基于改进加权航迹关联的异步融合算法与仿真

在分布式多传感器信息融合系统中,来自各传感器的局部航迹往往是不同步的。针对分布式多传感器异步航迹关联与融合问题,文中提出一种基于改进加权航迹关联的异步航迹顺序融合算法。把多传感器异步航迹外推校准到同一时刻,实现异步航迹的同步化,再用改进的加权航迹关联算法进行航迹关联,并利用顺序融合算法对已关联航迹进行融合。仿真结果表明了该算法的有效性。     

一种基于点迹重构的异步序贯航迹融合算法

针对异步航迹融合问题,提出了一种基于伪点迹异步序贯航迹融合算法,伪点迹由局部估计结果重构形成,从而无需对局部估计间的相关误差进行处理。同时,对重构的异步伪量测数据情况采用序贯处理方式,这种串行合并式数据处理过程,不但避免了对异步数据进行时间校正的麻烦,反而利用了异步数据增加了多传感器系统的总体数据率,提高了多传感器系统对目标的跟踪精度。并用仿真结果证明了该算法的有效性。     

基于伪点迹的多传感器异步航迹关联算法

在多传感器信息系统中,来自不同传感器的局部航迹往往是异步的,针对此问题,提出了一种基于伪点迹的异步航迹关联算法.首先利用点迹重构技术将异步航迹进行时间对准,然后再利用经典分配的方法对各局部航迹进行了配对,从而达到异步航迹关联的目的.仿真结果证明此方法能很好地解决多传感器异步航迹关联的问题,关联正确率接近90%.     

分布式多传感信息融合系统的异步航迹关联方法

在分布式多传感信息融合系统中,由于每个局部传感器的采样频率不同以及具有不同的通信延迟,导致来自不同传感器的局部航迹往往是异步的.针对此问题,提出了一种异步航迹关联方法.该方法首先基于最小二乘法实现单传感器的时域融合,从而将多传感异步航迹同步化.接下来,将多传感多目标航迹关联问题转化为在网络中搜索总费用最小的多个互不相交的路径问题,从而获得相应于每个目标的各个传感器的局部航迹组合.仿真试验表明,算法可以有效地解决异步航迹的关联问题,且具有较高的关联成功率.     

交互式多模型异步航迹融合算法

对分布式融合系统中的异步航迹融合算法进行了研究.已有的异步航迹融合算法要求传感器所采用的状态方程与目标运动模式相同,这在实际应用中很难满足.针对已有异步航迹融合算法的不足,建立了基于状态方程集合的异步航迹融合模型.所有传感器均采用基于同一状态方程集合的交互式多模型(IMM)算法来实现航迹生成,融合中心对来自于相同状态方程的异步航迹数据进行加权平均来获得同步航迹,提出了交互式多模型异步航迹融合(IMMASTF)算法.仿真结果验证了IMMASTF算法的有效性.     

多传感器噪声方差未知情况下的异步航迹融合

针对分布式多传感器数据融合系统,提出了一种多传感器异步航迹融合算法。现有的多传感器信息融合算法大都基于Kalman滤波器,要求噪声方差已知,并且假定各传感器同步采样,不考虑通信延迟。本文在分布式处理的模式下,基于各传感器在扩展记忆因子递推最小平方(EFRLS)估计形成本地航迹的基础上,提出了一种融合误差均方差矩阵的迹最小意义下的异步目标航迹融合算法。仿真实验结果表明,这种融合算法是有效的,算法接近集中式融合算法的精度。     

基于反馈结构的多传感器自适应航迹融合算法

在分布式多传感器信息融合系统中，自适应融合算法通过预先设定两个距离测度。然后将它们与逻辑判决树中的阈值进行比较来选择不同的融合算法，达到适应系统特性的不断变化，平衡精度与计算量之间矛盾的目的；反馈结构可用来提高局部节点的跟踪性能，进而提高全局航迹的融合精度．综合上述两种方法，提出一种新的基于反馈结构的多传感器自适应航迹融合算法，并在传感器异步的情况下讨论了其具体的计算过程．仿真结果表明该算法以较小的计算量达到了近似加权协方差算法（WCF）的融合精度．     

基于伪测量的分布式最优单步延迟航迹融合估计

融合中心如何处理无序局部数据,对分布式多传感器系统的运行品质至关重要．本文将系统中的局部估计转化为伪测量,将分布式融合估计转化为二级集中式融合估计．将所得的伪测量兼分布式融合估计算法与单步延迟的无序测量数据（out-of-sequencemeasurements,OOSM）最优滤波-A1算法进行组合,得出了分布式多传感器系统的最优单步延迟无序航迹（out-of-sequence tacks,OOST）估计算法,适用于航迹无序局部数据融合估计．该算法具有最优估计性能．     

一种高性能航迹融合反馈系统的设计与实现

根据数据融合功能层次性,数据融合多集中在测量融合和航迹融合两方面。在具有较高稳定性、可靠性和易实现性的航迹融合系统中,航迹关联和航迹融合是主要研究内容,系统结构设计也围绕这两个核心展开。本文详细介绍了具有评估反馈的多传感器异步航迹融合系统模型,该模型可分为航迹预处理、航迹关联、误差检测、航迹融合几个模块,在此基础上给出了相应算法。仿真结果表明,该系统模型具有较好的航迹关联与航迹融合性能。     

一种高性能航迹融合反馈系统的设计与实现

根据数据融合功能层次性,数据融合多集中在测量融合和航迹融合两方面.在具有较高稳定性、可靠性和易实现性的航迹融合系统中,航迹关联和航迹融合是主要研究内容,系统结构设计也围绕这两个核心展开.本文详细介绍了具有评估反馈的多传感器异步航迹融合系统模型,该模型可分为航迹预处理、航迹关联、误差检测、航迹融合几个模块,在此基础上给出了相应算法.仿真结果表明,该系统模型具有较好的航迹关联与航迹融合性能.     

基于UKF的变采样率多异质传感器异步数据融合

针对异质传感器数据融合能够实现信息互补,改善目标跟踪精度,提出了一种多异质传感器在变采样率下的异步量测融合算法,即首先将多传感器数据组合成类似于单传感器数据的异步数据处理方法,进行点迹合成,再将合成后的虚拟量测对当前时刻的目标状态进行更新.变采样率跟踪是基于网络或栅格多传感器异步融合跟踪的基础,通过引入时戳的概念给出了基于UKF(Unscented Kalman Filter)的具体融合算法,最后通过仿真验证了该算法的有效性。     

Globally Optimal Distributed Kalman Fusion With Local Out-of-Sequence-Measurement Updates

In a distributed multisensor fusion systems, observations produced by sensors can arrive at local processors out of sequence. The resulting problem at the central processor/fusion center-how to update current estimate using multiple local out-of-sequence-measurement (OOSM) updates - is a nonstandard distributed estimation problem. In this note, based on the centralized update algorithm with multiple asynchronous (1-step-lag) OOSMs see we firstly deduce the optimal distributed fusion update algorithm with multiple local asynchronous (1-step-lag) OOSM updates, which is proved, under some regularity conditions, to be equivalent to the corresponding optimal centralized update algorithm with all-sensor 1-step-lag OOSMs. Then, we propose an optimal distributed fusion update algorithm with multiple local arbitrary-step-lag OOSM updates.     

不同维状态的多传感器航迹融合􀀂

在多传感器环境下,多个传感器在同一区域观测目标,各传感器可能采用不同的目标模型处理各自的测量数据,形成各自的目标航迹送到融合中心.当多个传感器观测到同一目标时,融合中心则需要对源于同一目标的传感器航迹进行融合处理.通过建立状态之间的映射,提出了不同跟踪模型下的输出目标估计状态之间的融合算法.仿真试验表明了算法的有效.