导读:本文包含了多雷达数据融合论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:数据,航迹,多维,毫米波,空管,目标,周界。
多雷达数据融合论文文献综述
关振红,刘本东[1]（2019）在《星载双频降水雷达数据融合技术》一文中研究指出1.引言星载降水雷达是探测全球云雨分布的有效手段,可满足军事战场环境探测、武器精确打击、远距离兵力投送,全球气候与环境监测对云雨高精度定量观测和空间结构探测的迫切需求。1997年由美、日联合研制TRMM卫星,其主要载荷是降水测量雷达(Precipitation Radar, PR),用来研究大气和陆地对全球降水和气候的作用机理。PR运行以来发挥了巨大作用,但由于采用单一固定Ku波段工作,对小雨观测效果(本文来源于《电子世界》期刊2019年20期）
杨璇,畅言,李浩正[2]（2019）在《基于国产化计算平台的雷达数据融合软件设计与实现》一文中研究指出本文阐述了国产化计算平台的概念及应用意义,对国产化计算平台的软、硬件的构成、技术指标以及主要特点进行详细描述;在此基础上,结合工程实际,完成了基于国产化计算平台的雷达数据融合软件设计与实现,仿真结果表明,研制的雷达数据融合软件功能和性能均满足要求,有效提升了装备软件国产化水平,具有较高的工程应用价值和军事价值。(本文来源于《火控雷达技术》期刊2019年03期）
韩剑峰[3]（2019）在《一种基于雷达数据融合的航班4D航迹预测方法》一文中研究指出4D航迹预测是空管自动化系统及流量管理系统的一项核心技术,能够提高空域的利用率和安全性。本文提出了一种4D航迹预测方法,结合多数据源雷达、气象、航班计划、航空器性能等数据,利用飞行经验样本推测各时间点的航空器位置,从而得出航空器的飞行轨迹与时间的精准预测。通过在华东空管流量管理系统及空管自动化系统中的应用效果,说明该方法的实用性和有效性。(本文来源于《软件工程》期刊2019年09期）
张昕,张博文,张玉萍,李军侠,燕瑞超[4]（2019）在《基于数据关联的多雷达点迹融合算法研究》一文中研究指出在典型应用场景下,针对传统数据关联算法易于产生目标跟踪丢失的问题,提出了并行多传感器联合概率数据关联算法(PMSJPDA),给出行多传感器联合概率数据关联算法的实现流程,并对该算法进行理论分析;最后采用两部典型雷达构成PMSJPDA数据融合系统,对其算法的目标跟踪精度进行1 000次蒙特卡洛仿真,仿真统计结果表明,在目标跟踪全程阶段,融合后的目标跟踪精度比单部雷达跟踪精度提高约6%,在目标跟踪稳定阶段,融合后的目标跟踪精度比单部雷达跟踪精度提高约10%,即所提出的PMSJPDA算法可有效提高对目标的跟踪性能,尤其是目标跟踪进入稳定阶段。(本文来源于《计算机测量与控制》期刊2019年08期）
黄海[5]（2019）在《视频与雷达数据融合在围界入侵报警的应用探讨》一文中研究指出针对于周界、区域防护系统目前单一方式的监控方式均具有一定的缺陷,而现有的基于雷达与视频融合的警戒系统中,存在监控死角,警戒系统的系统功能不完整。因而为解决上述问题,本研究采用雷达、枪型摄像机、球机协同工作,能够实现从自身到较远距离的半圆形区域的全视角无盲区覆盖,达成全天候、全天时、远距离、高精度的运动目标识别、跟踪与报警的目的。(本文来源于《智能建筑与智慧城市》期刊2019年06期）
张书玮[6]（2019）在《基于机器视觉和雷达数据融合的变电站巡检机器人自主导航方法研究》一文中研究指出随着电力系统的快速发展和智能变电站的推广,旨在提高变电站巡检效率、减小人工巡检压力的变电站巡检机器人日益受到青睐。在变电站巡检机器人的“智能化”进程中,实现自主导航是其最基础也是最核心的技术。研究具有高定位精度、较强的环境适应能力和自主处理问题能力的变电站巡检机器人是本文的目标。由于仅使用单一的传感器进行导航难以满足变电站场景的需求,因此本文选择基于摄像头和叁维激光雷达数据融合的自主导航方式。本文的研究工作主要包括传感器的标定技术、道路检测与机器人定位技术、障碍物检测与跟踪技术以及前方道路场景理解技术。在传感器的标定技术部分,首先建立摄像头和激光雷达模型,并确定传感器相互之间的位置关系;然后进行摄像头和激光雷达的自标定,详细介绍了各坐标系转换的推导过程,并通过标定实验确定各传感器数据与机器人之间的关系;进而从空间和时间两方面对摄像头和激光雷达进行联合标定,实现摄像头与激光雷达数据的融合;最后对摄像头所拍摄的图像进行了基于IPM的逆透视变换,从而得到前方道路的鸟瞰图。该部分作为自主导航的基础,是后续章节融合的重要桥梁。在道路检测部分,核心问题是提高车道线检测的鲁棒性,因此本文提出在传统的Hough直线检测的基础上加入基于HSV彩色空间变换的车道线区域提取。该方法除了利用Hough变换以及约束条件获得候选直线段之外,还通过对图像HSV颜色空间叁通道的阈值进行限制,从而提取出具有特定颜色特征的车道标示线区域,最后将两种检测结果进行融合获得最终的车道线。实验证明,该方法有效减少了光照、阴影等环境变化对车道线检测的影响,提高了车道线检测的准确性与可靠性。在提取出两侧车道线之后,介绍了如何利用道路虚拟中心线和机器人的相对位置关系确定机器人的局部位姿,并通过基于PID的方法控制机器人跟随道路虚拟中心线行驶,从而进行机器人的局部定位与横向控制。在障碍物检测部分,首先构建合适的栅格地图对叁维激光雷达所获得的点云数据进行预处理,将前方道路环境的叁维点云数据转化为二维平面栅格地图;然后利用区域生长法对被障碍物占用的栅格进行聚类,获得障碍物的方位、距离以及大小信息,从而对障碍物特征参数进行提取。最后为了对所检测出的障碍物进行跟踪,使用扩展卡尔曼滤波对雷达的测量数据进行校正,提高了对障碍物跟踪的准确性。在前方道路场景理解方面,为了突出前方道路的场景特征,降低机器人对场景理解的难度,本文提出一种基于视觉和雷达检测结果融合的前方道路场景示意图,该示意图仅用黑白的几何化方式对前方道路的可通行情况与障碍物情况进行宏观描述而无冗余信息。进而,通过对该前方道路场景示意图进行HOG及GLCM特征提取,增大了不同类间的距离。最后,对于前方道路场景的理解,本文通过分析变电站特点,提出使用支持向量机(SVM)的方法训练得到多分类的前方道路场景分类器,用于判断前方道路中的障碍物情况,并通过实验验证该方法的可行性与有效性。该部分是本文的核心,也是实现机器人具备智能信息处理能力的体现。(本文来源于《华中科技大学》期刊2019-05-01）
陈沁根[7]（2019）在《分布式MIMO雷达数据融合检测算法研究》一文中研究指出多输入多输出(Multiple Input Multiple Output,MIMO)雷达是一种新体制雷达,具有多个雷达接收天线和多个雷达发射天线。与传统体制雷达相比,MIMO雷达利用多个收发天线,获得更多的自由度,提高了目标检测性能、目标参数估计精度,以及目标识别能力。其中分布式MIMO雷达通过多个分离的收发天线获得目标多个角度的回波信息,充分利用目标雷达散射截面积(Radar Cross Section,RCS)的空间多样性,是当今对付隐身目标的重要技术手段之一。本文主要研究以下叁个方面的内容:1.从分布式MIMO雷达的基本原理出发,建立分布式MIMO雷达回波信号模型。对用于描述目标RCS的随机变量进行等价转换,推导分布式MIMO雷达和传统相控阵雷达的检测概率表达式和虚警概率表达式,仿真对比了两种体制雷达在不同RCS起伏模型下的检测性能。仿真研究结果表明,在信噪比较高的情况下,分布式MIMO雷达具有更优的检测性能:在信噪比较低的情况下,两种体制雷达的检测性能相当。2.针对收发天线对之间散射系数相互独立的情况,研究了基于广义似然比检测(Generalized Likelihood Ratio Test,GLRT)的分布式MIMO雷达数据融合检测算法:集中式数据融合检测方法和双阈值数据融合检测方法。利用已有的信号模型,分别推导了两种数据融合方法的检测概率与虚警概率,借助仿真实验对比了两种数据融合检测方法的检测性能。仿真研究结果表明,相比于传统的单站雷达检测算法,集中式数据融合检测方法可以在更低的信噪比的情况下获得相同的检测效果,改善了雷达系统的检测性能。但是各雷达接收站产生的大量数据不仅给通信网络造成很大的压力,还给数据融合中心带来很大的计算负担。双阈值数据融合检测方法通过设定局部检测门限来降低检测系统的数据量。当局部检测门限较低时,双阈值数据融合检测方法能保持与集中式数据融合检测方法相当的检测精度。但是当局部检测门限设置较高时,双阈值数据融合检测方法与集中式数据融合检测方法相比,在检测精度方面存在欠缺。3.提出了基于目标多维特征的分布式MIMO雷达数据融合检测算法。双阈值数据融合检测方法和集中式数据融合检测方法在检测性能和数据量方面各有优劣,此外传统恒虚警概率(Constant False Alarm Rate,CFAR)检测对于弱小回波目标的识别准确度不高。基于目标多维特征的分布式MIMO雷达数据融合检测算法将回波数据的马尔可夫性与分布式MIMO雷达数据融合检测相结合,充分利用目标的径向距离、径向速度、回波幅度、信噪比、多普勒频率等经单站处理后的目标多维特征,对回波数据进行结构化处理。通过推导回波数据之间的状态转移概率矩阵,计算回波数据属于真实目标的概率。最后将概率值与阈值比较,判断回波数据是否属于真实目标,对真实目标通过逆向搜索确定目标的运动轨迹。仿真研究结果表明,基于目标多维特征的分布式MIMO雷达数据融合检测算法能够降低检测所需的信噪比。对恒虚警概率检测优化了弱小目标的检测性能,通过计算状态转移概率,消除噪声对目标检测的影响,降低大信噪比噪声被误判为真实目标的概率,对小信噪比目标被误判的现象也有较好的改善。这里提出的基于目标多维特征的数据融合检测算法综合了集中式数据融合检测方法和双阈值数据融合检测方法各自的优点,保证高检测概率的同时,大幅度降低目标检测所需的计算复杂度,提升了分布式MIMO雷达数据融合检测的整体性能。(本文来源于《南京大学》期刊2019-05-01）
李红月[8]（2019）在《车载多雷达数据融合技术研究》一文中研究指出随着科技的不断进步,各行各业对数据的精确度都有了更高的要求,雷达也不例外,提高雷达数据精确度已经成了必然趋势。一种方法是通过提高雷达硬件配置和信号处理算法精度来提高雷达精度,但这种方法费时费力,耗费成本过高。还有一种方法是运用涉及在各个领域的多传感器数据融合技术,建立多雷达数据融合系统,既能增大雷达的覆盖面积,还能在雷达重复覆盖范围内进行数据融合,从而提高雷达数据的精确度。多雷达数据融合系统目前多应用于军用背景,本文则以民用车载雷达为基础,设计多雷达数据融合系统。本文以车载雷达组网系统为背景,主要工作如下:1.介绍了多雷达数据融合系统的几种通用组网方式,然后根据车载雷达处理器AWR1642的特点,提出并设计了一种新型车载多雷达数据融合系统。2.根据车载雷达组网系统结构,研究了基于汽车背景的空间对准模块;然后根据AWR1642输出点云数据的特点,提出并设计了密集点迹聚类模块,并讨论了叁种单雷达密集点迹聚类算法,并从聚类的准确性和时间效率两方面进行了算法对比;提出了从执行时间角度和校准误差联合对比时间对准算法,并得到应用在车载雷达组网系统中的最优算法;对于多雷达稀疏点迹聚类模块,提出了改进的最大最小距离算法,并与另外两种算法从实时性与准确度两方面进行了对比;最后介绍了聚类完成后的同类数据的加权平均凝聚法。在各个模块的最后还进行了计算机仿真实验。3.研究了融合后的数据处理算法,讨论了目标跟踪的各个模块的关键算法,进行了点迹凝聚后的跟踪仿真,并与单雷达测量航迹进行了对比。对比结果表明,车载雷达组网系统确实能够提高雷达数据的精确度。(本文来源于《电子科技大学》期刊2019-04-01）
崔巍杰[9]（2019）在《毫米波和激光雷达数据融合的SLAM算法研究》一文中研究指出随着科学技术和机器人技术的发展,机器人开始能够代替人类进行越来越多的工作,在机器人相关技术的研究方面,机器人的导航与定位技术是当前研究的一个热点,同时也是一个难点,目前比较常用的定位与导航技术主要有磁条导航、二维码导航、惯性导航、激光导航和视觉导航,激光导航由于其无轨并且对环境适应性强的特点已经越来越受欢迎,但是目前普通的单线激光雷达测距范围很有限并且容易受干扰,昂贵的激光雷达会极大地增加机器人的研发成本,毫米波雷达作为汽车上比较常用的一种传感器,它的特点是测距范围大且不易受干扰。本文的主要研究内容就是利用普通的激光雷达结合毫米波雷达实现机器人的定位、建图与导航功能。主要的研究工作如下:(1)对激光定位与建图技术进行研究,主要分析当前比较常用的几种SLAM算法,同时对机器人定位算法中的概率性问题、状态估计问题以及用到的滤波算法进行原理性研究,并且对每种算法的特点和适用场景进行总结,选取了Google的Cartographer算法框架作为本文SLAM算法的主要框架。(2)对激光雷达的测距原理和模型、激光雷达数据的读取和修正算法进行研究,引入了机器人的运动补偿来弥补激光雷达数据的畸变,接着对毫米波雷达的测距原理和模型以及毫米波雷达数据的滤波算法进行研究,综合考虑毫米波雷达与激光雷达的数据优缺点,融合二者的数据实现了环境适应性更高的SLAM算法。(3)依据课题背景需求,自主研发设计了物流机器人的机械系统、电路系统以及软件系统,对物流机器人的运动控制模型进行研究,实现了物流机器人的全局路径规划、局部路径规划以及动态避障算法,能够使机器人在已知环境地图的前提下进行自主定位与导航。(4)根据对激光雷达和毫米波雷达数据特征的研究,在物流机器人上实现了融合毫米波雷达和激光雷达数据的SLAM算法,使得物流机器人能够适应更多的环境,提高了物流机器人的实用性。(5)在物流机器人上分别进行单激光雷达、单毫米波雷达以及结合激光雷达和毫米波雷达的定位与导航功能测试,并对实际的运行结果进行对比,结果表明融合毫米波雷达和激光雷达数据的SLAM算法在空旷的大环境下效果明显优于单激光雷达的SLAM算法。(本文来源于《电子科技大学》期刊2019-04-01）
王微[10]（2019）在《自动相关监视与雷达数据融合方法研究》一文中研究指出空中交通管制是民航飞行安全的重要保障单位,工作中的设备分为通信、导航以及监视叁类。监视类设备主要帮助管制员"看"到飞机的飞行状态,主要包含空管一二次雷达、ADS-B设备、自动化系统和多点定位系统。在自动化系统中,为提高系统对目标航空器飞行轨迹监视的连续性、稳定性和跟踪精度,都会采用多雷达数据融合的处理方法,将来自多信息源的数据进行融合,获得比单信息源更加精确和完整的关于(本文来源于《电子世界》期刊2019年06期）
多雷达数据融合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文阐述了国产化计算平台的概念及应用意义,对国产化计算平台的软、硬件的构成、技术指标以及主要特点进行详细描述;在此基础上,结合工程实际,完成了基于国产化计算平台的雷达数据融合软件设计与实现,仿真结果表明,研制的雷达数据融合软件功能和性能均满足要求,有效提升了装备软件国产化水平,具有较高的工程应用价值和军事价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多雷达数据融合论文参考文献
[1].关振红,刘本东.星载双频降水雷达数据融合技术[J].电子世界.2019
[2].杨璇,畅言,李浩正.基于国产化计算平台的雷达数据融合软件设计与实现[J].火控雷达技术.2019
[3].韩剑峰.一种基于雷达数据融合的航班4D航迹预测方法[J].软件工程.2019
[4].张昕,张博文,张玉萍,李军侠,燕瑞超.基于数据关联的多雷达点迹融合算法研究[J].计算机测量与控制.2019
[5].黄海.视频与雷达数据融合在围界入侵报警的应用探讨[J].智能建筑与智慧城市.2019
[6].张书玮.基于机器视觉和雷达数据融合的变电站巡检机器人自主导航方法研究[D].华中科技大学.2019
[7].陈沁根.分布式MIMO雷达数据融合检测算法研究[D].南京大学.2019
[8].李红月.车载多雷达数据融合技术研究[D].电子科技大学.2019
[9].崔巍杰.毫米波和激光雷达数据融合的SLAM算法研究[D].电子科技大学.2019
[10].王微.自动相关监视与雷达数据融合方法研究[J].电子世界.2019
论文知识图
