密度多传感器多目标跟踪算法研究

同时,随着信息处理技术和传感器技术的发展,人们开始尝试使用多个传感器来估计目标的运动状态,试图利用更多的量测信息来降低环境对目标跟踪造成的影响。如何将多个传感器的量测数据进行有机融合,得到比单个传感器更***的跟踪性能,是多传感器多目标跟踪领域的难点和热点。近年来,基于随机有限集理论的多传感器多目标跟踪方法开始受到研究学者的关注。

这类方法采用串行系统结构,并把多目标状态集合和传感器量测集合分别建模为随机有限集集合,从而将多传感多目标状态估计问题转化为多个单传感器贝叶斯滤波问题,有效避免了多传感器融合中的量测数据关联以及传统多目标跟踪方法中的目标与量测之间的关联,是一种解决复杂环境下多目标跟踪的新途径。本基于随机有限集理论以及概率假设密度(PHD)滤波,对多传感器多目标跟踪方法展开了深入的研究,取得的主要成果如下:1.关于检测概率引起的传感器更新顺序问题。在迭代形式的多传感器PHD(Iterated corrector PHD,IC-PHD)滤波中,跟踪结果的好坏主要取决于后一个更新传感器的检测概率。当该传感器的检测概率较低时,极易造成整个多传感器系统发生漏检。

3GMR/超导复合式磁传感器

磁电阻效应是对于一些磁性材料，当施加外磁场时，材料的电阻会发生变化的效应。这种磁电阻效应次由William Thomson 于1857 年在铁样品中发现。这一发现的材料磁阻变化率很小，只有1%，此效应即被称为各向异性磁电阻(AMR)效应。

1988 年，Grunberg 和Baibich 等人通过分子束外延的方法制备了Fe/Cr 多层膜，并在其中发现了磁阻变化率达到50%以上。这种巨大的磁电阻变化效应被称为巨磁电阻(GMR)效应。GMR效应来源于载流电子在不同的自旋状态下与磁场的作用不同导致的电阻变化。GMR由铁磁—非磁性金属—铁磁多层膜交叠组成。两层铁磁层的矫顽力不同。当铁磁层的磁矩互相平行时，载流子与自旋有关的散射，材料具有的电阻。而当铁磁层的磁矩为反平行时，载流子与自旋相关的散射强，材料的电阻。对于GMR效应可以由Mott 提出的双电流模型解释。在非磁性层中，不同自旋的电子能带相同，但是在铁磁金属中，不同自旋的能带发生劈裂，导致在费米能级处，自旋向上和向下的电子态密度不同。

在双电流模型中，假设自旋向上和向下的电子沿层面流动对应两个互相独立的导电通道，其中自旋向上的电子，其平均自由程远大于自旋向下的电子。在铁磁层磁矩反平行排列下，自旋向上和自旋向下的电子散射概率相同；而在平行排列下，自旋向上的电子散射要远小于自旋向下的电子，从而造成平行和反平行排列下电阻的差别。

汽车传感器

空气流量计/进气压力传感器，节气门位置zd传感器，水温传感器，曲轴位置传感器，氧传感器，爆震传感器，车速传感器现在的车子基本上都有以上这些传感器，越的车子传感器也就多，***个传感器是保证汽车正常运行基本的条件。进气压力传感器：检测进气歧管内的压力的大小，给ECU一个控制喷油脉宽的基准信号。空气流量计：检测进入发动机的空气量，给ECU一个控制喷油脉宽基准信号。曲轴位置传感器：检测上止点信号，曲轴转速信号，控制点火的各缸上版止点信号，控制顺序喷油的一缸上止点信号。

节气门位置传感器：通过检测节气门的开度，提供给ECU一个作为断油，控制空燃比，修正点火提前角的基准信号。水温传感器：检测发动机冷却水的温度，ECU根据水温修正喷油量，点火提前角。氧传感器：检测排出废气中氧气的含量，修正喷油量，使其保持在权理论值。