摘要：多传感器的线性随机动态估计系统复杂多样,其中,各传感器之间的观测噪声相关系统得到广泛研究。但在实际应用中,噪声相关系统的状态向量还可能受到各种约束,如:等式约束、不等式约束、运动学定律等,使得估计误差方差阵可能是奇异的。理论上这些先验信息有利于更精确的估量,但现有的融合算法存在局限性,无法应用于这类情况。针对此类问题,基于线性最小均方误差(MMSE)准则,提出了最优加权的估计融合算法。通过仿真,将最优加权的估计融合算法与中心式融合算法进行对比分析,比较了两种算法的估计误差,数值结果验证了该算法的有效性。

摘要：本设计主要对分布式多传感器数据融合结构性能展开研究。分析了多传感器数据融合的主要融合结构并对两种常见的分布式数据融合算法:简单凸组合融合算法、Bar Shalom-Campo融合算法进行理论分析。最后利用MATLAB软件对简单航迹融合(SF)和协方差加权航迹融合(WCF)算法进行仿真并对仿真结果进行简单的分析来说明分布式融合结构的性能和特点。

摘要：提出了一种多地并行融合的传感器网络目标识别信息融合方法,其中,每个传感器只需要与邻居传感器交换信息。基于D-S证据理论,设计了一种分布式信息融合算法。每个传感器运行该融合算法可在一定的网络拓扑下达到目标识别信息的一致融合结果。实例仿真结果验证了该融合算法的有效性。