模糊-概率交互作用的数据关联算法

基于估计理论和模糊系统理论,提出了一种模糊逻辑和概率交互和作用的数据关联算法,以解决密集杂波干扰环境中跟踪机动目标的数据关联问题。模糊关联度和关联概率共同组成了各有效回波的加权系数,弥补了概率数据关联滤波方法（ＰＤＡＦ）的不足,提高了杂波环境中机动目标的跟踪性能。     

修正概率数据关联算法的研究

根据“全邻”数据关联算法的基本思想,采用关联城内回波似然函数的归一化处理,考虑关联城内所有回波的信息,对Fitzgerald提出的简化概率数据关联(SPDA)算法进行修正,得到修正概率数据关联(MSPDA)算法.理论分析和Monto Carlo仿真表明了该算法的有效性.为了能应用于多机动目标的跟踪.采用一种有效的交互式多模型自适应机动目标跟踪算法与MSPDA算法结合,对多个机动目标的交叉、编队进行仿真,得到了较好的结果.     

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.     

杂波环境下雷达组网的多目标聚类融合跟踪

多传感器多目标跟踪是信息融合技术在目标跟踪领域的应用范例,数据关联是其中的关键技术之一.对于杂波环境下的组网雷达多目标跟踪,讨论了粗、精关联相结合的数据关联方法.先用基于跟踪门限算法进行粗关联,排除部分杂波,再用模糊C-均值算法模糊聚类来实现关联.通过把多传感器跟踪问题转化为多个单传感器跟踪问题,更有效地实现关联,最后融合量测,滤波后得到目标的状态估计.用该算法对目标进行蒙特卡罗仿真,其比改进前的模糊C-均值关联算法和最近邻域算法在杂波环境下更能有效实现数据关联.     

基于神经网络的多机动目标跟踪算法

将神经网络理论用于多机动目标跟踪,解决了联合概率数据关联(JPDA)存在的计算量组合爆炸问题。基于神经网络数据关联(NDA)所得到的最佳关联假设,将其与简化信息融合并行自适应滤波算法(DAF)进行有效结合,在保证量测与目标有效关联的同时,还具备跟踪起始和终结的作用,实现了对多机动目标的状态滤波与预测。仿真结果表明,与传统的交互式多模型联合概率数据关联算法相比,新算法在保证多机动目标的跟踪精度及实时性要求的同时,计算量大大减少。     

数据关联算法的研究

在现代目标跟踪系统中,数据关联是一个重要组成部分.由于测量来源的不确定性,密集环境中的目标跟踪比较困难.概率数据关联算法和联合概率数据关联算法能很好地处理目标跟踪并在很多领域得到了广泛的应用.但是一旦出现某种干扰或是故障,通过概率数据关联算法得到的滤波值也会偏离真实值很多,造成滤波发散,严重影响性能.针对这一不足,基于概率数据关联算法中的组合新息,提出了修正概率数据关联算法.最后用一些实例来评价该跟踪算法的跟踪性能,仿真结果表明了修正概率数据关联算法和修正联合概率数据关联算法的有效性.     

基于不同虚假量测分布的PDA算法

针对当前的概率数据关联算法假设虚假目标在跟踪门中服从均匀分布与实际情况不符,研究了假量测在跟踪门中分别服从均匀、瑞利、正态分布的情况,对概率数据关联算法进行了扩展,推导了各种不同分布下的加权因子计算公式.扩展后的PDAF算法更能准确有效地进行杂波环境下的目标跟踪.     

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。     

一种新的数据融合航迹关联算法

最近邻域经典算法在求解航迹关联问题时,由于过度依赖特征阈值以及缺乏全局性考虑,在航迹密度较高的情况下容易出现错误关联．针对这一问题,引入全局搜索策略并采用动态规划和跟踪门技术,提出了一种新的全局最优航迹关联算法．在真实的海上目标航迹关联环境下对两种算法进行了实现,与最近邻域算法相比,新算法不仅获得了较高的关联正确率,同时减少了关联结果对特征阈值的依赖．     

基于最大熵模糊聚类的快速数据关联算法

提出了一种新颖的快速数据关联算法,减少了滤波中关联概率的计算量．该算法利用多个并行改进的最大熵模糊聚类对各个目标的有效观测进行聚类,采用聚类得到的模糊隶属度来重建滤波中的联合关联概率,并在联合关联概率中引入了比例因子避免航迹的合并;此外,分析了算法中差异因子的特性,考虑了杂波密度对它的影响,使得能够有效剔除无效观测,进一步减少计算量．仿真实验结果表明,提出的方法是一种有效的快速数据关联算法,跟踪性能要优于现有的数据关联算法．     

基于三角多项式拟合的RCS数据实现研究

为了利用实测的RCS数据对回波脉冲进行幅度调制产生逼真的雷达目标回波,采用正交多项式拟合及三角多项式拟合法将提取RCS数据拟合成为一个多项式函数或包含正余弦的三角函数,运用CORDIC算法使这些数据集成于DSP等芯片用于回波幅度调制,最后应用Matlab软件对2种拟合方法从数值和直方图进行仿真比较.仿真结果表明:三角多项式拟合方法能高精度地拟合RCS数据,对RCS数据的硬件实现及雷达目标回波模拟有一定的参考价值.     

一种基于FrFT的ISAR多目标成像方法

针对逆合成孔径雷达（IsAR）同一波束内多个运动目标在距离上重叠时的成像问题,提出了一种基于分数阶傅里叶变换（FrFT）的ISAR多目标成像新算法．首先建立多目标回波模型,通过分析各目标平动多普勒历程差异,得出各目标回波在同一距离门内均可近似为一组线性调频信号的结论．然后结合FrFT和Clean思想（FrFT-Clean）对多目标回波信号中各个目标的回波分量进行分离,最后用常规算法对各个单目标分别进行成像．仿真结果验证了该方法的有效性．     

Generalized Keystone transform algorithm for dim moving target detection

Aimed at the problem that the accumulation result varies with the choice of the benchmark pulse used in the Keystone transform to correct range migration, a generalized Keystone transform algorithm is proposed for detecting the dim moving target via long-term coherent integration. The algorithm first searches for the minimum error of discrete time sampling and the corresponding pulse from digital pulse compression. Afterwards, this pulse echo is used as the benchmark in the Keystone transform, by which all the pulse echoes are corrected into the same range resolution cell. Accordingly, the maximum output after accumulation is obtained. Computer simulation and real data processing results are given to verify the effectiveness of the proposed method.     

基于离散小波变换的水下回波信号尾波包络特征提取

提出一种水下目标回波的特征提取方法.该方法在离散小波变换的基础上,基于回波信号中的散射成分可以对水下底质进行分类的理论基础,提取水下回波信号尾波包络特征作为识别特征矢量,构成基于尾波包络特征的特征空间,再采用最佳鉴别矢量法将特征空间进行特征压缩,最后利用最小距离分类器对目标回波进行分类.实测数据结果表明,采用这种方法得到的包络特征是一种稳健、有效的特征,能够获得较高的正确识别率.     

基于离散小波变换的水下回波信号尾波包络特征提取

提出一种水下目标回波的特征提取方法．该方法在离散小波变换的基础上。基于回波信号中的散射成分可以对水下底质进行分类的理论基础，提取水下回波信手尾波包络特征作为识别特征矢量，构成基于尾波包络特征的特征空间，再采用最佳鉴别矢量法将特征空间进行特征压缩，最后利用最小距离分类器对目标回波进行分类．实测数据结果表明，采用这种方法得到的包络特征是一种稳健、有效的特征，能够获得较高的正确识别率．     

一种基于背景加权直方图的Mean-Shift跟踪算法

经典的Mean-Shift算法以颜色直方图为特征进行跟踪,但在视频目标跟踪中没有有效地利用跟踪目标的空间信息,因而当目标快速移动时,目标极易丢失。针对这一问题,提出了一种基于距离目标形心加权直方图的Mean-Shift跟踪算法。距离目标形心加权直方图可有效利用目标在图像中的位置信息,从而能实现复杂背景下的目标跟踪。并分别用改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法和经典的Mean-Shift跟踪算法,对快速运动的目标进行跟踪实验。结果表明,改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法,具有较强的鲁棒性和实时性,能有效实现复杂场景下的目标实时跟踪。     

雷达抗欺骗式干扰信号特征提取方法

欺骗式干扰由于与雷达回波特征相近,对军用雷达造成严重威胁,迫切需要研究雷达抗欺骗式干扰新方法。为了分析提取欺骗式干扰和目标回波信号之间的不同特征,从而实现雷达抗欺骗式干扰,该文通过对欺骗式干扰和目标回波数学模型进行分析和仿真,比较了欺骗式干扰和目标回波在幅度起伏、高阶累积量和双谱特征方面的不同特征;并提出了特征提取方法,定义3组特征因子,构建了抗欺骗式干扰特征参数集。通过仿真和外场试验的数据对部分特征进行了验证。     

线性预测盲源提取算法应用于阵列雷达的分析

通过深入分析阵列雷达的杂波/干扰抑制问题,提出应用基于线性预测的有噪盲源提取算法来提取阵列雷达的回波信号,实现杂波/干扰的同时抑制,最终提高阵列雷达的目标探测能力。在建立逼真的阵列雷达接收信号模型的基础上,通过仿真分析了该算法提取阵列雷达回波的能力和改善阵列雷达的目标探测能力。结果表明,该算法提取雷达回波信号的效果理想,平均相关系数大于0.93;当运动目标的归一化多谱勒频率大于±0.1 Hz时,阵列雷达的检测概率接近1,验证了该算法的可行性和有效性。     

基于迭代sigma点粒子滤波的再入目标跟踪

标准粒子滤波提议分布选择时,由于没有计入最近的观测值信息,重要性权的方差随时间递增,导致权值蜕化。针对这一问题提出了一种新的滤波算法,迭代sigma点粒子滤波算法。该算法在预测时采用sigma点粒子滤波产生拟合概率密度函数的加权粒子,并通过观测值对加权粒子进行更新;修正过程采用迭代卡尔曼滤波优化预测阶段得到的描述状态分布的均值和方差。将其运用于再入大气层目标的跟踪模型,仿真结果表明:与标准粒子滤波相比,该算法能保证滤波收敛,具有更高的估计精度和更好的鲁棒性。