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。     

FCM与PDA相结合的多传感器多目标跟踪算法

传统的概率数据关联算法(PDA)是在密集杂波环境下的一种良好的多目标跟踪算法,但它是针对单传感器对多目标跟踪的情况下使用,不能直接用于多传感器对多目标的跟踪.针对多传感器多目标跟踪问题,提出一种改进的PDA算法,采用FCM算法预测航迹的聚类中心,然后采用PDA方法对航迹进行跟踪.仿真实验证明此方法能有效地进行多传感器多目标的跟踪.     

分布式多传感器融合数据关联算法

对于分布式多传感器融合多目标跟踪系统,提出一种序贯处理的航迹关联融合算法.为实现杂波干扰环境中对密集多目标的精确跟踪,航迹关联采用了粗、精关联相结合的方法,最小均方误差法用于实现航迹融合.序贯处理的航迹关联融合算法在保证航迹关联正确的同时,大大降低了计算量.仿真实验结果说明了本文方法的有效性.     

基于雷达和红外传感器的目标检测方法

航迹关联是多传感器数据融合的一项重要内容,其目的在于评判不同的航迹是否来自同一个目标。取不同目标的位置和速度之间的距离作为模糊因子,提出了一种基于模糊推理的雷达和红外传感器航迹关联算法;该算法采用正态型隶属函数,在加权处理的基础上利用最大隶属函数原则进行航迹相似性评判。仿真结果表明了该算法的有效性。     

一种基于模糊数学的灰色航迹关联方法

在多传感器信息融合系统中,针对传统航迹关联方法在目标密集且航迹交叉的场合下关联效果变差的问题,提出了一种基于模糊数学的灰色航迹关联方法。以两条航迹间的统计距离为基础得到隶属度关系,引入模糊权重因子,简化隶属度计算;将生成的隶属度矩阵输入系统进行航迹间的灰色关联度计算;求得航迹间的关联度,获得各传感器航迹间的关联结果。仿真结果表明,在目标密集且航迹交叉的场合下,该算法的航迹关联性能明显优于加权法、修正K近邻法、模糊数学法,其正确关联概率相较于以上3种方法分别提升了大约27%、13%、3%。     

多传感器多目标跟踪的粒子PHD滤波算法

针对单传感器跟踪系统的缺陷,提出了基于粒子概率假设密度(PHD)滤波的多传感器多目标跟踪算法.这种算法不仅避免了多传感器多目标跟踪的数据关联问题,而且在漏检、目标密集、航迹交叉、小范围内目标数多的杂波环境下能够稳定、精确地估计目标状态和目标数.仿真实验比较了单传感器粒子PHD滤波与多传感器的粒子PHD滤波的跟踪性能,验证了该方法的跟踪性能和精度.     

改进的Kohonen神经网络航迹关联算法

针对传统的航迹关联算法在运动目标交叉、分岔时,常出现错漏相关航迹且计算量随着传感器和目标数量增加而飞速增长的缺陷,提出一种改进的Kohonen神经网络航迹关联算法。该算法由聚类关联、目标状态估计、神经元优化和状态融合估计等模块组成。通过给每个竞争层神经元加上一个合适的阈值,有效避免了常规的Kohonen神经网络因初始权值选择不合适而容易造成坏死神经元的问题。进一步设计了自组织竞争神经网络学习规则,将多传感器在同一时刻的测量数据进行自组织聚类,从而实现测量数据的有效关联。最后,利用连续时间下的关联数据,实现运动目标航迹关联。仿真研究验证了该算法的可行性和有效性。     

基于EMD和灰关联技术的航迹关联方法

针对分布式多传感器融合多目标跟踪系统,提出一种基于经验模态分解(EMD)和灰关联技术的航迹关联方法.首先采用EMD方法将各传感器的航迹信息分解为多个固有模态函数(IMF)之和;然后以各IMF构成矩阵,对其进行奇异值分解;再以奇异值作为各航迹的特征向量,计算特征向量间的灰关联度;最后通过各关联度的融合,得到航迹正确关联的结果.典型情况下的仿真结果表明,与加权法相比,该方法能有效地用于航迹关联.     

航迹融合算法在多传感器融合中的应用

研究寻的制导优化控制问题,针对传统单一传感器导引不能满足性能要求,提出采用多传感器复合制导.航迹融合是多传感器数据融合中一个非常重要的方面.由于公共过程噪声的原因,使在应用状态估计融合系统中,来自不同传感器的航迹估计误差未必有独立性,为了使航迹与航迹关联和融合,提出自适应航迹和协方差加权航迹融合的算法.通过仿真研究说明自适应航迹融合和协方差加权航迹融合的算法对多传感器数据融合技术有很明显的作用,数据融合效果好,为复合寻的制导优化设计提供了依据.     

基于聚类融合的多目标跟踪算法

多目标跟踪是多传感器数据融合中的一个重要问题。基于模式识别理论 ,提出了一种通过对传感器测量数据集类 ,以区分源于不同目标的测量数据集合。对各个类对应的目标状态估计进行融合 ,从而实现了对多目标的实时跟踪。这种算法聚数据关联、数据融合和目标跟踪于一体 ,大大降低了多目标跟踪问题的复杂性和计算量。实际数据实验充分表明了本算法的有效性。