于先验知识以及不能够有效处理不确定性信息的问题,提出了针对冲突的改进DS(Dempster Shafer)证据理论算法。算法通过分析证据的一致性和确定焦元的重要性两方面入手,解决了DS证据理论存在的一票否决现象和证据冲突过大的问题,并降低了判决结果的不确定性。对于需要考虑多传感器置信度的决策问题,提出了基于传感器信任度的DS证据理论改进算法,利用灰关联获得传感器的置信度,并结合传感器获得的焦元信息和传感器置信度综合对目标进行判决,理论分析和实验仿真均表明算法具有良好的判决效果。最后,在多传感器信息融合的应用问题中,针对于同类传感器的信息融合,提出了改进的多传感器卡尔曼滤波的融合方法,利用提出的DS证据理论在权值分配上的改进方法对传感器接收的量测信息进行融合处理来得到更加准确的融合信息。并对雷达和红外的异类传感器的信息融合系统进行了仿真,仿真结果表明融合后获得了更高的精度。
李良群[7]2007年在《信息融合系统中的目标跟踪及数据关联技术研究》文中进行了进一步梳理目标跟踪与数据关联技术是信息融合系统研究的一个重要课题,由于其在军事和民用领域已经展现出有效而广阔的理论和应用前景,备受国内外学者和众多工程领域专家的高度关注。本论文针对信息融合系统中的目标跟踪与数据关联技术,从单传感器的实时目标跟踪、多被动传感器的机动目标跟踪、红外弱小目标检测前跟踪、多传感器多目标跟踪等几个方面进行了深入系统的研究,提出了一些实时有效的新方法。各章内容安排如下:第一章简要介绍了本文研究的背景、意义、信息融合系统及多传感器目标跟踪系统,概述了当前信息融合、目标跟踪及检测前跟踪技术的研究现状,最后给出了本文的主要研究成果和全文的内容安排。第二章介绍了目标跟踪的基本理论及其数学描述。对现有的多目标跟踪方法进行了综述,以简明表格的形式对几十种不同的多目标跟踪方法进行了分类,并对算法的性能指标进行了评估对比。第叁章针对杂波环境中目标跟踪的实时性问题,提出了一类快速实时数据关联新方法,包括最大熵模糊概率数据关联滤波器(MEF-PDAF)和最大熵模糊联合概率数据关联滤波器(MEF-JPDAF)。为了提高目标跟踪的实时性,提出了一种用模糊聚类隶属度代替目标关联概率的权值分配新方案,并根据最大熵模糊聚类的特点,定义最大有效距离剔除大量无效观测,从而减少了计算量。第四章在第叁章的基础上,针对杂波环境中被动机动目标跟踪的实时性问题,提出了交互多模型最大熵模糊概率数据关联滤波器,建立了被动多传感器的观测模型,给出了算法的结构流程,并在不同仿真条件下对算法性能进行了验证。为了提高算法的跟踪性能,将粒子滤波与交互多模型结合,提出了一种适合于被动传感器系统的机动目标跟踪算法,利用粒子滤波对非线性问题处理的优势,推导了杂波环境中粒子滤波似然函数的表达形式,给出了算法的结构流程,并对算法性能进行了评估比较。第五章在第四章基础上,继续对粒子滤波及检测前跟踪算法作了进一步研究。提出了一种基于迭代扩展卡尔曼滤波的粒子滤波新方法,利用迭代扩展卡尔曼滤波产生粒子滤波的重要性密度函数,使重要性密度函数能够融入最新观测信息的同时,更加符合真实状态的后验概率分布。在此基础上,提出了一种基于粒子滤波的红外弱小目标检测前跟踪算法(TBD),给出了算法的流程,并用真实红外图像对算法进行了仿真验证。第六章在FCM数据关联的基础上,提出了一种基于多FCM数据关联的多目标跟踪算法。为了使算法适应于杂波情况,提出了一种改进的FCM数据关联
童长宁[8]2010年在《基于拉格朗日松弛的被动多传感器多目标数据关联算法研究》文中提出在日益激烈的现代电子战争中,被动传感器因其具有抗干扰性强、不易被敌方发现等优点,可以用来弥补雷达探测目标时存在盲区、易暴露自身等缺陷,其战略地位在军事方面得到了不断提高。同时被动传感器技术在非军事应用方面也得到了推广。而单个被动传感器对目标的跟踪精度和可靠性都远远满足不了现实的需求,尤其是在监测区域存在多个目标的情况下。所以由多个被动传感器组网构成的信息融合系统已被广泛推崇,对多传感器信息融合算法的研究也具有十分重要的意义。本文结合“十一五”国防预先研究项目,以多个被动传感器组网探测多目标为背景,深入研究了基于拉格朗日松弛方法的多维分配数据关联算法和技术,主要研究工作和取得的成果如下:(1).根据被动传感器的工作特点、以及多个被动传感器组网的特性,从整体上描述了被动传感器组网探测多目标的研究背景和现状。介绍并对比了几种常见的数据关联算法:联合概率数据互联算法;概率多假设算法以及多维分配算法等。(2).针对被动传感器组网对多目标数据关联问题中出现的虚假点即“鬼点”多的问题,本文结合项目实际要求,分别提出了粗关联和细关联相结合的方法解决交叉定位带来的信息爆炸问题。(3).深入研究了基于拉格朗日松弛算法的叁维分配问题,透彻分析了拉格朗日松弛算法的实现流程,并对其中的缺点加以改进,主要研究工作是利用代理修正次梯度和模糊次梯度改善次梯度方向,仿真表明本文所提出的算法相对传统算法取得了较好的改进;研究了经拉格朗日松弛降维后的二维分配问题,其中包括匈牙利算法和拍卖算法。详细分析了不同分配算法的实现流程及其算法参数的选择,并对拍卖算法根据本文实际情况进行了改进。(4).研究了S(S>3)维分配问题,分析了S维分配算法和叁维分配算法的关系,并利用S维分配理论和航迹管理技术对多传感器多目标进行了动态互联。利用仿真再现了不同场景下的多维分配算法的关联性能,结果证明基于改进拉格朗日松弛算法的多维分配数据关联技术具有广阔的应用前景。最后对全文进行了总结和展望。
陈玉坤[9]2007年在《多模复合制导信息融合理论与技术研究》文中研究指明信息融合技术是多模复合制导武器的关键技术之一,它对改善精确制导武器的性能具有至关重要的意义。本文主要针对多模复合制导导引头技术研究课题中的信息融合技术,论证了信息融合分机的软、硬件设计和实现。根据系统的总体设计要求,其信息融合部分需要进行决策融合、数据关联和数据融合。文中研究了多模导引头信息融合所采用的算法,并在研制出的信息融合分机中运用了上述优选算法。同时,对信息融合的这几个关键技术进行了深入的理论研究。在数据预处理方面,研究了异常数据的识别、修补和时间对准方法。量测数据中野值的剔除方法对跟踪性能有很大影响,针对干扰影响大小的不同,提出了一种对新息在线自适应加权的方法。该方法首先进行野值的判决并剔除,在判决并去掉野值后,对新息乘以一个单调下降的加权函数,根据新息的大小自适应在线调整其权值,改变量测值对滤波估计的修正作用,从而达到提高滤波精度的目的。在决策融合理论方面,主要研究证据理论,侧重于冲突情况下的证据理论处理,研究了证据理论存在的问题以及相应的改进算法。改进算法可以充分利用各传感器信息,并对组合结果进行自适应选择,自适应选择的结果与传感器精度、可靠性以及判决门限值有关。此算法可以解决冲突情况下的目标决策问题。在数据关联方面,研究了最近邻法(NN)、概率数据关联算法(PDA)和联合概率数据关联(JPDA)算法。在杂波环境中,概率数据关联和联合概率数据关联算法是目前十分有用的跟踪算法,但是一旦出现某种干扰或是故障,通过概率数据关联算法得到的滤波值就会偏离真实值很多,造成滤波发散,严重影响性能。针对这一不足,基于概率数据关联算法中的组合新息,提出了修正概率数据关联算法,并进行了对比仿真,仿真结果验证了修正算法的有效性。在融合算法方面,研究了状态向量融合、量测向量融合、离散卡尔曼滤波递推方程和数据融合算法。根据理论和实验结果,提出了一种新的状态融合模型,即修正的测量航迹—航迹融合模型(MMTF),作为叁模导引头数据融合的数学模型,并为模型提供了理论依据。基于卡尔曼滤波预测、修正的思想,对雷达、红外传感器数据融合问题进行了研究,提出了雷达、红外传感器数据融合的新方法,仿真和实验结果表明,它可使主动雷达、红外传感器达到较好的数据融合效果。在系统实现方面,根据系统的指标要求,给出了基于高速DSP处理器TMS320C6201和FPGA的整体硬件设计、系统工作过程和软件流程,通过RS—422串口和主机口(HPI口)实现融合分机与被动雷达、主动雷达、红外传感器和弹上计算机的通信,完成了整个设计流程的调试。通过高山对海试验的检验,达到了实时跟踪的效果。
王智[10]2010年在《机载多传感器数据融合技术研究》文中进行了进一步梳理本文针对当前机载多传感器系统工程应用中面临的实际问题,对机载多传感器数据融合技术进行了研究,研究内容主要集中于机载多传感器资源分配、目标类型识别、状态估计与跟踪四个方面。系统建立了基于线性规划的多传感器资源分配算法模型,针对实际的机载火控系统的工程背景,提出将目标相对价值与传感器对目标的平均跟踪(锁定)时间之比作为效能函数,从而便于基于线性规划的分配算法的实现。给出了雷达与红外的协同探测模型和融合仿真模型。多假设跟踪算法最早应用于红外等图像跟踪系统的数据处理,一直以来都应用于单传感器的目标跟踪中,对于多传感器组网的MHT应用情况,国内目前无任何相关报导,国外已有大型的先进组网探测系统应用了该算法框架,但未见技术细节。本文对机载雷达网系统的多假设跟踪(MHT)框架设计和工程实现问题进行了系统深入的研究。针对系统实际工程特点和实装情况,重点研究了集中式点迹融合的MHT的框架构建问题,并对工程实现中的若干关键技术细节进行了说明。对目标电磁散射特征的证据组合识别作了研究,针对证据组合中的基本概率赋值求取问题,设计了单特征和多特征的目标组合识别方法,并对其实际效果进行了比较、分析和评价。针对机载红外搜索跟踪系统的特点,分别对远距离IRST的第叁代图像跟踪技术、多站交叉跟踪技术、红外与无源时差系统联合定位技术进行了研究。将Bayes检测引入到红外图像传感器在目标检测时的灰度过滤中,得到新的PDAF参数(检测概率、虚假量测分布等)。在基于MHT的远距离IRST的图像跟踪方法中,针对远距离IRST的目标属性信息的利用以及MHT的相关处理提出了相应解决办法。对双站交会跟踪的精度进行了CRLB不等式下界计算,并借用单站跟踪的模式建立一种基于单站的修正增益扩展kalman滤波(MGEKF)跟踪方法。对红外与无源时差定位系统的联合定位问题进行了精度分析。
参考文献：
[1]. 被动传感器信息融合研究与应用[D]. 王宏飞. 南京理工大学. 2003
[2]. 多传感器信息融合研究进展与展望[J]. 何友, 关欣, 王国宏. 宇航学报. 2005
[3]. 多传感器信息融合技术的研究与应用[D]. 杨慧. 哈尔滨工程大学. 2010
[4]. 基于随机集理论的被动多传感器多目标跟踪技术[D]. 赵欣. 西安电子科技大学. 2009
[5]. 基于信息融合的多传感器多目标跟踪算法研究[D]. 高倩. 鲁东大学. 2012
[6]. 基于多传感器信息融合关键技术的研究[D]. 康健. 哈尔滨工程大学. 2013
[7]. 信息融合系统中的目标跟踪及数据关联技术研究[D]. 李良群. 西安电子科技大学. 2007
[8]. 基于拉格朗日松弛的被动多传感器多目标数据关联算法研究[D]. 童长宁. 杭州电子科技大学. 2010
[9]. 多模复合制导信息融合理论与技术研究[D]. 陈玉坤. 哈尔滨工程大学. 2007
[10]. 机载多传感器数据融合技术研究[D]. 王智. 南京理工大学. 2010
标签：自动化技术论文; 信息融合论文; 数据融合技术论文; 红外传感器论文; 传感器论文; 仿真软件论文; 关联分析论文; 红外技术论文; 概率计算论文; 多目标优化论文;