多普勒信息辅助的杂波环境下多目标跟踪算法

传统雷达目标跟踪方法仅利用目标的位置信息进行数据关联,在处理密集杂波环境下的多目标跟踪问题时,容易产生虚假航迹,甚至出现误跟、失跟的现象。该文针对此问题提出一种多普勒信息辅助的杂波环境下多目标跟踪算法。首先引入多普勒信息带来的观测方程非线性,以及速度观测与距离观测之间的相关性问题,基于IPDA-UKF算法框架,综合利用目标的位置和速度信息构建多维关联波门,利用多维信息进行有效量测的筛选,从而将一个多目标数据关联的问题转化为多个单目标数据关联的问题,然后采用IPDA-UKF分别估计各个目标的存在概率和运动状态。仿真结果表明:相比其他算法,该算法充分利用距离和速度之间的相关性,不仅降低了杂波环境下多目标数据关联的复杂度,提高了数据关联的效率,而且目标跟踪精度也得到了明显提升。     

杂波环境下神经网络数据关联算法

文中提出了一种基于Ｈｏｐｆｉｅｌｄ网络的多目标数据关联算法,构造了多目标数据关联Ｈｏｐｆｉｅｌｄ网络的新能量函数,该函数是观测点迹与航迹预测点迹统计距离的函数．算法考虑了数据关联的整体效果,成功地提高了正确关联概率．仿真表明,在杂波环境下和无杂波环境下该算法较最近邻（ＮＮ）法有明显优势．     

基于质心参照拓扑的灰色航迹抗差关联算法

针对传感器系统误差影响下利用目标拓扑信息的航迹关联算法性能受参照目标状态估计精度制约的问题,提出了一种基于质心参照拓扑的灰色航迹抗差关联算法。该算法以传感器共同观测目标的融合质心位置和航向为参照,建立目标拓扑描述向量,然后采用序贯修正的灰色关联分析方法计算各传感器航迹间的灰关联度,最后以灰关联度为检验统计量进行全局最优的航迹抗差关联判决。仿真结果表明,在随机交叉目标和密集平行编队环境下,该算法的性能和稳健性明显优于传统方法。     

基于极大似然估计的最优航迹关联算法

针对两传感器以上的分布式多传感器航迹关联问题,提出了一种基于极大似然估计的最优航迹关联算法,并且使用一种剪枝方法来快速求解该关联算法的最优解．最后,在不同的目标间隔距离条件下进行了仿真实验．仿真结果表明,该算法有较高的正确关联率,是有效可行的．     

基于航迹关联的一、二次雷达联合跟踪

该文针对一、二次雷达在杂波环境下多目标多传感器协同跟踪问题,提出了一种带二次雷达修正的基于航迹关联的一、二次雷达联合跟踪算法。该算法先通过一次雷达对敌友方目标和二次雷达对友方目标运用联合概率数据关联算法滤波跟踪得到航迹数据之后运用双门限航迹关联判定友方目标并撤消对友方目标的跟踪和利用二次雷达探测数据进行对敌方目标的高度信息进行自适应修正,通过蒙特卡洛仿真表明该算法在提高目标跟踪精度和减小处理器的运算量都是有效的。     

航迹关联指派算法研究

为了解决多目标航迹关联问题,将假设检验方法和线性指派算法综合起来形成了检验优先和指派优先两类方法．针对3种典型算法在雷达探测能力受限或者目标密集场景下容易出现错误关联的问题,提出了一种改进的检验优先算法．该算法通过惩罚性地增加虚拟目标的关联代价来改善关联性能．设计最简单的二目标场景和多目标场景对该算法进行了仿真．仿真结果表明,该算法在目标密集和雷达检测概率下降时仍然能够保持较高的关联性能．     

基于小波变换的模糊航迹关联算法

航迹关联是实现分布式多传感器信息融合的关键技术.针对传统的模糊关联算法正确关联率低的问题,基于小波变换对传统的模糊关联算法进行了改进,提出一种新的航迹关联算法.首先,通过小波分析对目标航迹数据序列进行处理,获取新的航迹特征;然后,采用模糊均值聚类法确立隶属度函数、综合相似度和阈值判决准则,完成对已获取的新航迹特征的分类关联.仿真实验表明：与模糊算法相比,该算法的正确关联率提高约0.30.     

多传感器系统误差特性匹配的动态估计与补偿算法

针对非合作目标场景下多传感器系统误差估计的工程应用问题,提出了一种面向工程应用的多传感器相对系统误差动态估计与适配性处理算法(μ-DECA),提高了多传感器融合系统的精度和稳定性。建立了系统误差实时估计模型,设计了一种多传感器相对系统误差动态迭代估计与补偿算法,使得各传感器原始点迹和融合航迹的误差特性趋于一致,克服了多传感器系统点航迹关联的困难,保证了相对系统误差估计与补偿的正确性。通过不同设备多个场景的实测数据,验证了该方法能够补偿环境等因素对传感器系统误差的影响,提高了多传感器融合的精度和稳定性,改善了多传感器融合系统输出点迹的质量。     

一种复杂环境下多目标航迹起始算法及性能研究

通过对修正逻辑航迹起始算法的研究,针对密集杂波环境下航迹起始的复杂性问题,采用了一种新的高效起始算法.利用位置信息形成可能航迹,在后续扫描周期利用航迹的状态估计信息形成一种椭圆关联门,同时在航迹外推形成V字的区域加以角度约束,并采用灰度信息剔除背景杂波,最终在高噪声下形成一条正确的起始航迹.通过对算法性能指标进行理论推...     

粒子群算法在多传感器多目标跟踪的应用

多传感器多目标跟踪系统中,数据关联是其中的关键问题之一.它可以表述为多维分配问题,提出了基于粒子群优化算法的多维分配算法,它将多维分配问题中的目标代价函数极小化问题作为组合优化问题求解.通过在粒子群初始化步骤以及交叉和变异时充分考虑确认备选量测,缩小优化搜索范围,能较快找到最优解实现关联.在虚警和漏检、密集目标环境下,该算法应用于多传感器多目标融合系统仿真,结果表明所述算法在多目标数据关联中有较好的可行性和优越性.     

分布式异类传感器网Hough变换航迹起始算法

为解决异类传感器网异步采样条件下的航迹起始问题,提出分布式异类传感器网Hough变换航迹起始算法.该算法利用多传感器多采样周期测量建立候选目标集,用极大似然法估计候选目标的状态;采用Hough变换建立参数空间直方图,并对参数空间直方图聚类实现航迹探测;建立目标初始方位角直方图和目标速度直方图,分别对两个直方图聚类实现目标探测;找出与目标相关的测量,利用这些测量估计目标的状态.仿真结果表明,该算法能有效实现航迹起始.     

Short-arc association algorithm for joint observation of multiple star sensors

The star sensor is a high-precision attitude sensor with the ability to shoot space targets intermittently.It can be used as a new type of space target monitoring platform.Accurately associating the track segments of the star sensor with intermittent observations is the prerequisite for precise orbit determination of space targets.In order to solve the problem of trajectory association where the initial orbit cannot be determined because the target observation time is too short,a short arc association algorithm for space targets based on hypothetical boundary values is proposed.By using the multi-satellite sensor joint positioning method,only the angle measurement data of the star sensor are converted into the spatial coordinates of the target,and each point from the track segment to be associated is taken as a boundary.Based on the boundary association hypothesis,the theoretical values of the space target orbit under all assumed boundary conditions are calculated.The Mahalanobis distance and chi-square test are used to make related judgments.The algorithm in this paper can better adapt to many-to-many track association,and can reject uncorrelated tracks more accurately.After simulation,the algorithm in this paper is superior to the short arc correlation method based on the admissible region to determine the initial orbit and sine fitting in terms of association accuracy and execution time.     

基于小波分形和Kalman滤波的航迹追踪方法

利用多尺度小波变换和分形的方法,对一个或多个传感器观测到的航迹数据序列进行多层次分析,动态提取航迹数据的特征,建立关联准则,以形成一个目标的主要航迹,并结合Kalman滤波的方法,实现了目标航迹自动关联和追踪的目的.仿真实验表明这种方法是可行且有效的.     

基于类云模型聚类的多目标数据关联算法

针对多目标跟踪中的数据关联问题,提出一种基于类云模型c-均值聚类的数据关联算法.该算法采用类云模型c-均值聚类算法对目标有效回波进行聚类,将聚类中心作为目标最终观测值,运用最近邻法对聚类中心与航迹进行关联,用Kalman滤波器进行状态估计.实验结果表明,本算法与联合概率数据互联算法相比,跟踪精度高,计算量小,更适应于工程应用.     

基于成像声呐的水下多目标跟踪研究

针对水下多目标跟踪问题,提出基于成像声呐的高效目标跟踪算法. 基于声呐的成像特点,针对声学图像中的每个像素点,建立基于信号强度的回波信号模型,提取图像中的个体目标. 采用基于序贯蒙特卡罗的概率密度假设(SMCPHD)滤波对各目标状态进行滤波,结合Auction航迹识别算法将滤波后的目标状态与已确定的航迹进行关联,实现多目标跟踪. 通过算法的仿真分析发现,该方法相对于基于数据关联型的多目标跟踪算法如联合概率数据关联(JPDA)算法、多假设跟踪(MHT)算法,大大提高了计算效率. 对采集的现场数据进行目标提取与跟踪,获得目标的跟踪轨迹.     

基于Hough变换的航迹起始算法

航迹起始是航迹处理中的首要问题。通过对目标航迹起始的Hough变换方法的研究,总结了目标航迹起始的经典Hough变换算法。针对该算法运算量大不满足实际应用的不足,提出了一种新的基于3/4逻辑的改进Hough变换航迹起始算法。该算法以3/4逻辑为起始航迹的依据,采用改进的Hough变换法判断一次点迹是否共线,有效的解决了在密集杂波环境中目标航迹的快速起始问题。该算法加入速度选通排除了部分杂波,降低了运算量,为该算法应用于工程实践创造了条件。     

基于航迹聚类的终端区飞行程序轨迹表示

为了定量评估飞行员严格按照规定的飞行程序执行飞行任务的能力,对终端区飞行程序轨迹的表示方法进行了研究。通常终端区范围内一条真实的航迹约有150个航迹点,而标准飞行程序仅使用4到9个航路点表示,不足以描述一条完整的航迹。针对这一问题,提出了基于航迹间面积加权的航迹相似性度量方法,并利用CURE算法实现航迹聚类。通过比较聚类集平均航迹和代表航迹分别与标准飞行程序的关系,建立了飞行程序轨迹表示模型。最后利用某大型国际机场的一条标准离场飞行程序以及实际运行航迹对提出的方法进行验证,实验表明,本文所述方法能更好的实现航迹聚类,并可准确地表示飞行程序轨迹,为分析与评估飞行员飞行品质提供理论基础和实践应用参考。     

基于压电薄膜传感器的机器人触觉识别系统

为了使机器人通过触觉感知外部环境信息,弥补视听交互信息缺失的不足,根据聚偏氟乙烯（PVDF）材料的压电效应设计开发基于触觉传感器和卷积神经网络的机器人触觉识别系统,能够根据所采集的触觉信号识别出材质类型. 提出基于渐进式级联卷积神经网络的触觉识别算法. 该算法基于卷积神经网络提取机器人传感器的信号特征,包括经过短时傅里叶变换的触觉数据频谱图和信号表征周期内的时域特征. 为了解决特定材质识别混淆的问题,利用K-Medoids聚类算法和动态时间规整（DTW）距离度量算法将分类过程区分为粗、细2个层次,构建渐进式分类模型. 实验表明,设计的触觉传感器对物体材质的平均识别正确率约为97%,机器人能够成功识别触摸到的真实材质,为下一步的探索交互任务奠定基础.