基于孪生神经网络的航迹关联方法

日益复杂的电磁环境对战场目标探测提出了很高的要求。由于多雷达融合系统的不断发展,如何准确快速地完成多雷达的航迹关联成为一个亟待解决的问题。现有的关于航迹关联算法的研究大多只考虑雷达上报的最新目标航迹点,而没有考虑先前的航迹信息。除此之外,大多数航迹关联算法对于航迹异步问题的解决方法是进行时间配准,这不仅增加了算法本身的计算开销,还放大了航迹信息中包含的误差,因此难以应用于目前复杂的电磁环境中。本文提出一种适用于对异步航迹进行关联的、且无需进行时间配准工作的基于孪生神经网络的航迹关联算法(TTCSN)。该算法首先将待关联航迹两两组成一对,将其成对地送入特征提取网络中,再利用共享权重的双向LSTM网络提取输入航迹的隐含特征,之后对两条航迹的特征向量进行相似度计算,得到相似度向量,最终送入分类器完成关联航迹与非关联航迹的判别。实验表明,TTCSN算法能够有效地解决异步航迹关联问题。     

基于最小二乘拟合的雷达航迹匹配算法

本文采用最小二乘拟合方法拟合雷达目标航迹曲线,再计算拟合目标航迹与真实航迹的欧几里得距离,进而得到雷达航迹关联匹配结果。该算法克服了单点信息在存在信息缺失和目标机动等情况时出现错误的关联匹配结果,并通过多目标多平台仿真系统验证了雷达航迹关联匹配正确率,本算法已在实际工程雷达仿真系统中得到良好的应用。     

小波分析在多传感器多目标跟踪的航迹相关算法中的应用

在多传感器多目标融合跟踪系统中,航迹关联是对目标进行连续跟踪最重要的关键技术。在融合中心,对多传感器获得的目标航迹数据进行航迹关联处理,判断哪些航迹数据源于同一个目标。利用小波分析的方法提取航迹信号的趋势项信息,再结合传统的航迹关联处理方法对这些趋势信号进行关联判决。仿真实验表明这种方法是可行的。     

雷达与电子支援措施异步抗差航迹关联算法

针对雷达与电子支援措施(ESM)存在系统误差、航迹异步等复杂条件下的航迹关联问题,该文提出一种基于区间序列离散度的异步抗差航迹关联算法。定义混合区间序列的离散信息度量,给出系统误差的区间化方法,通过计算区间离散度并利用经典分配法进行关联判定。与传统算法相比,可在系统误差存在的前提下无需时域配准对异步航迹直接关联,且对噪声分布不敏感。仿真结果表明,所提算法具有良好的抗差性且不受目标运动位置的影响,适用于传感器同地或异地配置等多种情况。     

基于GDOP的分布式雷达网航迹关联阈值选择新方法

分布式雷达组网的航迹关联不仅与网内各雷达的性能有关,而且与目标的相对位置有关。本文提出一种新的雷达组网航迹关联方法,该方法在综合网内各雷达性能的基础上,将组网雷达定位精度几何稀释模型引入航迹关联算法当中。根据各雷达对观测同一目标定位精度的差异为参考,给出一种新的航迹关联门限阈值选择算法。本文介绍了航迹关联阈值的计算过程,并利用该方法对真实航迹数据进行了仿真。     

基于运动方程的目标航迹模拟方法

雷达情报模拟的关键是目标航迹模拟和雷达探测模拟,但目前的航迹模拟方法不能很好地体现目标的实际运动特性。文章提出了一种基于运动方程的航迹模拟方法,该方法用3种基本的目标运动方程模拟目标航迹,并在用符合扰动分布规律的随机数模拟各种扰动的同时模拟对扰动引起的偏差进行纠偏的过程。该方法产生的航迹模型真实地接近空中目标实际运动轨迹,更符合目标的实际运动特性。仿真实验结果表明了该方法的有效性。     

雷达与电子支援措施异步抗差航迹关联算法

针对雷达与电子支援措施(ESM)存在系统误差、航迹异步等复杂条件下的航迹关联问题,该文提出一种基于区间序列离散度的异步抗差航迹关联算法.定义混合区间序列的离散信息度量,给出系统误差的区间化方法,通过计算区间离散度并利用经典分配法进行关联判定.与传统算法相比,可在系统误差存在的前提下无需时域配准对异步航迹直接关联,且对噪声分布不敏感.仿真结果表明,所提算法具有良好的抗差性且不受目标运动位置的影响,适用于传感器同地或异地配置等多种情况.     

综合利用各类信息的异类灰色航迹关联算法

异类传感器航迹关联是航迹融合中的一个难点,红外传感器与雷达的航迹关联是典型的异类传感器航迹关联。综合利用角度和其他特征信息是改善异类传感器航迹关联的一个重要途径。针对异类传感器数据关联用于关联的信息量少的问题,对于雷达在直角坐标系对目标进行跟踪,红外传感器在修正的球坐标系对目标进行跟踪的情况,综合利用角度、角度变化率和ITG信息,提出了一种基于灰色理论的航迹关联决策方法,计算机仿真结果表明新的关联算法与只利用角度信息的关联算法相比具有更好的关联性能。     

基于互信息的航迹对准关联算法

针对系统误差对目标航迹的影响,研究了在组网雷达存在系统误差情况下的航迹对准关联问题,并将该影响表示为目标航迹的旋转量和平移量;提出一种基于互信息的系统误差配准前航迹对准关联算法,该算法采用最大互信息理论来估计目标航迹数据的相对旋转量和平移量,将雷达组网中雷达上报的目标航迹数据对准到融合中心,从而避开了估计雷达组网系统误差,实现了误差配准前的航迹对准关联,能够为后端的系统误差配准提供可靠的关联航迹数据。     

基于相位相关的航迹对准关联技术

本文研究了雷达存在探测系统误差时的目标航迹关联问题,给出了组网雷达常规及大系统误差对目标航迹影响的理论分析,提出了一种基于相位相关的系统误差配准前目标航迹对准关联算法.该算法利用Radon变换和Fourier变换的有关特性,采用1维和2维相位相关来分别估计航迹间旋转和平移,基于估计量对各雷达目标航迹进行对准后,实现配准前航迹准确关联.最后,蒙特卡洛仿真结果比较验证了在各种不同的系统误差和目标环境中算法良好的航迹对准关联效果,充分说明其能够为雷达误差配准提供可靠的关联航迹数据.     

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。      

Track association for over-the-horizon radar with a statistical ionospheric model

Over-the-horizon (OTH) radar exploits the refractive nature of high-frequency radio-wave propagation through the ionosphere for the purpose of wide-area surveillance. In order to localize targets, however, multipath slant tracks from different ionospheric layers, but the same target must be combined. The process of track association is complicated both by uncertainty in downrange ionospheric conditions and by the fact that in multiple target cases, the associations of slant tracks to targets are unknown. This paper proposes a method for joint multiple target ground track estimation and slant track association, or mode linking, with uncertain ionospheric conditions where the slant-track-to-target assignments and slant tracks' ray mode paths are unknown. Maximum a posteriori (MAP) mode linking exploits the statistical dependence between slant tracks on different ray mode paths to provide accurate mode linking decisions and ray path assignments and, thus, accurate ground track estimates. The approach uses Markov modeling for the dependence between different ray path types as well as for the temporal correlation between mode linking hypotheses at different revisits to obtain consistent mode linking decisions. Monte Carlo simulation results suggest that MAP mode linking can potentially provide a significant improvement in ground track accuracy over conventional mode linking with higher probabilities of correct track associations and ray mode assignments. Results with real OTH radar slant track data of multiple slant tracks from multiple targets and validated against ground truth that support the simulation study are presented.     

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.     

Distributed fusion architectures and algorithms for target tracking

Modern surveillance systems often utilize multiple physically distributed sensors of different types to provide complementary and overlapping coverage on targets. In order to generate target tracks and estimates, the sensor data need to be fused. While a centralized processing approach is theoretically optimal, there are significant advantages in distributing the fusion operations over multiple processing nodes. This paper discusses architectures for distributed fusion, whereby each node processes the data from its own set of sensors and communicates with other nodes to improve on the estimates, The information graph is introduced as a way of modeling information flow in distributed fusion systems and for developing algorithms. Fusion for target tracking involves two main operations: estimation and association. Distributed estimation algorithms based on the information graph are presented for arbitrary fusion architectures and related to linear and nonlinear distributed estimation results. The distributed data association problem is discussed in terms of track-to-track association likelihoods. Distributed versions of two popular tracking approaches (joint probabilistic data association and multiple hypothesis tracking) are then presented, and examples of applications are given.     

数据挖掘技术在情报处理中的应用

在对目标活动数据进行处理的过程中,由于表面上只能看到目标活动的航迹情况,而不能更有效地发现不同活动之间的关联关系。对数据挖掘技术的概念进行了介绍,说明了数据挖掘的一般过程及在情报处理中的应用意义,提出了一种通过关联规则算法对已有目标活动数据进行数据挖掘的方法,并详细描述了数据挖掘技术在情报处理中应用的体系结构和实现方式。     

地波雷达与自动识别系统目标点迹最优关联算法

为了提高海洋探测精度和范围,针对高频地波雷达(HFSWR)和自动识别系统(AIS)目标点迹的融合利用问题,该文提出一种基于JVC(Jonker-Volgenant-Castanon)的点迹分状态全局最优关联算法。首先,通过判断高频地波雷达和AIS点迹的径向速度,将点迹分为准静态目标和动态目标。接着,选取径向速度和点迹间的球面距离为特征参数,对不同状态下目标点迹分别进行径向速度和位置间球面距离粗关联。最后,使用相对距离比的平均值进行关联效果的评价,通过选择合适的关联门限参数,使用JVC算法实现高频地波雷达和AIS的点迹最优关联。实验结果表明:该算法在关联相同点迹对数的情况下,关联精度高于最近邻(NN)算法和Munkres关联法,关联用时少于最近邻算法和Munkres关联法。通过近3年内3组不同时刻实测目标点迹的验证,该算法可以满足关联的实用性和实时性要求。     

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。     

应用K-means聚类的分布式多传感器航迹关联算法

针对分布式多传感器航迹关联的特点,考虑采用K-means聚类的航迹关联算法。将来自各传感器的局部航迹与系统航迹进行关联,并将系统航迹作为初始聚类中心,避免了K-means算法本身依赖初始值的缺陷;提出将系统航迹与局部航迹的欧式距离以及其状态向量在1范数下的距离之和作为相似度测度;设定距离门限值,减少了极端数据对聚类结果的影响,并增加多义性处理。蒙特卡洛仿真实验表明,该算法在目标密集并且目标有交叉的情况下能以较小的代价得到较高的平均正确关联率。同时,该算法克服了最近邻域法的局部最优特性和关联正确率高度依赖特征阈值等局限性。     

A novel all-neighbor fuzzy association approach for multitarget tracking in a cluttered environment

This paper proposes a novel all-neighbor fuzzy association approach for multitarget tracking in a cluttered environment. It performs data association with a little prior knowledge and updates the predicted target state estimate using a fuzzy weighted sum of innovations. Unlike the joint probabilistic data association filter, in which the similarity measures are determined in terms of the conditional probability for all feasible data association hypothesis, the proposed fuzzy association approach determines the similarity measures between measurements and tracks in terms of possibility weights based on a partition matrix. The possibility weights are determined according to the fuzzy clustering algorithm. The proposed approach is able to perform all-neighbor association with a lower computational complexity in the expense of a little lower performance compared to the standard joint probabilistic data association filter. Computer simulation shows the feasibility and the efficiency of the proposed all-neighbor fuzzy association approach.     

Multitarget state and track estimation for the probability hypotheses density filter

The particle Probability Hypotheses Density (particle-PHD) filter is a tractable approach for Random Finite Set (RFS) Bayes estimation, but the particle-PHD filter can not directly derive the target track. Most existing approaches combine the data association step to solve this problem. This paper proposes an algorithm which does not need the association step. Our basic ideal is based on the clustering algorithm of Finite Mixture Models (FMM). The intensity distribution is first derived by the particle-PHD filter, and then the clustering algorithm is applied to estimate the multitarget states and tracks jointly. The clustering process includes two steps: the prediction and update. The key to the proposed algorithm is to use the prediction as the initial points and the convergent points as the estimates. Besides, Expectation-Maximization (EM) and Markov Chain Monte Carlo (MCMC) approaches are used for the FMM parameter estimation.