基于目标权重和信息增量的传感器管理方法

信息增量最大化只是传感器资源分配的必要条件而并非充分条件,为了同时满足传感器资源分配的充分条件,本文提出了一种基于目标权重和信息增量相结合的方法.该方法在利用交互式多模型(IMM)获取信息增量的基础上,结合由部分排序集合(POSET)方法而得出的目标所需的检测、跟踪和分类等任务的优先级别来对传感器资源进行分配.仿真结果表明,与仅考虑信息增量最大化的方法相比,该方法不仅行之有效而且更能合理地分配有限的传感器资源.     

一种基于信息决策树的低轨星座传感器调度方法

 针对低轨星座弹道目标连续跟踪传感器调度问题,提出了一种基于信息决策树最优搜索的调度方法.该方法首先将短时信息增量扩展到长时信息增量,然后建立信息决策树,并通过分支剔除搜索技术求解.仿真实验表明,本文所提方法有效克服了短时调度方法调度过于频繁且跟踪精度较低的问题,且决策树分支剔除技术的引入大大降低了长时信息增量最优搜索的运算量.     

一种协方差和信息增量联合控制的多传感器管理算法

分析了当传感器资源较丰富时采用基于联合信息增量的传感器管理算法存在的问题,结合协方差自适应传感器管理算法的思想,给出了一种协方差和联合信息增量联合控制的传感器管理算法,并进行了算法的仿真.仿真结果表明,该算法既能够根据期望的精度对目标进行跟踪,又能够根据目标的机动性来动态地分配传感器资源,使得传感器的分配策略更加灵活.     

基于IMM-UKF的传感器管理算法

传感器管理是信息融合技术的重要研究方向,目标跟踪中传感器管理的主要目的是为了通过与目标环境相互作用,降低目标的不确定性信息,以便于对目标精确跟踪.文中提出了一种基于IMM-UKF的传感器管理算法.针对机动目标的模型多为非线性的情况,提出了把交互式算法与Unscented卡尔曼滤波相结合的交互式Unscented卡尔曼滤波算法(IMM-UKF),并结合信息增量用于传感器管理.     

WSN中一种改进的目标跟踪方法

目标跟踪作为无线传感器网络(WSN)的一项基本应用,已得到广泛研究。提出了一种改进的目标跟踪方法,该方法主要分为邻域检测、目标跟踪和目标修正3个阶段。节点通过获取对于目标的感知信息收益值来实现邻域检测。每个节点通过计算自己的节点权值来决定是否参与目标的跟踪。基于目标的运动趋势,通过发送数据报告来自适应地对目标进行修正。仿真实验表明,该算法减少了参与目标跟踪的节点数,节省了能量,与PM算法相比,该算法提高了目标跟踪的准确率。     

一种改进的多传感器多目标跟踪中的传感器管理方法

传感器的优化管理是影响多传感器多目标跟踪系统性能的重要环节。为了更好地解决这一问题,本文将跟踪过程中信息增量最大化准则与效能最大化准则相结合,提出了一种新的优化准则,并采用归一化滤波信息增量和滤波协方差的范数实现了传感器与目标配对系数的自动更新。仿真试验表明本文方法的合理性和有效性。     

一种基于毫米波/红外复合制导的跟踪滤波算法

信息融合技术是毫米波/红外复合制导的关键技术之一,其中目标跟踪算法的优劣直接决定了系统的性能.针对毫米波与红外复合制导的目标跟踪,首先对毫米波传感器和红外传感器的量测数据进行了融合,并提出了一种改进的跟踪滤波算法.该跟踪算法能根据目标的机动情况实时获得滤波增益,并及时调整滤波方程,从而获得良好的跟踪效果.最后对目标的直线运动和改变航向的直线运动进行了仿真分析.仿真结果表明,与其它滤波算法相比,该算法的跟踪效果良好,跟踪精度较高且计算量少.     

采用粒子滤波的先跟踪后检测算法

先跟踪后检测(TBD)算法能够有效解决低信噪比条件下弱小目标的检测与跟踪问题.与传统的先检测后跟踪方法相比,它的优点在于可完整传感器数据,随时间累积起来能获得更好的检测与跟踪性能,特别是检测与跟踪弱小目标.同时与传统的跟踪算法相比,先跟踪后检测算法提供给跟踪器的信息更多,适合于跟踪低信噪比的弱小目标.探讨了先跟踪后检测问题的两个方面:滤波和检测.为了检测目标的出现与消失,在状态向量中增加一个二元变量对应目标存在.对于非线性、非高斯的跟踪问题,使用粒子滤波器跟踪弱小目标,基于粒子滤波器的权值实现最优检测器.给出粒子滤波器的TBD算法的理论推导以及数值计算过程.仿真实验表明:基于粒子滤波器的TBD算法能够检测与跟踪低信噪比的目标.     

一种基于费歇信息增量的多传感器对多目标的分配方法

在对序贯Kalman滤波在多传感器多目标跟踪中的应用情况进行分析之后，提出了一种基于费歇信息增量的多传感器对多目标的分配方法．该方法较好地解决了传感器的组合分配问题，并能对目标的跟踪精度实施控制，仿真结果证明了该方法的有效性．     

基于信息熵的一种传感器管理算法

通过对目标搜索区域不确定性定量描述的信息熵及信息熵变化而产生的信息增量,本文提出了一种多传感器对多目标进行检测与分类的优化算法,即针对每一检测单元计算该时刻的信息熵及预测下一时刻的信息熵,产生信息增量最大的检测单元就是下一次要搜索的单元.仿真结果证明了该算法的有效性.     

动态热释电传感器网络目标跟踪技术研究

提出了一种动态热释电红外辐射传感器网络的目 标 跟踪方法,使热释电传感器在运动状态下进行目标探测,通过采集、分析 动态热释电传感器输出的信号特征可得到目标的角度信息;使用传感器网络目标定位数 学模型, 对多个节点的信息进行融合即可实现运动目标的定位及跟踪,并有效解决了热释电 探测距离及探测角度的矛盾问题。实验表明,所提方法可在大范围对目标进行定时监控及自 主跟踪,在探测范围及灵敏度、定位精度 等方面具有很大优势。     

一种跟踪信息辅助的认知目标检测方法

近年来认知雷达技术取得了快速发展,如何利用已获取的感知信息提高雷达探测性能成为研究热点.针对跟踪阶段的认知目标检测问题,提出一种跟踪信息辅助的认知目标检测方法,旨在利用跟踪信息提高目标检测性能和跟踪性能.对于处于跟踪阶段的目标,目标真实性已被充分证实,此时可以将跟踪信息传递至检测模块,以期望获得探测性能提升.本文认知检...     

伯努利滤波器在纯角度跟踪场景中的应用

所获得信息只包含角度信息的传感器被称为纯角度传感器，基于纯角度传感器的目标跟踪被称之为纯角度跟踪（Bearings-only Tracking，BOT）。BOT是目标跟踪领域的重要课题，在被动目标跟踪场景中能够发挥重要作用。伯努利滤波器（Bernoulli Filter，BF）是贝叶斯框架内的最优单目标滤波器，可以求得目标的存在概率和完整的后验概率密度函数，并判断目标出现和消失。作者将伯努利滤波器应用于纯角度跟踪场景下的单目标跟踪问题，提出了一种纯角度跟踪伯努利滤波器。在所提出的滤波器中，将目标相对于传感器的角度及其变化率作为状态矢量，用于估计目标是否存在；若目标存在，估计其状态信息。同时，还给出了所提出滤波器的粒子滤波（Particle Filter，PF）实现方法。仿真结果显示，与普通伯努利滤波器相比，所提出的纯角度跟踪伯努利滤波器能够更好地判断目标是否存在，同时滤波器对于目标估计的误差也更小。因此，所提出的滤波器具有更好的跟踪性能和更高的跟踪精度，能够有效应用于被动跟踪场景中。     

Information Regularized Sensor Fusion: Application to Localization With Distributed Motion Sensors

We propose the information regularization principle for fusing information from sets of identical sensors observing a target phenomenon. The principle basically proposes an importance-weighting scheme for each sensor measurement based on the mutual information based pairwise statistical similarity matrix between sensors. The principle is applied to maximum likelihood estimation and particle filter based state estimation. A demonstration of the proposed regularization scheme in centralized data fusion of dense motion detector networks for target tracking is provided. Simulations confirm that the introduction of information regularization significantly improves localization accuracy of both maximum likelihood and particle filter approaches compared to their baseline implementations. Outlier detection and sensor failure detection capabilities, as well as possible extensions of the principle to decentralized sensor fusion with communication constraints are briefly discussed.     

无线传感器网络中可信的节点选择算法

以目标跟踪为背景,讨论无线传感器网络中如何利用节点的协作实现可信协作目标跟踪。首先利用传感器节点的检测概率建立节点的可信模型。然后,基于这个模型,综合考虑节点的信息贡献量和通信开销,建立了一个节点选择的最优化模型。最后,通过仿真来验证算法的有效性。     

利用近距离目标红外图像的机动检测问题研究

机动检测问题是目标跟踪(尤其是对近距离目标跟踪)过程中的一类关键性问题.传统的机动检测方法一般将目标看做点目标来处理,而在能得到目标红外图像的情况下,依据红外图像跟踪可以得到更快、更准确的机动检测性能,本文提出了一种针对近距离目标红外图像的依据类散度的小波包变换、初始聚类后叠代逼近以及能量最强直线段提取的图像处理方法,该方法在较低信噪比情况下依然能够保持较好的目标中心的跟踪精度,并进一步改善机动检测的性能.