雷达/红外复合导引头信息融合算法

毫米波雷达/ 红外成像复合制导已成为当前多模复合制导技术的研究热点。从毫米波雷达/ 红外成像复合导引头系统的特点及其工程应用出发,建立了一种基于联邦滤波(FF)的分布式雷达/ 红外复合导引头信息融合算法。首先,针对扩展卡尔曼滤波存在线性化误差以及雷达测量噪声非高斯的特点,采用粒子滤波算法(PF)设计雷达子滤波器;针对红外传感器不能测量目标距离的特点,采用伪线性卡尔曼滤波算法(PLKF)设计红外子滤波器。然后通过主滤波器进行信息融合,并对两个子滤波器进行信息分配和重置。仿真结果表明,该信息融合算法能够有效地提高雷达/红外复合导引头系统的目标跟踪精度及系统的稳定性。     

李世忠，王国宏，吴 巍，苏少涛

在强对抗条件下雷达/红外双模复合制导跟踪中,雷达采用间歇工作方式可以减少敌方导弹拦截概率和电子支援措施锁定概率。文中在导弹复合制导跟踪中提出了一种雷达间歇工作下的雷达与红外序贯滤波融合算法,该算法针对雷达、红外量测时间不一致的特点,采用顺序处理结构的多传感器集中式融合方法对目标进行跟踪,在跟踪中使用了基于交互多模型和扩展卡尔曼(IMM-EKF)的序贯滤波方法,利用滤波过程中的状态估计协方差与测量误差方差进行比较控制雷达间歇工作。该算法可以自动适应雷达间歇工作,不需要在单/双传感器跟踪模式之间切换,最后通过仿真的方法分析了传感器数据率和雷达间歇工作对跟踪精度的影响。     

基于EKF的MMW/IR空中机动目标融合跟踪仿真

针对毫米波雷达/红外传感器(MMW/IR)复合制导空中机动目标融合跟踪问题,分别在集中式、分布式结构基础之上研究了基于扩展卡尔曼滤波(EKF)的集中式、分布式融合算法,并提出了评估算法性能的指标.通过仿真,比较分析了两种融合方式下空中机动目标状态的估计误差,对所提出的算法的跟踪性能进行了验证,为MMW/IR复合制导空中...     

雷达/红外成像复合制导信息融合技术

主动雷达/红外成像复合是当今复合制导技术的重要发展方向之一,而信息融合技术又是复合制导中的关键技术之一,对雷达/红外成像信息融合技术的研究具有较高的理论价值和工程意义.从雷达/红外成像复合制导的工程应用出发,全面分析了基于分布式结构的雷达/红外成像复合处理系统中的信息融合技术,包括跟踪滤波算法、数据预处理算法(时空对准算法和测量数据的野值剔除算法)、数据关联算法与数据融合算法,重点研究了一种基于测量噪声相关情况下的加权航迹融合算法,对该算法进行了理论推导和数字仿真,仿真结果表明:该算法融合精度高、实时性好、可以满足雷达/红外成像复合制导中信息融合技术的要求.     

一种基于多传感器的复合量测IMM-EKF数据融合算法

为了提高多传感器系统的目标跟踪精度,且解决传感器数量多导致的耗时长的问题,提出了一种复合量测IMM-EKF（Interacting Multiple Model-Extended Kalman Filter）融合算法.该算法根据各传感器的测量精度,对各传感器关于同一目标的量测点迹进行加权融合,再将融合后的点迹进行IMM-EKF滤波处理.通过仿真及实验数据处理,将复合量测IMM-EKF融合算法与加权IMM-EKF融合算法、扩维IMM-EKF融合算法进行了对比分析,比较了三种算法的跟踪精度及耗时长度.结果表明,扩维IMM-EKF融合算法具有最优的跟踪精度,复合量测IMM-EKF融合算实时性最好.最后分别给出了三种算法的适用场合.     

基于容积卡尔曼滤波的异质多传感器融合算法

针对机动目标跟踪系统建模中的非线性问题,提出一种基于容积卡尔曼滤波(CKF)的雷达与红外传感器融合算法。考虑到被估计系统对目标跟踪算法实时性与精度的要求,在容积滤波框架下构建了集中式量测融合(CMF)和分布式状态融合(DSF)两种结构形式。CMF结构采用最优加权方法,首先对雷达和红外两种异类传感器的方位角度量测信息进行融合,并将其与融合后的雷达径向距量测构建新的量测数据,进而通过CKF算法对机动目标进行跟踪。DSF结构则首先对雷达量测中径向距信息进行加权融合,并将融合结果作为红外传感器的虚拟径向距量测,以实现红外量测的扩维处理,进而对每组量测数据应用CKF进行分布式并行加权融合,获得目标运动状态的最终估计。仿真场景中,对两种融合方法的性能进行比较,理论分析与仿真实验验证了算法的可行性与有效性。     

机载雷达红外传感器集中式融合与管理

提出一种机载多传感器集中式序贯融合与管理的方法.传统扩展卡尔曼滤波融合算法滤波精度不高,因此先利用雷达传感器的量测,采用修正扩展卡尔曼滤波算法对目标状态进行估计,再把估计值作为红外传感器的预测值进行序贯融合.在此基础上采用分辨力增益的方法对传感器进行管理.仿真结果表明该方法能够提高对目标的跟踪精度,增强跟踪系统对环境变化的适应能力.     

基于极大似然法的异类传感器配准方法研究

针对异类传感器数据融合空间配准问题,利用极大似然法对多传感器系统模型进行分析,推导出配准参数的估计值,以毫米波雷达/红外传感器复合制导为例,对空间配准算法进行了仿真,仿真结果具有较快的迭代收敛速度和较好的配准效果,满足了异类传感器融合实时性和精确度的要求.     

毫米波/红外复合制导自动策略生成算法研究

分析了环境和气候等因素对毫米波雷达和红外传感器性能的影响，获得了两类传感器的环境及气候模型。在此基础上，提出了一种基于各传感器性能模型的红外／毫米波复合自动策略生成算法。在自动生成复合策略的同时估计出复合后的性能，以供复合制导中对传感器的控制使用。该方法的仿真实验结果与预先的分析结果较好地相符。     

红外/毫米波雷达双模制导跟踪融合算法的优化

双模制导是导弹武器系统实现精确打击的关键技术之一,对双模制导跟踪融合算法进行优化研究具有一定的理论价值和工程应用价值。根据红外/毫米波雷达双模制导跟踪融合算法的工程应用要求,从算法的实时性、鲁棒性、抗干扰性等要求出发,设计了跟踪融合算法优化方案：一是构造基于特征层的空情特征,并利用决策层提供的决策可信度因子,对跟踪融合算法进行了相应改进;二是根据模糊神经网络及双模传感器在飞行中的不同特征提供的决策信息,对跟踪融合算法进行了优化调用。进行了相应的仿真分析,证明了方案的可行性。     

毫米波/红外多传感器融合跟踪算法研究

毫米波/红外(MMW/IR)传感器是各国发展多模复合制导技术的重点.针对平方根无迹卡尔曼滤波(SR-UKF)的估计算法存在线性化误差及粒子滤波中得到优化的重要性密度函数比较困难的问题,将平方根无迹卡尔曼滤波与粒子滤波相结合,提出一种序贯融合的平方根无迹卡尔曼粒子滤波(SRUKPF)算法.利用平方根无迹卡尔曼算法得到的状态更新矩阵和误差协方差矩阵,构造粒子滤波的重要性密度函数,这样重要性密度函数能够融入最新观测信息,进而更加符合真实状态的后验概率分布.为验证算法的有效性,以地空导弹中MMW/IR传感器复合制导为背景进行仿真研究与分析,结果表明,该算法克服了粒子滤波法难以得到优化重要性密度函数的缺陷,能有效提高多传感器系统状态估计的精度     

一种新的全天候的目标跟踪技术

针对跟踪过程中，由于目标机动的随机性，可能出现目标跟踪丢失的情况，提出了一种融合毫米波数据和红外数据的目标跟踪技术。将毫米波和红外两传感器的工作频率设成互补状态，用毫米波传感器进行测距，红外传感器进行测角，并分别独立的对观测空间进行门限滤除，然后对两传感器门限滤除后所获得的数据利用D-S证据理论进行融合，最后利用融合后更加精确的数据进行目标关联，形成航迹。该技术可以实现全天候工作。实验证明了该方法的有效性。     

基于改进均值位移的红外目标跟踪方法

针对红外序列图像中目标存在旋转的问题,提出了一种改进的Meanshift跟踪方法.首先通过建立带有带宽矩阵Gaussian核的Meanshift矢量,采用类似EM的方法给出了递推公式;并且通过对图像序列的运动补偿,提高了算法的适应性;同时通过和Kalman滤波相结合,提高了算法的鲁棒性.实验结果证明算法能够成功实现对红外目标的跟踪,并且对目标旋转和缩放具有很强的适应性.     

红外成像/毫米波雷达复合导引头信息融合研究

分析了红外成像/毫米波复合导引头的技术特点和工作状态,介绍一种红外成像传感器目标偏差角计算方法,针对红外成像/毫米波雷达复合导引头中平面毫米波雷达无法提供目标俯仰角信息这一特点,提出一种利用弹载测高仪提供的飞行高度推算出平面雷达俯仰角,并利用最优加权平均法对红外和雷达提供的信息进行融合,取得了较好的融合效果。     

红外成像/毫米波雷达复合导引头制导策略研究

分析红外成像传感器和毫米波雷达的技术特点,介绍了红外成像/毫米波复合导引头的工作流程,为提高复合导引头抗干扰能力,提出利用红外目标特征来区分红外干扰和舰船目标,并结合反舰导弹工作的实际情况,形成一种适用于反舰红外成像/毫米波雷达复合导引头的末制导策略。     

基于格拉布斯准则和改进粒子滤波算法的水下传感网目标跟踪

水下无线传感网络(UWSN)执行目标跟踪时,因为各个传感器节点测量值对目标状态估计的贡献不一样以及节点能量有限,所以探索一种好的节点融合权重方法和节点规划机制能够获得更好的跟踪性能。针对上述问题,该文提出一种基于Grubbs准则和互信息熵加权融合的分布式粒子滤波(PF)目标跟踪算法(GMIEW)。首先利用Grubbs准则对传感器节点所获得的信息进行分析检验,去除干扰信息和错误信息。其次,在粒子滤波的重要性权值计算的过程中,引入动态加权因子,采用传感器节点的测量值与目标状态之间的互信息熵,来反映传感器节点提供的目标信息量,从而获得各个节点相应的加权因子。最后,采用3维场景下的簇-树型网络拓扑结构,跟踪监测区域内的目标。实验结果显示,该算法可有效提高水下传感器网络测量数据对目标跟踪预测的准确度,降低跟踪误差。     

尺度估计和多特征融合的目标跟踪算法研究

针对核相关滤波器跟踪算法（Kernel Correlation Filter,KCF）在特征提取单一以及尺度估计不足而导致跟踪效果不佳的问题,本文提出了一种多特征融合的尺度自适应核相关滤波目标跟踪算法。首先,使用帧差法将相邻帧图像对应像素值相减得到差分图像;其次,对差分图像提取方向直方图特征,再与目标的均一局部二值纹理特征和颜色特征进行线性加权融合;最后,引入一种尺度估计策略,将尺度滤波器的估计值与分块算法的估计值融合计算得出目标的尺度和位置。实验数据表明,本方法能有效的改善核相关滤波器的跟踪性能,且与其他主流算法相比,在尺度变换下也有较好的跟踪效果。