分布式传感器网络中一种新的模糊航迹关联算法

为了有效提高分布式传感器网络中航迹与航迹关联的计算速度,本文提出了一种新的基于临时航迹和信源相对可信度的多源模糊航迹关联算法。该算法首先在全局融合中心利用来自同一局部融合节点的同一航迹的两个量测形成临时航迹,再由临时航迹与系统航迹融合生成系统航迹,航迹关联是在临时航迹与系统航迹间进行的;并引入信源相对可信度,当有多条临时航迹与系统航迹关联时,选取信源相对可信度最大的临时航迹与系统航迹关联。将该算法用于一个多源航迹关联的仿真实验中,仿真结果表明该算法在保证关联正确率的前提下,与传统的模糊航迹关联算法相比,进一步提高了航迹关联的计算速度和系统航迹的精度,是一种有效的多源航迹关联方法。      

基于跟踪状态监视的稳健航迹关联与融合算法

空间邻近目标跟踪过程中存在航迹交错现象,传统的航迹关联与融合算法可靠性大大降低。提出基于跟踪状态监视的稳健航迹关联与融合跟踪算法:首先,采用滑窗式全局最优关联方法利用多帧航迹数据确认航迹关联对,并建立系统航迹;然后,根据确认关联航迹的实时关联状态检测航迹交错;最后,根据航迹衰减残差识别运动状态,自适应选择融合量测或者融合状态估计完成系统航迹的状态更新。仿真结果表明,算法能够提高融合航迹精度,实现稳健航迹关联与融合。     

基于改进盖尔-沙普利算法的自动识别系统与双频地波雷达断裂航迹关联

高频地波雷达(HFSWR)可以实现大范围海上船只目标的连续探测,但是海杂波等干扰因素的影响容易造成跟踪航迹的断裂。目前关于地波雷达航迹关联的研究中,通常忽略了航迹断裂的情况,将航迹关联视为二分图匹配问题,这会导致可能将单一目标的断裂航迹判断为多个目标,从而引起目标的误关联。针对上述情况,该文结合模糊综合评判和迭代搜索算法,首次将盖尔-沙普利(GS)算法引入航迹关联领域,并且对其进行改进以满足航迹断裂时的多对多航迹关联情况,提出了改进的盖尔-沙普利(IGS)算法。在该算法中,通过计算航迹之间的模糊综合评判值来得到航迹之间的倾向度序列,再由迭代搜索对航迹进行聚类以获得航迹集群,最后将航迹集群及倾向度序列输入盖尔-沙普利算法来进行数轮博弈以给出关联结果。利用双频率高频地波雷达和船只自动识别系统(AIS)的仿真数据与实测数据进行实验测试,实验结果表明：所提出的算法解决了在航迹断裂情况下的多传感器航迹关联问题,且在密集区域的航迹关联效果优于传统算法。     

基于航迹隶属度的分布式系统数据融合算法

航迹关联与航迹融合是分布式目标跟踪系统数据融合的关键.本文研究了基于航迹隶属度的数据融合算法.综合各传感器航迹估计形成的目标运动状态特征向量与传感器分辨率,根据模糊聚类算法建立各观测时刻航迹隶属度矩阵与系统航迹关联决策矩阵,解决融合中心航迹关联问题.根据加权融合算法思想,结合各观测时刻航迹隶属度矩阵,实时、动态分配航迹号集合中各局部航迹权值,解决目标航迹融合问题.蒙特卡罗仿真表明,算法航迹关联效果明显优于加权航迹关联算法,并得到与简单航迹融合算法一致的目标融合航迹.     

一种分区快速航迹关联算法

针对分布式多传感器信息融合系统中航迹关联运算量大的问题,提出了一种分区快速航迹关联算法。该算法将目标区域划分成若干目标子区域,为了消除传感器测量误差对航迹关联的影响,相邻目标子区域之间设置重叠区域,并给出了重叠区域宽度计算公式。只对落在每个目标子区域内的航迹进行关联,不同目标子区域之间的航迹不进行关联,并通过算法复杂度分析给出了最优分区数的判定方法。仿真实验表明,该算法可有效降低航迹关联运算量,适合于工程应用。     

灰色航迹关联算法的分析与改进

研究并改进了灰色航迹关联算法。通过引入雷达自动检测理论中的双门限信号检测法,在原灰色航迹关联算法中设置双门限,提出了基于双门限的灰色航迹关联算法。经过仿真,改进后的新算法,将航迹平均关联正确率在原灰色航迹关联算法的基础上提高了1.42%。最后,对所有涉及的航迹关联算法进行了综合对比,分析了改进后的双门限灰色航迹关联算法的优势及适用环境。     

一种存在系统偏差的航迹关联方法

研究了组网雷达存在系统误差情况下的航迹关联问题,采用ECEF坐标系作为公共参考坐标系,采用三门限算法进行航迹关联。将不同雷达量测的位置偏差作为粗关联门限,利用位置误差序列的样本方差建立历史航迹关联门限,最后对仍存在歧义的航迹,通过优化算法实现关联的全局最优解,与最近邻域法相比该算法可以有效实现不同目标数目与不同系统误差下的航迹关联,仿真结果显示了该算法的有效性。     

基于几何法的雷达与ESM航迹关联算法

为解决雷达与ESM航迹关联门限的不确定性,提出了基于几何法的雷达与ESM航迹关联算法。该算法根据雷达与ESM的几何位置建立航迹粗关联函数,并利用航迹的历史信息建立航迹关联代价矩阵,通过代价最小实现航迹关联。仿真结果表明,该算法具有很好的关联性能。     

基于轨迹预报的空间目标断续航迹关联算法

空间目标跟踪过程中,航迹中断会严重干扰航迹融合及加重传感器负担,因此,空间目标断续航迹关联算法研究意义重大。针对传统断续航迹关联算法中直线外推得到的预测航迹具有较大误差,从而导致关联不准确的问题,提出基于轨迹预报的空间目标断续航迹关联算法。该算法基于动力学方程对空间目标进行跟踪,对中断前滤波更新值进行曲线拟合得到预报初值点,并结合目标动力学模型进行轨迹预报,将预测数据与中断后新起始航迹前几个时刻的状态更新值进行关联配对,实现空间目标中断前后航迹的关联融合。仿真实验结果验证了所提算法的有效性。     

机载ESM与雷达航迹融合仿真系统研究

机载电子对抗侦察（ESM）和雷达已成为机载平台上获取目标信息的重要传感器。针对机载平台的特点模拟工程实践,从航迹配准、航迹关联和航迹融合三个阶段给出了一套仿真计算过程,构建了一个多参数航迹融合仿真模型。在航迹配准中主要考虑ESM传感器和雷达航迹数据之间的时空对齐问题,航迹关联中分析了基于统计理论的、基于模糊分析的和基于快速判别的三种航迹关联算法,在航迹融合中采用一种快速的加权融合的方法。仿真实验中给出了一种衡量不同航迹关联算法性能的评估计算方法,比较了在不同参数环境下三种航迹关联算法的性能及航迹融合的效果。最后给出了一些实验结论和工程实践性的建议,具有一定的工程参考意义。     

一种基于模糊聚类的PHD航迹维持算法

针对杂波环境下数量变化的多目标航迹关联问题,提出一种基于模糊聚类的PHD航迹维持算法.该算法充分利用多帧信息,对当前时刻状态进行多步预测,并根据惯性进行加权,然后利用模糊聚类求得当前估计属于每条航迹的隶属度,从而得到最终的航迹.与传统的估计与航迹关联算法不同,该算法在更新每条航迹信息时,不仅仅是简单地对相邻帧之间的对数似然比进行求和,而是通过加权聚类等操作综合考虑了多帧信息.实验结果表明,所提算法能够更好地保持目标航迹,即使在目标出现交叉的地方也能达到很好的跟踪精度,具有较强的鲁棒性和优良的航迹维持性能.     

被动传感器网基于模糊综合贴近度的航迹起始

提出了适用于被动传感器网数据关联的模糊数学模型,定义了模糊综合贴近度,基于模糊综合贴近度提出了模糊航迹起始算法.研究了最速下降法中搜索起始点选取、候选目标初始状态估计、目标检测、多义性处理等问题.模糊航迹起始算法的优点是不必已知杂波特性及目标探测概率.仿真实验结果表明,该算法能有效实现航迹起始.     

基于D-S证据理论的无源航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本照搬多传感器数据融合的理论,仅利用目标的状态信息。文中利用了目标的多特征信息（载频、脉宽、脉冲重复间隔（PRI）等）,应用Dempster-Shafer（D-S）证据理论,提出了一种基于分布式无源多目标跟踪系统的多特征信息融合航迹关联算法。算法具有以下优点：关联速度快,正确率高,而且能够适应密集目标的环境。仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法。     

机载雷达中断航关联算法

由于多普勒盲区、电磁干扰以及电子静默等原因,机载预警雷达会经常出现目标航迹中断的现象。针对传统中断航 迹关联算法航迹错误关联和漏关联的概率较高的缺点,文中提出基于先验信息的中断航迹关联算法,利用目标运动特征等先验信息进行粗关联,采用对数代价函数结合二维最优分配实现中断航迹关联,并通过多项式拟合连接关联成功的航迹。仿真实验表明,该算法关联性能比传统算法有显著提高。     

分布式多目标跟踪系统的灰色航迹关联模型

本文以分布式多目标跟踪系统的航迹关联问题为研究对象,首先指出了现有的两类航迹关联算法的固有缺 点,然后基于灰色理论提出了一种新的航迹关联算法,该算法根据数据列因素之间发展态势的相似或相异程度来衡量航迹 间接近的程度,使航迹关联问题突破了样本容量和典型分布这两条限制。最后给出了典型环境下的仿真结果,并与加权法 进行了比较,显示了该算法的优越性。     

雷达数据关联中动态加权模糊C-均值聚类算法研究

针对雷达本身及测量的运动目标淹没在大量的杂波中而导致所测数据的不准确问题,文中对雷达测量的大量目标数据进行卡尔曼滤波,以减少数据关联时的计算冗余量;并对模糊C-均值(C-Means)聚类算法进行改进,改进后的算法利用实时目标航迹斜率的变化率对传统的模糊C-Means聚类算法进行动态加权,从而使模糊C-Means聚类算法的目标函数最优化,优化后的目标函数确定的聚类中心更加逼近目标的实际值,从而保证数据关联的准确度,并减少了计算时间,提高算法的效率.仿真实验表明,将文中基于目标航迹斜率变化率动态加权的模糊C-Means聚类算法应用于曲线运动目标的数据关联中,与传统的模糊C-Means聚类算法相比,可以提高数据关联准确度和效率.     

航迹关联和相对系统误差估计

航迹关联是多传感器多目标跟踪系统中的关键问题。当存在系统误差时航迹关联问题变得更复杂。该文将最优Bayes联合决策估计(JDE)法应用于存在系统误差的航迹关联中,并提出了简化的JDE法。最优Bayes JDE,通过在航迹关联时考虑传感器相对系统误差的估计误差,在相对系统误差估计时考虑航迹关联误差,来提高航迹关联的正确率和相对系统误差的估计精度。提出的简化JDE法可减少了计算量,其性能比最优JDE稍差。并给出了matlab仿真结果来验证方法的有效性。     

基于高斯混合模型的多目标跟踪航迹相关算法

文中引入了高斯混合模型的概念,根据其统计特性,针对边扫描边跟踪雷达中的多目标跟踪问题,提出了一种新的判断航迹相关的算法。首先,证明了点迹服从高斯混合分布;然后,利用混合模型可以用作聚类分析工具的特性,推导出了点迹与当前航迹进行匹配判断的相关原则。此外文中还结合这种新算法修正了用于航迹起始和航迹结束的滑窗法,最后给出了典型环境下的仿真结果,证明了该算法的可行性。     

基于灰关联无源多目标跟踪系统航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本上照搬多传感器数据融合的理论,仅利用目标的状态信息.文中利用了目标的多特征信息(载频、脉宽、脉冲重复间隔等),应用灰关联理论,提出了一种基于灰关联的分布式无源多目标跟踪系统的航迹关联算法.由于利用了目标多特征信息,算法具有关联速度快、正确率高、而且能够适应密集目标环境的优点.仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法.