扩展概率数据关联算法

在多目标跟踪过程中,为了提高目标跟踪准确率、减少目标丢失,基于目标数目定义了联合关联事件,研究了扩展概率数据关联算法（Extended PDA）。对概率数据关联算法容易产生误跟和失步以及联合概率数据关联可能发生组合爆炸等问题进行改进。实验结果表明,该算法能很好地降低跟踪时间和减少失步次数,提高跟踪准确率。     

一种新的两站多目标无源定位与跟踪模型

为了改善两站无源定位与跟踪算法的性能,在研究了现有的无源定位与跟踪技术以及人的两只眼睛如何协同对目标定位和跟踪的基础上,设计了分辨信息生成与属性关联算法,结合方位数据关联算法和扩展卡尔曼滤波器,初步构建了相对完整的两站多目标无源定位与跟踪的智能仿生新模型,并对有效定位范围和误差分布进行了分析。初步的仿真试验证明该算法对目标数量和队形适应能力强,定位跟踪精度高,同时将计算量控制在较小的规模内。     

基于模糊信息融合的快速数据关联算法

为解决密集杂波下的目标跟踪难题,将目标的距离特征、方位特征进行模糊信息融合,并与概率数据关联算法相结合,得到一种优化的概率数据关联算法。该优化概率数据关联算法与密集杂波下较为有效的联合概率数据关联算法相比,不需产生所有可能的联合事件,因此计算量较小,易于工程实现。仿真结果表明,在不同的杂波环境下,该算法都可以取得令人满意的跟踪效果。     

多目标聚类融合跟踪中的特征信息利用

对雷达和电子支援系统的航迹关联问题，利用模糊C-均值聚类算法实现数据关联。该算法综合利用属性信息和动力学信息，通过构造一个影响距离因子函数．根据识别分类结果。调整样本与类中心的距离。最后融合方位角量测得到目标的状态估计。蒙特卡洛仿真表明．新算法比单一使用动力学量测的算法对多目标关联问题更有效。     

一种改进的联合概率数据关联算法的研究

针对联合概率数据关联算法需要知道目标总数并要对矩阵差分,且计算量呈指数增长的问题,提出了一种模糊多门限概率关联算法,该算法利用测量与目标的关联概率来替代概率数据关联算法中可行联合事件概率的计算,改善性能的同时又减少了计算量。仿真结果表明该算法能有效的解决密集目标跟踪环境下的数据融合精度和收敛性问题,且计算量小。     

智能机内测试技术中KNN算法的改进

针对复杂装备机内测试技术中广泛采用的KNN算法的缺陷，提出一种改进的算法——IKNN。首先用神经网络技术进行输入属性权重的计算，使重要输入属性赋予较大的权值，提高算法的分类精度；其次将训练集中的每一类样本进行聚类，从而减少训练事例集的数据量，提高算法的分类速度。实例验证表明该算法有效地提高了KNN算法的分类精度和速度。     

基于修正全局最近邻的有系统偏差的航迹关联算法

针对存在系统偏差的传感器的航迹关联问题,提出了一种修正全局最近邻的航迹关联算法。该算法利用航迹的位置偏差和航迹间距离偏差进行航迹预关联,并建立航迹关联距离矩阵,通过对关联距离矩阵最优分配实现航迹的实时关联。仿真结果表明该算法具有很好的鲁棒性,具有工程应用价值。     

基于角度观测关联对的NN-EKF红外/毫米波融合跟踪算法

针对双传感器杂波环境中单目标的跟踪问题,提出了一种红外/毫米波角度观测关联及基于观测对最近邻的双模融合跟踪算法。算法根据对真实目标的观测与对杂波的虚假观测联合分布模型的不同,筛选出当前时刻的嫌疑观测对,剔除掉大部分杂波;然后对各嫌疑观测对进行融合,从中选择距离预测位置最近的观测作为当前时刻的观测,并用EKF对目标进行跟踪。算法关联逻辑简明、运算量小,适合工程应用,可应用在中等杂波密度环境,仿真结果验证了算法的有效性。     

基于广域部署智能反射面的无人机集群跟踪方法

无人机在民用和军事领域中都发挥着重要作用，其体积小、数量多、速度快，更会给国防安全带来严重的安全威胁，有效跟踪定位无人机是保障低空安全的关键问题之一。针对典型城市环境中的多目标跟踪问题，提出一种高效费比的多目标跟踪算法。通过广域部署低成本智能反射面，对多目标进行数据融合；同时提出一种改进的数据关联算法，通过特征辅助的模糊数据关联，利用一部分历史数据作为筛选最优观测数据的特征阈值，得到最接近真实值的量测数据。采用卡尔曼滤波进行状态估计，实现对多目标的低成本高精度跟踪。仿真对比新算法与传统概率密度数据关联算法性能。仿真结果表明：新算法相比传统算法在位置和速度方面均方根误差更小，跟踪精度约为1.7 m,传统算法约为6.6 m,实验结果表明新算法能够有效提高目标关联精度和跟踪性能。     

基于最近邻聚类分析的多站遥测数据融合方法

为研究多测站遥测数据智能对接方法,提供高质量全弹道遥测数据,利用多传感器信息融合技术,采用最近邻聚类分析算法实现目标识别级多测站遥测数据融合。以某次试验5个测站的遥测数据为例进行了仿真测试,测试结果表明:该方法能从多个测站中遴选出最优遥测数据帧,经整合重组后实现多测站原始遥测数据融合,有效剔除非正常跟踪遥测数据,提高了数据处理效率和质量。     

基于ML-PDA算法的低可见目标跟踪研究

针对利用传统算法难以跟踪低空目标的问题,提出了一种可行的跟踪低空目标的最大似然-概率数据关联(ML-PDA)算法。在分析各种低空目标特性的基础上,首先建立了基于ML-PDA滤波算法的低空目标跟踪模型,然后对该模型进行了深入分析,最后通过计算机仿真对该模型进行了验证。结果表明:ML-PDA滤波算法对低空目标跟踪十分有效,并且提高了滤波实时性,具有较好的工程应用前景。     

密集杂波环境下的数据关联算法

针对密集杂波环境下多目标数据关联问题,提出了一种基于弱化算子自适应模糊C均值聚类的数据关联算法。该算法首先采用弱化算子对有效回波进行弱化处理,在此基础上应用自适应模糊C均值算法对目标有效回波进行聚类,并将聚类中心作为相应目标最终观测值,最后采用最近邻法将聚类中心与目标航迹配对。实验结果表明,该算法与FCM方法相比,具备更高的关联和跟踪精度;与JPDA算法相比,提高了关联时实性。     

闪烁噪声环境下基于PF的机动多目标跟踪算法研究

为了能够解决非线性非高斯环境中的多目标跟踪问题，提出了一种基于粒子滤波器和联合概率数据关联算法。该算法是在粒子滤波方法的基础上，应用联合概率数据互联的思想计算每个量测值对各个粒子的更新权值，从而获得最终的滤波结果。仿真结果表明，该方法可以同时很好地解决非线性非高斯系统环境下多目标机动性和数据关联问题，具有较好的跟踪性能。     

弹道目标跟踪的自适应多维分配相关算法

研究了弹道目标防御雷达的多目标跟踪数据关联方法,提出了一种弹道目标跟踪的自适应多雏分配相关算法.在对多传感器探测覆盖区域进行分区处理的基础上,进行多目标跟踪模式的判断,根据跟踪模式选取不同维数的多维分配相关算法进行相关处理,分析了多维分配算法存在的问题,给出了算法实现的伪代码.仿真实验结果表明,利用该算法能够很好地跟踪弹道目标.     

一种基于JPDAF的机动目标轨迹融合算法

多传感器目标跟踪是利用不同的平台获得有关目标的准确、连续的动态描述。PDAF(probabilistic data association filter)算法用于处理单目标跟踪问题，它假定所有的量测都是在特定的目标扩展门限中，即来自一个目标或杂波。如果另一个目标也在该门限中，就可能产生错误。为了解决混杂、密集环境下的多目标跟踪问题，本文利用JPDAF(joint probabilities data association filter)算法，通过考虑可利用的关联事件来简化处理过程．根据关联概率值来对假设进行估计。最后的仿真结果表明该算法对向量状态估计有明显改善。     

一种节省内存的点云中K最近邻算法

在已有经典KD树算法基础上，提出一种利用数组实现的、压缩式存储的KD树算法，该算法的优点为可以在保证搜索结果正确的前提下，极大减少算法运行时所需的内存空间，搜索效率与经典KD树算法基本相当。通过多个点云数据的实测，验证了该算法的正确性及效率。     

基于信息融合的分布式多舰无源定位算法

提出一种基于信息融合的分布式多舰无源定位算法,该算法通过属性关联和空间关联相结合的方法实现了多舰无源传感器的定位关联,并采用时变采样间隔的修正增益推广卡尔曼滤波器,用多条舰艇的舰载电子侦察设备对海上多个运动辐射源目标进行分布式纯方位跟踪融合。仿真结果表明：进行跟踪融合后的定位精度比单个舰艇的定位精度有了较大幅度的提高,受目前雷达侦察设备的测向精度比较低的限制,使得跟踪融合后不能达到很高的精度,但该精度可以满足海上导弹攻击的需求,导弹可以通过对一定范围内的目标进行搜捕达到精确打击的目的。该算法对海上慢速运动的舰艇辐射源进行纯方位跟踪有较好的稳定性和可满足要求的定位精度,能够满足工程应用的要求。     

一种改进的机动目标跟踪算法

针对“当前”统计模型算法中加速度极限值预先设定对算法造成的不利影响，提出了一种改进的机动目标跟踪算法，即位置偏差估计自适应算法．该算法利用位置预测估计与位置估计之间的偏差对噪声方差进行自适应调整，从而避免了加速度极限值的预先设定问题，提高了机动目标的跟踪性能．仿真结果也表明了该算法的良好跟踪性能．     

密集杂波下的模糊数据关联多目标跟踪算法

针对密集杂波环境下对多目标跟踪的精度低、实时性不强的问题,提出了密集杂波下模糊聚类数据关联多目标跟踪算法。该算法利用模糊聚类,得到不同观测量相对目标的隶属度作为模糊关联概率,通过分析公共观测对目标的影响,引入远近距下的公共观测影响因子重建模糊关联概率矩阵;然后结合模糊关联概率与卡尔曼滤波,对不同观测量得到的状态估计加权融合,从而对每个目标进行单独跟踪,实现目标的状态更新。仿真结果表明,杂波密集环境下该算法在能够保证多目标跟踪实时性的同时引入远近距下公共影响因子对不同观测量的状态估计进行加权,保证了目标跟踪的精确性。     

基于目标预测值模糊化的模糊数据关联算法

对传统模糊数据关联算法进行了分析,针对其利用最大隶属值赋值原则对目标进行跟踪时可能存在误跟或跟错的情况,提出了基于目标预测值模糊化的模糊数据关联算法.首先将预测航迹进行距离模糊化,建立联合关联区并舍去关联区以外的点迹,降低模糊数据关联分割矩阵的维数;然后对分割矩阵运用整体最优原则,将问题转化为0-1规划问题,实现数据的模糊关联;最后对算法进行仿真,结果表明:采用新算法能有效改进传统算法的缺陷,提高数据关联的可靠度.