机载雷达与ESM航迹关联技术研究

机载雷达和电子对抗侦察(ESM)已经成为机载平台上获取目标信息的重要传感器,它们之间的数据关联是典型的异类传感器数据关联问题,以往对于关联判别函数的选取,大多只考虑方位角信息,而忽略或弱化其他信息的使用,针对此问题,在对于关联函数的选取上,充分利用了角度和属性信息建立判别函数,并基于此判别函数,提出使用航迹关联三门限算法对机载雷达与ESM航迹进行关联判决。仿真结果表明:该方法具有较低的漏关联概率和错误关联概率,能很好地解决机载雷达与ESM航迹关联问题。     

ESM与AIS的统计关联

为了充分利用ESM与AIS的各种目标信息,研究了二者的航迹关联问题,提出了一种统计关联算法。首先,对ESM和AIS的数据进行数据预处理;然后,结合统计理论将ESM与AIS的关联问题转化为假设检验问题,给出了关联判别函数、决策规则及决策门限;最后,通过仿真表明所提出的算法关联效果较好,便于工程实现。     

基于统计双门限的异类传感器的航迹关联算法

异类传感器由于探测维度以及探测空间的不同,导致传感器之间的航迹关联变得困难。为实现海陆空之间统一的目标信息态势,本文针对雷达、被动声纳的航迹关联问题,提出了一种基于统计双门限的异类传感器航迹关联算法。该方法首先利用假设检验,将N个探测周期内的每个观测样本与第一门限λ进行比较,统计超过门限的样本数,并将统计结果与第二门限L进行比较,从而判断异类传感器之间的航迹是否关联。仿真实验结果表明,该方法在目标航迹交叉、分岔的情况下,仍然有很高的关联正确率,并且对于水下目标的识别也具有重大的意义。     

基于SA-ML-PDA的无源协同定位方法

针对无源协同定位系统中低可观测目标的航迹初始及维持问题,提出一种基于模拟退火极大似然概率数据关联的双基站无源协同定位方法.首先,建立双基站无源协同定位系统数学模型.其次,提出基于极大似然概率数据关联的无源协同定位航迹初始算法,并首次利用模拟退火算法解决极大似然概率数据关联中的优化求解问题,以提高目标检测跟踪性能.最后,通过滑窗法实现航迹维持.仿真结果表明,所提方法能够有效解决双基站无源协同定位系统中低可观测目标的航迹初始及维持问题.     

基于方位与时延信息融合的被动声纳航迹关联

在探测区域存在多个目标的情况下,水声岸站被动测向定位系统必须首先解决多目标的航迹关联问题,即确定各个传感器所测量的信息哪些是来源于同一目标的.通过融合被动声纳所测量到的方位和时延信息提出了一种方位最近邻关联方法,对该方法和传统的多维分配算法进行仿真表明该方法能获得很高的正确关联概率,同时该方法克服了传统的多维分配算法在传感器和目标数量较多时计算量过大的问题,是一种优于多维分配算法的水声被动多传感器多目标航迹关联方法,这说明利用信息融合手段解决水声领域航迹关联问题具有潜在的优势.     

基于DSmT的机载目标断续航迹关联

针对机载目标跟踪中常见的目标航迹断续问题,将多传感器获得的目标属性与状态等多特征信息相结合,建立中断前后各航迹段组合的关联统计量,以各特征关联度为证据并基于DSm理论进行合成,根据识别结果对同一目标中断前后的航迹段进行关联,提高航迹连续性并降低战场态势复杂度。仿真结果表明了该方法的有效性与可行性。     

基于先验知识与记忆信息的航迹关联聚类算法

为提高目标密集环境下航迹关联的正确率,提出了基于先验知识与记忆信息的航迹关联聚类算法.对来自不同传感器的航迹进行自动聚类,并根据单个传感器中不同航迹代表不同目标这一先验知识,对目标数目过多的聚类进行处理.另外,算法考虑了航迹关联中的记忆信息,提高了航迹关联的准确性,有效地解决了目标密集环境下的误关联问题.仿真结果表明了该算法的有效性.     

分布式多传感信息融合系统的异步航迹关联方法

在分布式多传感信息融合系统中,由于每个局部传感器的采样频率不同以及具有不同的通信延迟,导致来自不同传感器的局部航迹往往是异步的.针对此问题,提出了一种异步航迹关联方法.该方法首先基于最小二乘法实现单传感器的时域融合,从而将多传感异步航迹同步化.接下来,将多传感多目标航迹关联问题转化为在网络中搜索总费用最小的多个互不相交的路径问题,从而获得相应于每个目标的各个传感器的局部航迹组合.仿真试验表明,算法可以有效地解决异步航迹的关联问题,且具有较高的关联成功率.     

基于多尺度小波变换和短时分形理论的航迹关联方法

在多传感器监视系统数据处理过程中，航逮关联是数据融合首要解决的问题之一。对多传感器观测到的目标数据，要识别哪些数据组成的目标航迹源于同一目标。利用多尺度小波变换方法对航迹数据序列进行多层次分析，动态提取航迹数据的特征，建立关联准则并结合短时分形方法，实现了目标航迹自动关联的目的。仿真实验表明这种方法是可行且有效的。     

在目标航迹断续下雷达和ESM数据关联的新方法

雷达和ESM是获取敌方目标电子信息最重要的传感器,通过航迹关联、估计处理,可以提高对空域的态势感知能力.当雷达和ESM的探测目标航迹处于断续情况下,角度直接关联的不确定性很容易造成错误关联或漏关联,从而不断起始新的融合航迹.论文将测量的角度转换为证据,再利用DS理论进行频谱、属性等证据综合推理,能较好地提高关联正确率,维持融合航迹的连续性.     

联合ADS-B的最小二乘雷达系统误差估计方法

为了解决两坐标雷达系统误差估计问题,提出一种联合ADS-B的最小二乘雷达系统误差估计方法.提出方法首先将ADS-B量测从地理坐标系转换到雷达局部直角坐标系,建立统一的配准空间;其次以雷达航迹的采样时间为基准,对ADS-B航迹进行插值,构造新的ADS-B航迹;然后采用直线拟合算法分别计算雷达航迹和ADS-B航迹的直线方程,并计算两条直线的夹角,再利用该夹角补偿雷达航迹的航向角数据;最后采用最小二乘算法估计雷达系统误差.实测数据实验结果表明,与传统直线拟合方法和最小二乘方法相比,提出方法能够更有效地估计雷达系统误差;经过提出方法配准处理后,雷达航迹数据的平均斜距离误差和方位角误差分别降低71.7%和52.7%.     

车载网的新型定位算法

针对目前车载定位实时性差等缺点,提出了一种单基站.方位时差联合定位算法.该算法利用方位角和信号到达时间差建立车载定位跟踪模型,然后采用SUKF算法对车载定位跟踪模型进行滤波.仿真结果表明,SUKF滤波算法不但降低了运算量,而且极大地提高了系统的实时性,可应用于车载网的定位.     

基于多项式统计的舰船传感器偏差估计算法

现代舰艇配置多部用于探测作战任务目标的传感器,因此必须估计距离、方位和俯仰的探测参数偏差。大部分已有算法需要从传感器获取额外信息,比如滤波增益和关联协方差矩阵。本文提出7阶多项式拟合和假设检验的新算法,使用K-S检验、卡方检验和t检验方法统计分析估计传感器系统偏差。通过比较不同传感器的航迹数据,该算法可获得多种传感器的探测精度和偏差,并提供传感器间偏差异常定位。最后,通过仿真数据和无人机测量数据验证本文所提算法的有效性。     

两种典型情况下的多目标航迹关联方法

针对多目标测量雷达航迹关联中普遍存在的目标变换和目标重复两类典型问题，提出双向带密度控制的多项式检验和基于弹道动力学外推的雷达测元比较方法，有效解决了多目标雷达测量时一段连续航迹跟踪目标不唯一和对同一空间目标多次重复测量的技术难题，改变了完全依赖人工拼接测量数据完成多目标航迹关联的现状。实践结果证明该算法简单适用，便于工程实现，可极大地提高多目标航迹关联的准确度，缩短数据处理周期，对完成目标空域分布测量、目标识别等突防效果分析与评估具有重要价值。     

基于矢量矩免疫遗传算法的PID参数整定

对于不确定系统,PID控制器存在着跟踪设定值与抑制扰动之间、鲁棒性与控制性之间的矛盾,对此,提出采用基于矢量矩方法计算抗体浓度,用免疫遗传算法思想对PID参数进行优化,提出了一种基于矢量矩的免疫遗传算法的PID参数优化控制方法。仿真结果表明,这种优化算法加快了收敛速度,有效提高了系统的全局稳定性,增强了PID控制器的鲁棒性。     

双基地声纳两坐标目标三维定位算法精度分析

T／R—R型双基地声纳系统采用两坐标声纳对目标定位时，同时获得二个观测量。就可以对目标进行三维定位。如利用发射站方位角信息以及接收站距离和与方位角信息观测目标实现三维定位的算法，分别研究各观测量（双站角度测量误差，时间测量误差，站址测量误差等）、系统参数（基线长度等）以及环境参数（卢速波动）等因素对算法的定位精度的影响，通过数值仿真，做出各因素的误差几何分布图。仿真结果最示，系统的定位精度受双站角度测量误差的影响非常大，提高角度测量精度是提高系统定位精度的非常有效的方法。     

基于Camshift和Particle Filter的小目标跟踪算法

Particle Filter算法有较好的跟踪鲁棒性,但实时性差;Camshift算法计算速度快,但它属于半自动跟踪,所以都无法有效避免复杂背景的干扰。为了解决上述问题,提出了基于Camshift和Particle Filter的融合算法。该算法首先利用Particle Filter来自动搜索小目标的初始位置,接着采用Camshift跟踪小目标,然后通过度量因子自适应切换Camshift和Particle Filter来跟踪短时丢失的目标。利用复杂背景下的飞行小目标图像序列,与序贯相似性检测算法(SSDA)、Camshift和Particle Filter做对比实验。结果表明算法不仅能实现小目标的全自动跟踪,而且还降低了跟踪效果受目标形变和部分遮挡的影响,对小目标跟踪具有较高的鲁棒性和实时性。     

免锚检测的行人多目标跟踪算法

针对复杂环境下行人目标因检测器漏检和频繁遮挡而导致的数据关联不正确、跟踪实时性差的问题,提出了一种基于免锚检测的多目标跟踪算法。算法采用预测目标中心点热力图的方法实现目标检测定位,改善了因锚点框回归歧义所导致的漏检问题。同时在检测模型中嵌入深度表观特征提取分支,构建联合检测与跟踪的多任务网络用于提升实时性。为解决跟踪阶段行人因遮挡而引起的数据关联错误和轨迹丢失问题,提出加权多特征融合的相似性度量算法,综合多种关键特征评估检测与轨迹的匹配程度,显著提升数据关联正确性;提出基于存活期的跟踪状态更新方法,有效找回丢失轨迹,提升跟踪鲁棒性。在MOT数据集上对跟踪性能进行测试,实验结果表明,算法能够有效应对遮挡,并实现长时间稳定跟踪,兼顾了实时性与准确性。