面向急救人員的傳感器融合式 精密定位和跟蹤方法，很不錯(cuò)的資料，希望對(duì)你有幫助
標(biāo)簽： 傳感器
上傳時(shí)間： 2022-02-01
上傳用戶：
大數(shù)據(jù)融合及應(yīng)用(經(jīng)典)
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-14
上傳用戶：slq1234567890
人口老齡化是世界各國(guó)正在面對(duì)的一個(gè)普遍問(wèn)題。隨著我國(guó)老齡化程度的持續(xù)加劇，對(duì)于老年人群體的醫(yī)療資源投入會(huì)不斷提高。而與此同時(shí)，跌倒已經(jīng)成為老年人日常生活中最為常見(jiàn)的危險(xiǎn)行為活動(dòng)。所以，跌倒檢測(cè)系統(tǒng)的研究和應(yīng)用對(duì)降低老年人受到的身心傷害和醫(yī)療成本具有顯著的意義。目前解決老年人跌倒檢測(cè)的方案仍存在許多不足。其中，基于計(jì)算機(jī)視覺(jué)的跌倒檢測(cè)技術(shù)在無(wú)干擾的場(chǎng)景下檢測(cè)較為有效，但其易受環(huán)境變化（如背景光線影響、人遮擋問(wèn)題等）影響。此外，基于可穿戴計(jì)算的跌倒檢測(cè)技術(shù)受限于算法穩(wěn)定性和識(shí)別準(zhǔn)確率，系統(tǒng)的靈敏度和特異性難以同時(shí)得到保證。針對(duì)上述問(wèn)題本文提出一種融合計(jì)算機(jī)視覺(jué)和可穿戴計(jì)算數(shù)據(jù)的跌倒檢測(cè)新的方法。首先，設(shè)計(jì)并開(kāi)發(fā)了集成三軸加速度計(jì)、三軸陀螺儀和藍(lán)牙的活動(dòng)感知模塊，實(shí)現(xiàn)實(shí)時(shí)采集、傳輸人體活動(dòng)數(shù)據(jù)：其次，使用深度學(xué)習(xí)算法從攝像頭采集的圖像數(shù)據(jù)提取人體姿態(tài)特征數(shù)據(jù)：最后，對(duì)采集的人體活動(dòng)數(shù)據(jù)和姿態(tài)數(shù)據(jù)進(jìn)行規(guī)范化和時(shí)序化處理，設(shè)計(jì)了兩個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)分別對(duì)數(shù)據(jù)進(jìn)行特征提取，并將兩特征進(jìn)行特征層數(shù)據(jù)融合，在此基礎(chǔ)上構(gòu)建神經(jīng)網(wǎng)絡(luò)對(duì)融合數(shù)據(jù)進(jìn)行活動(dòng)本文搭建了實(shí)驗(yàn)平臺(tái)并進(jìn)行了算法測(cè)試，其中，本文跌倒檢測(cè)算法針對(duì)離線測(cè)試數(shù)據(jù)的準(zhǔn)確率為992%，平均敏感度為995%、平均特異性為99.8%：針對(duì)在線數(shù)據(jù)系統(tǒng)測(cè)試準(zhǔn)確率為98.9%、平均敏感度為99.2%、平均特異性為99.5%實(shí)驗(yàn)結(jié)果證明了利用計(jì)算機(jī)視覺(jué)和可穿戴計(jì)算數(shù)據(jù)融合的跌倒檢測(cè)具有較高的準(zhǔn)確率和魯棒性。
標(biāo)簽： 視覺(jué)圖像 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-14
上傳用戶：bluedrops
準(zhǔn)確量化和預(yù)測(cè)陸地生態(tài)系統(tǒng)碳水通量對(duì)于理解陸氣間相互作用，預(yù)測(cè)未來(lái)氣候變化和控制溫室效應(yīng)具有重要意義。通量觀測(cè)和模型模擬是目前研究碳水通量的兩種主要方法。通量觀測(cè)精度較高，但觀測(cè)范圍局限、站點(diǎn)分布不均勻，易受環(huán)境影響，難以區(qū)域擴(kuò)展；模型模擬可實(shí)現(xiàn)不同尺度參量估算，但由于理想化假設(shè)、模型參數(shù)和驅(qū)動(dòng)數(shù)據(jù)等限制，導(dǎo)致其模擬結(jié)果往往與真實(shí)值存在較大偏差。模型-數(shù)據(jù)融合方法主要是通過(guò)參數(shù)估計(jì)和數(shù)據(jù)同化兩種技術(shù)集成觀測(cè)和模型信息，建立兩者相互制約調(diào)節(jié)的優(yōu)化關(guān)系，以提高模型結(jié)果與真實(shí)值之間的匹配程度。基于該思路，本研究在地面觀測(cè)數(shù)據(jù)、遙感衛(wèi)星資料以及相關(guān)氣候環(huán)境數(shù)據(jù)基礎(chǔ)上，重點(diǎn)突破全球動(dòng)態(tài)植被模型（Lund-Potsdam-Jena Dynamic Globa Vegetation Model.LPJ-DGVM）敏感參數(shù)優(yōu)化方法，獲取適宜中國(guó)的參數(shù)化方案：在此基礎(chǔ)上，引入數(shù)據(jù)同化算法，將遙感衛(wèi)星產(chǎn)品信息與模型相融合，在模擬過(guò)程中不斷校正原有模型模擬軌跡，提高模型適用性。將以上改進(jìn)的模型推廣至中國(guó)區(qū)域，實(shí)現(xiàn)對(duì)20002015年中國(guó)地區(qū)總初級(jí)生產(chǎn)力（Gross Primary Productivity GPP）和敬發(fā)（Evapotranspiration，ET的空間格局模擬及分析。主要結(jié)論如下1）將LP」DGwM中所選出的22個(gè)可調(diào)參數(shù)（涉及光合、呼吸、水平衡異速生長(zhǎng)、死亡、建立以及土壤和掉落物分解共七個(gè)作用領(lǐng)域）在各自取值范圍內(nèi)隨機(jī)獲得不同的參數(shù)組合，結(jié)果表明22個(gè)參數(shù)可引起GPP和ET模擬結(jié)果產(chǎn)生較大的不確定性，尤其集中在生長(zhǎng)季。所有站點(diǎn)GPP相對(duì)不確定性（Relative Uncertainty，RU）基本保持在09-1.25之間，不具有明顯的年際變異性：ET相對(duì)不確定性RU月變化趨勢(shì)明顯，且基本處于0.5以下，明顯低于GPP，說(shuō)明所篩選的22個(gè)參數(shù)對(duì)GP模擬產(chǎn)生的影響更為顯著。
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-16
上傳用戶：shjgzh
在工業(yè)應(yīng)用中常用一組傳感器對(duì)問(wèn)一個(gè)被測(cè)量目標(biāo)在一個(gè)過(guò)程的不同位置進(jìn)行測(cè)量，然而由于每個(gè)傳感器位于過(guò)程的不同位置，它們將不問(wèn)程度的受到嗓聲的干擾，為了從被嗓聲干擾的多傳感器測(cè)量值中獲得更準(zhǔn)確的測(cè)量結(jié)果，霱要進(jìn)“步研究多傳感器的融合理論多傳感器數(shù)據(jù)融合系統(tǒng)的關(guān)鍵在于如何充分利用各個(gè)傳感器的信息，得到對(duì)被測(cè)參數(shù)的最優(yōu)估計(jì)，本文主要研究了以加權(quán)的方式進(jìn)行多傳感器數(shù)據(jù)融合的方法，即研究如何對(duì)每個(gè)傳感器進(jìn)行加權(quán)，從而得到對(duì)被測(cè)參數(shù)最優(yōu)佑計(jì)的方法為此本文在介紹了多傳感器數(shù)據(jù)融合技術(shù)的基礎(chǔ)上，首先研究了基于奇異值分解的數(shù)據(jù)融合算法，通過(guò)對(duì)傳感器測(cè)量值構(gòu)成的矩陣進(jìn)行奇異值分解，利用每個(gè)傳感器測(cè)量值所對(duì)應(yīng)的奇異值，可以估計(jì)出對(duì)每個(gè)傳感器權(quán)值的最優(yōu)估計(jì)，從而在不要任何先驗(yàn)知識(shí)的條件下，可僅由多傳感器的測(cè)量值，利用提出的算法得到在最小均方誤差意義下的被測(cè)參數(shù)的最優(yōu)估計(jì)，此外，在許多工業(yè)過(guò)程中，人們利用多傳感器測(cè)量同一過(guò)程參數(shù)以控制該參數(shù)在過(guò)程中的不同位置能根據(jù)需要進(jìn)行合理分布，此時(shí)人們希望利用多傳感器融合的測(cè)量結(jié)果，對(duì)每一個(gè)傳感器的測(cè)量數(shù)據(jù)進(jìn)行重建，以獲得對(duì)每一個(gè)傳感器的測(cè)量結(jié)果進(jìn)行更為準(zhǔn)確的估計(jì)。為此，本文進(jìn)一步研究了基于小波降噪和數(shù)據(jù)融合的傳感器數(shù)據(jù)重建算法，仿真和實(shí)驗(yàn)結(jié)果都說(shuō)明提出算法是有效的，最后，研究了非線性動(dòng)態(tài)系統(tǒng)的狀態(tài)融合問(wèn)題，研究了加權(quán)無(wú)氣味卡爾曼濾波（UKF）方法，研究表明無(wú)氣味卡爾曼波波能克服了擴(kuò)展卡爾曼濾波（EKF）在狀態(tài)融合估計(jì)中的不足，可以得到了更準(zhǔn)確的狀態(tài)融合估計(jì)結(jié)關(guān)鍵詞多傳感器系統(tǒng)，數(shù)據(jù)融合，奇異值分解，UKF
標(biāo)簽： 傳感器 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-16
上傳用戶：aben
本文以數(shù)據(jù)融合理論為基礎(chǔ)，進(jìn)行情報(bào)雷達(dá)的數(shù)據(jù)融合系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。系統(tǒng)主要包括數(shù)據(jù)配準(zhǔn)、數(shù)據(jù)關(guān)聯(lián)、目標(biāo)狀態(tài)估計(jì)幾個(gè)方面。在系統(tǒng)的數(shù)據(jù)配準(zhǔn)中，首先進(jìn)行坐標(biāo)變換，然后采用主站雷達(dá)測(cè)量坐標(biāo)系下的誤差線性化方法進(jìn)行系統(tǒng)誤差估計(jì)。通過(guò)仿真表明，利用誤差修正可以抑制隨機(jī)噪聲，較為準(zhǔn)確地估計(jì)各雷達(dá)站的系統(tǒng)誤差。在系統(tǒng)的數(shù)據(jù)關(guān)聯(lián)部分，本文將動(dòng)態(tài)分區(qū)與整體相關(guān)思想相結(jié)合進(jìn)行航跡相關(guān)，減小了關(guān)聯(lián)數(shù)據(jù)量，并大大降低了誤相關(guān)率，提高了系統(tǒng)的實(shí)際應(yīng)用能力。同時(shí)采用灰色關(guān)聯(lián)的思想，有效地利用雷達(dá)提供的數(shù)據(jù)而盡量避免對(duì)融合系統(tǒng)的影響，很好地解決兩坐標(biāo)雷達(dá)觀測(cè)數(shù)據(jù)的融合問(wèn)題。在跟蹤維持部分，文中利用“模糊相似”很好地進(jìn)行航跡起始，并采用序貫濾波和灰色理論解決融合中出現(xiàn)的異步和異質(zhì)數(shù)據(jù)的問(wèn)題，使主副站航跡更好地進(jìn)行融合。除了原理的敘述外，在C+ Builder環(huán)境下，采用本文方法進(jìn)行了多情報(bào)雷達(dá)的航跡綜合仿真。本文提供了很好的數(shù)據(jù)融合實(shí)現(xiàn)的思路和流程，并可以在實(shí)際系統(tǒng)中很好地應(yīng)用。關(guān)鍵詞：數(shù)據(jù)融合航跡綜合誤差修正數(shù)據(jù)關(guān)聯(lián)動(dòng)態(tài)分區(qū)整體相關(guān)模糊相似灰色系統(tǒng)理論優(yōu)勢(shì)分析序貫濾波
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-17
上傳用戶：ttalli
（1）介紹了模擬電路故障診斷技術(shù)發(fā)展和現(xiàn)狀，對(duì)現(xiàn)有的主要診斷方法以及近年來(lái)先進(jìn)的神經(jīng)網(wǎng)絡(luò)理論和技術(shù)以及數(shù)據(jù)融合技術(shù)在模擬電路故障診斷領(lǐng)域中的應(yīng)用進(jìn)行了簡(jiǎn)單的論述（2）對(duì)神經(jīng)網(wǎng)絡(luò)方法的基本原理及其在模擬電路故障診斷中的優(yōu)勢(shì)進(jìn)行了詳細(xì)的介紹，包括神經(jīng)網(wǎng)絡(luò)的分類和神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則。詳細(xì)說(shuō)明在電路故障診斷中應(yīng)用最廣泛的BP神經(jīng)網(wǎng)的設(shè)計(jì)、訓(xùn)練和測(cè)試方法，并對(duì)一個(gè)兩級(jí)RC耦合放大器電路例進(jìn)行了測(cè)試、神經(jīng)網(wǎng)絡(luò)訓(xùn)練和診斷。（3）介紹了數(shù)據(jù)融合技術(shù)的概念、優(yōu)缺點(diǎn)、基本方法及其在各個(gè)領(lǐng)域的應(yīng)用情況。然后對(duì)于數(shù)據(jù)融合具體方法，著重研究了 Bayes統(tǒng)計(jì)融合方法Dempster-Shafer證據(jù)理論融合方法以及模糊集理論融合方法。最后采用基于待定系數(shù)法的隸屬度構(gòu)造法以及模糊融合的方法對(duì)實(shí)例電路進(jìn)行了故障診斷。（4）提出了一種新的利用包含元件直流特性信息的靜態(tài)工作點(diǎn)電壓和包含元件交流特性信息的不同頻率激勵(lì)下輸出電壓峰值與輸出電壓峰值的比值兩類信息進(jìn)行數(shù)據(jù)融合診斷的方法，保證故障信息量的同時(shí)降低了獲取難度，應(yīng)用模糊數(shù)學(xué)的理論，通過(guò)模糊變換將兩類故障信息通過(guò)兩個(gè)神經(jīng)網(wǎng)絡(luò)診斷得出的故障求屬度進(jìn)行決策層的數(shù)據(jù)融合，較好的解決了了單神經(jīng)網(wǎng)絡(luò)診斷信息量不足，由于電路元件互相影響而產(chǎn)生的故障診斷不確定性的問(wèn)題以及待融合故障信息隸屬度獲取困難的問(wèn)題，使得診斷準(zhǔn)確率得到較為明顯的提高本文提出的基于數(shù)據(jù)融合和神經(jīng)網(wǎng)絡(luò)的方法可以實(shí)現(xiàn)對(duì)模擬電路的故障進(jìn)行準(zhǔn)確實(shí)時(shí)快速診斷，具有一定的實(shí)用價(jià)值。關(guān)健詞：模擬電路；數(shù)據(jù)融合；神經(jīng)網(wǎng)絡(luò)；模糊集理論
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-17
上傳用戶：
戰(zhàn)場(chǎng)環(huán)境是影響戰(zhàn)爭(zhēng)勝負(fù)走向的關(guān)鍵因素，其中地形是戰(zhàn)場(chǎng)環(huán)境的主要構(gòu)成。隨著軍事技術(shù)的變革、精確打擊和精確斬首武器的運(yùn)用，傳統(tǒng)二維地圖的局限性已經(jīng)無(wú)法滿足軍事訓(xùn)練和軍事指揮方面的需求。而對(duì)于當(dāng)前的三維戰(zhàn)場(chǎng)地形，快速進(jìn)行地形模型構(gòu)建、地形模型精細(xì)化以及海量數(shù)據(jù)可視化呈現(xiàn)的要求顯得越來(lái)越高。因此，本文為構(gòu)建真實(shí)的三維戰(zhàn)場(chǎng)地理環(huán)境及可視化進(jìn)行了深入研究。本文選用傾斜攝影技術(shù)與 Cesium可視化庫(kù)進(jìn)行真實(shí)三維地形的建立及可視化平臺(tái)的搭建，以西安工業(yè)大學(xué)未央校區(qū)做為典型應(yīng)用實(shí)例進(jìn)行城市作戰(zhàn)可視化開(kāi)發(fā)。首先，本文介紹了三維實(shí)景建模與可視化相關(guān)理論；論述了在Web端進(jìn)行可視化開(kāi)發(fā)的優(yōu)勢(shì)；提出了傾斜攝影測(cè)量技術(shù)對(duì)三維戰(zhàn)場(chǎng)地形構(gòu)建時(shí)存在的問(wèn)題及解決辦法。其次，本文制定了戰(zhàn)場(chǎng)環(huán)境多源數(shù)據(jù)采集方案以及基于 Smart3D多源數(shù)據(jù)融合建模流程。制作了三維戰(zhàn)場(chǎng)地形數(shù)據(jù)并進(jìn)行了模型質(zhì)量分析，包括模型的紋理精度、幾何精度和地理坐標(biāo)精度。確保生成的地形數(shù)據(jù)滿足逼真的可視化視覺(jué)效果及地形對(duì)地面人員裝備的各種干涉作用的真實(shí)性最后，本文在前三章的基礎(chǔ)上采用BS三層架構(gòu)的方式，通過(guò) Cesium、HTLM，JavaScript等語(yǔ)言進(jìn)行戰(zhàn)場(chǎng)環(huán)境可視化平臺(tái)的搭建，實(shí)現(xiàn)了城市化作戰(zhàn)的三維戰(zhàn)場(chǎng)環(huán)境構(gòu)建。同時(shí)本文基于 Cesium完成了模型單體化和模型驅(qū)動(dòng)等功能本課題對(duì)三維戰(zhàn)場(chǎng)地形環(huán)境構(gòu)建與可視化研究具有重要意義。本文提出的戰(zhàn)場(chǎng)環(huán)境構(gòu)建方法可以運(yùn)用到各種戰(zhàn)場(chǎng)環(huán)境的構(gòu)建，包括山地丘陵的作戰(zhàn)地形環(huán)境構(gòu)建、城市反恐作戰(zhàn)等。通過(guò)可視化平臺(tái)的加載可以直觀、真實(shí)了解戰(zhàn)場(chǎng)環(huán)境。通過(guò)模型驅(qū)動(dòng)完成戰(zhàn)場(chǎng)中各種演示效果。關(guān)鍵詞：多源數(shù)據(jù)融合；傾斜攝影測(cè)量：三維建模；Cesium：三維戰(zhàn)場(chǎng)環(huán)境可視化：CZML
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-17
上傳用戶：
摘要：無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，wSN是由許多具有低功率無(wú)線收發(fā)裝置的傳感器節(jié)點(diǎn)組成，它們監(jiān)測(cè)采集周邊環(huán)境信息并傳送到基站進(jìn)行處理在某一時(shí)刻通過(guò)wSN采集的數(shù)據(jù)量非常大，如何正確、高效地處理這些數(shù)據(jù)成為當(dāng)前WSN研究中的一個(gè)熱點(diǎn)。傳感器節(jié)點(diǎn)一般部署在惡劣環(huán)境中，一些偶然因素會(huì)使采集的數(shù)據(jù)中出現(xiàn)不準(zhǔn)確的數(shù)據(jù)，用戶依據(jù)這樣的數(shù)據(jù)很難準(zhǔn)確判斷出被測(cè)對(duì)象的真實(shí)狀態(tài)。基于模糊理論的決策級(jí)數(shù)據(jù)融合算法能夠很好的解決這個(gè)問(wèn)題本文以國(guó)家863研究項(xiàng)目《基于無(wú)線傳感器網(wǎng)絡(luò)的鐵路危險(xiǎn)貨物在途安全狀態(tài)監(jiān)測(cè)技術(shù)研究》為背景，結(jié)合鐵路運(yùn)輸中棉花在途狀態(tài)監(jiān)測(cè)系統(tǒng)的開(kāi)發(fā)，在分析了當(dāng)前有效的決策級(jí)數(shù)據(jù)融合技術(shù)基礎(chǔ)上，提出了基于模糊理論的決策級(jí)數(shù)據(jù)融合算法，該算法通過(guò)對(duì)采集數(shù)據(jù)進(jìn)行處理和分析，以獲得準(zhǔn)確的被測(cè)對(duì)象狀態(tài)的描述。本文的主要工作包括：（1）分析了WSN中傳統(tǒng)的決策級(jí)數(shù)據(jù)融合算法，如自適應(yīng)加權(quán)數(shù)據(jù)融合算法和算術(shù)平均數(shù)數(shù)據(jù)融合算法，總結(jié)這兩種算法的優(yōu)缺點(diǎn)和檢測(cè)系統(tǒng)的需求，進(jìn)步明確理想算法應(yīng)達(dá)到的目標(biāo)。（2）提出了基于模糊理論的兩階段數(shù)據(jù)融合算法：該算法第一階段利用基于貼近度的數(shù)據(jù)融合算法進(jìn)行同類數(shù)據(jù)的融合校準(zhǔn)，這一階段的目的是剔除錯(cuò)誤的和可信度較差的數(shù)據(jù)，得到相對(duì)更加準(zhǔn)確的數(shù)據(jù)，第二階段利用模糊推理對(duì)第個(gè)階段得到的異類數(shù)據(jù)進(jìn)行融合推理，得到被測(cè)對(duì)象當(dāng)前狀態(tài)的描述，為決策提供支持（3）結(jié)合實(shí)測(cè)數(shù)據(jù)仿真本文所提出的算法，結(jié)果證明與傳統(tǒng)的融合算法相比，可以更加準(zhǔn)確的描述被測(cè)對(duì)象狀態(tài)
標(biāo)簽： 無(wú)線傳感器
上傳時(shí)間： 2022-03-17
上傳用戶：
隨著科學(xué)技術(shù)的發(fā)展和現(xiàn)代戰(zhàn)爭(zhēng)的需要，數(shù)據(jù)融合作為一門(mén)新興交叉學(xué)科，在近年來(lái)得到了廣泛關(guān)注和快速發(fā)展，而關(guān)于雷達(dá)情報(bào)處理的研究和應(yīng)用也日益受到重視。現(xiàn)代戰(zhàn)爭(zhēng)中，指揮、控制通信和情報(bào)系統(tǒng)面臨著嚴(yán)峻的挑戰(zhàn)。在多雷達(dá)情報(bào)處理系統(tǒng)中，采用數(shù)據(jù)融合技術(shù)，提供更加實(shí)時(shí)、準(zhǔn)確的情報(bào)是現(xiàn)代戰(zhàn)爭(zhēng)的迫切需求。論文正是圍繞這一需求展開(kāi)的，研究了雷達(dá)情報(bào)數(shù)據(jù)融合系統(tǒng)的誤差校正和航跡關(guān)聯(lián)問(wèn)論文較為系統(tǒng)地介紹了數(shù)據(jù)融合的概念、研究意義、國(guó)內(nèi)外發(fā)展?fàn)顩r及其應(yīng)用，并討論了數(shù)據(jù)融合的模型、結(jié)構(gòu)及關(guān)鍵技術(shù)論文針對(duì)多雷達(dá)情報(bào)處理系統(tǒng)中的系統(tǒng)誤差問(wèn)題，研究了四種誤差校正方法。文研究了密集目標(biāo)環(huán)境中的航跡關(guān)聯(lián)問(wèn)題，對(duì)多傳感器數(shù)據(jù)關(guān)聯(lián)的方法進(jìn)行了分類，并針對(duì)多雷達(dá)情報(bào)處理系統(tǒng)這個(gè)分布式系統(tǒng)，研究了分布式數(shù)據(jù)關(guān)聯(lián)方法。運(yùn)用0-1整數(shù)規(guī)劃法建立了密集目標(biāo)環(huán)境的規(guī)劃模型函數(shù)并求解應(yīng)用在多雷達(dá)數(shù)據(jù)融合軟件中，使航跡關(guān)聯(lián)達(dá)到了極好的效果，為開(kāi)發(fā)多雷達(dá)數(shù)據(jù)融合軟件提供了技術(shù)支持。關(guān)鍵詞：雷達(dá)情報(bào)，數(shù)據(jù)融合，數(shù)據(jù)關(guān)聯(lián)，誤差校正，航跡關(guān)聯(lián)，0-1整數(shù)規(guī)劃現(xiàn)代戰(zhàn)爭(zhēng)中，新型作戰(zhàn)飛機(jī)機(jī)動(dòng)性能強(qiáng)，具有隱身特性，加上電子對(duì)抗的戰(zhàn)場(chǎng)環(huán)境，傳統(tǒng)雷達(dá)情報(bào)處理系統(tǒng)已應(yīng)付不了多目標(biāo)，高密度的空情要求。為了適應(yīng)新軍事變革要求，在未來(lái)信息化戰(zhàn)爭(zhēng)中雷達(dá)能夠給出準(zhǔn)確的信息情報(bào)，雷達(dá)情報(bào)處理系統(tǒng)在改善硬件條件的同時(shí)，開(kāi)發(fā)運(yùn)用數(shù)據(jù)融合新技術(shù)，從根本上改善雷達(dá)情報(bào)質(zhì)量已然成為當(dāng)務(wù)之急數(shù)據(jù)融合一詞最早出現(xiàn)在七十年代末期，是從軍事CI系統(tǒng)中提出的，它與信號(hào)處理、計(jì)算機(jī)技術(shù)、概率統(tǒng)計(jì)、圖像處理和人工智能學(xué)科密切相關(guān)，是一門(mén)新興發(fā)展起來(lái)的交叉學(xué)科。
標(biāo)簽： 雷達(dá) 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-18
上傳用戶：wangshoupeng199
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
