一种异类传感器的异步数据融合算法

由于雷达具有较好的测距性能,红外传感器具有高精度的测角性能。由于上述技术特点,使得两者具有良好的信息互补性,雷达和红外数据融合引起了广泛的注意。异类传感器数据处理是数据融合中的一个难点。考虑到两种传感器具有不同的测量维数,量测数据异步采样并以不同的速率传输到融合中心站点,提出了一种新的异类传感器异步数据融合算法。通过最小二乘法完成两种异步数据关联同步,然后对于相似性测度进行数据关联,与数据压缩技术完成目标状态信息融合。利用上述方法,进行了仿真实验验证了算法的有效性。     

基于概率假设密度滤波的多目标雷达空间误差配准算法

针对数据关联关系不确定的多目标场景下的雷达空间误差配准问题,提出一种基于概率假设密度(PHD)滤波的雷达空间误差估计方法.该方法在地心地固(ECEF)坐标系下建立雷达空间误差及其观测的随机有限集合(RFS)描述形式,结合PHD滤波算法避免多个雷达观测的数据关联问题,利用高斯混合概率假设密度(GM-PHD)滤波器实现多目标场景下的雷达系统误差递推融合估计.Monte Carlo仿真实验结果表明,所提出的基于PHD滤波的雷达空间误差配准算法能够有效地实现数据关联关系不确定情况下的多目标雷达空间误差融合估计,且估计精度及稳定性优于结合数据关联算法的空间误差配准方法.     

雷达与ACARS数据融合研究

为了更好地利用雷达与ACARS进行空中目标监控,研究了雷达与ACARS的数据融合问题,提出了一种数据融合算法。对雷达与ACARS数据进行坐标变换和时空配准;对二者进行航迹关联,包括空间粗关联、逻辑航迹关联和多义性处理;对关联航迹进行融合。仿真结果表明,该算法可以提高空中目标监控的数据率,识别出雷达中的部分商用和通用航空飞机,得到目标更加详细和准确的信息。     

基于数据关联的多雷达点迹融合算法研究

在典型应用场景下,针对传统数据关联算法易于产生目标跟踪丢失的问题,提出了并行多传感器联合概率数据关联算法(PMSJPDA),给出行多传感器联合概率数据关联算法的实现流程,并对该算法进行理论分析。最后采用两部典型雷达构成PMSJPDA数据融合系统,对其算法的目标跟踪精度进行仿真,仿真结果表明,所提出算法可有效改善对目标的跟踪性能,提高了对目标的跟踪精度。     

基于新型AFCM的多传感器目标跟踪航迹融合

多目标跟踪是多传感器系统信息融合中的核心技术之一.采用新型的AFCM模糊算法实现对多目标交叉状态下航迹数据关联.该算法定义了一种新的度量空间中的距离,通过新的距离定义有效抑制含有噪声点的样本及目标航迹交叉在迭代中对数据关联聚类中心点的大幅偏差.同时应用改进带加权的航迹融合算法对红外和毫米波雷达传感器测量的航迹数据进行融合.仿真试验证明,新的算法在综合多传感器探测优势的基础上,对航迹的融合结果优于SF算法.新的数据关联算法和改进的加权航迹融合算法为多源信息融合提供了一种可靠有效的多目标跟踪技术.     

基于高斯过程的多机动扩展目标跟踪

针对杂波环境下多机动扩展目标跟踪问题, 提出一种基于高斯过程的变结构多模型联合概率数据关联方法.首先, 采用期望模型扩展方法构建自适应模型集, 并对各个扩展目标状态进行初始化.其次, 基于高斯过程建立联合跟踪门以选择有效量测, 形成联合关联矩阵.然后, 拆分联合关联矩阵得到可行关联矩阵并求解关联事件概率.最后, 利用联合概率数据关联滤波器更新各个扩展目标的状态和协方差, 并将更新的状态进行融合, 得到最终的状态估计.仿真验证了所提方法的有效性.     

基于聚类融合的多目标跟踪算法

多目标跟踪是多传感器数据融合中的一个重要问题。基于模式识别理论 ,提出了一种通过对传感器测量数据集类 ,以区分源于不同目标的测量数据集合。对各个类对应的目标状态估计进行融合 ,从而实现了对多目标的实时跟踪。这种算法聚数据关联、数据融合和目标跟踪于一体 ,大大降低了多目标跟踪问题的复杂性和计算量。实际数据实验充分表明了本算法的有效性。     

天波超视距雷达数据关联跟踪算法现状研究

在远程预警系统中,天波超视距雷达以其探测距离远、覆盖范围大和抗隐身等优点受到各国学者的广泛关注。但其存在的"三低"和"多径"——低检测概率、低测量精度、低数据率和多传播路径问题给目标跟踪带来很大困难。探讨了天波超视距雷达目标跟踪数据处理算法目前存在的一些问题,回顾了目前天波超视距雷达数据关联跟踪算法研究的发展现状,讨论了基于不同坐标系的天波超视距雷达数据关联跟踪算法的优缺点,并指出了应重点研究的方向。     

分布式雷达信息系统的数据融合算法仿真

航迹关联与融合是分布式雷达信息系统中的关键技术之一，是充分有效地利用多源信息的重要手段。简述了雷达信息系统中时空校准、数据关联和航迹融合3个处理过程中的算法概况，并对修正的K近邻域算法和量测值加权融合算法做了仿真分析，评估了这些算法的可信性和精确度。     

基于多雷达的临近空间目标检测前跟踪算法

针对临近空间目标的低可探测性和多雷达采样周期与测量精度不一的问题,提出一种基于概率网格和多维Hough变换的多雷达检测前跟踪（ TDB）算法。利用概率网格将雷达测量数据概率化,通过多维Hough变换在多维空间建立初步候选航迹,利用基于不敏变换的空间融合方法得到目标数目及轨迹。仿真实验表明：该算法能够在密集杂波下实现弱小目标的有效检测。     

基于雷达和红外传感器的目标检测方法

航迹关联是多传感器数据融合的一项重要内容,其目的在于评判不同的航迹是否来自同一个目标。取不同目标的位置和速度之间的距离作为模糊因子,提出了一种基于模糊推理的雷达和红外传感器航迹关联算法;该算法采用正态型隶属函数,在加权处理的基础上利用最大隶属函数原则进行航迹相似性评判。仿真结果表明了该算法的有效性。     

雷达动态探测目标的仿真建模

对雷达动态探测目标过程进行了分析,提出了雷达探测目标仿真模型的方法,设计了雷达目标检测、多目标滤波跟踪、资源调度管理等数字模型.实际应用表明,这些模型能够满足数据融合中雷达探测目标数据的需求,其建模方法对数据融合传感器模型的建立具有实际指导意义.     

未知杂波环境下的多目标跟踪算法

提出了一种未知杂波环境下的多目标跟踪算法. 该算法通过有限混合模型(Finite mixtrue model, FMM)建立多目标似然函数, 其中混合模型参数可通过期望极大化(Expectation maximum, EM)算法及模型合并与删除技术得到. 由估计的混合模型参数可进一步得到杂波模型估计、目标个数估计以及多目标状态估计. 类似基于随机有限集(Random finite set, RFS)的多目标跟踪算法, 该算法也可避免目标与测量的关联过程. 仿真实验表明, 当杂波分布未知并且较复杂时, 本文算法的估计效果要明显优于未进行杂波拟合时的多目标跟踪算法.     

MCMC data association and sparse factorization updating for real time multitarget tracking with merged and multiple measurements

In several multitarget tracking applications, a target may return more than one measurement per target and interacting targets may return multiple merged measurements between targets. Existing algorithms for tracking and data association, initially applied to radar tracking, do not adequately address these types of measurements. Here, we introduce a probabilistic model for interacting targets that addresses both types of measurements simultaneously. We provide an algorithm for approximate inference in this model using a Markov chain Monte Carlo (MCMC)-based auxiliary variable particle filter. We Rao-Blackwellize the Markov chain to eliminate sampling over the continuous state space of the targets. A major contribution of this work is the use of sparse least squares updating and downdating techniques, which significantly reduce the computational cost per iteration of the Markov chain. Also, when combined with a simple heuristic, they enable the algorithm to correctly focus computation on interacting targets. We include experimental results on a challenging simulation sequence. We test the accuracy of the algorithm using two sensor modalities, video, and laser range data. We also show the algorithm exhibits real time performance on a conventional PC     

支持无线传感器网络多目标跟踪的最邻近数据关联算法研究

多源数据关联问题是无线传感器网络中多传感器数据融合的关键技术之一。联合概率数据关联算法是一种跟踪多目标的数据关联算法,它不需要任何关于目标和杂波的先验信息,但与其他有关数据关联算法相比,计算机开销大。在构造有效矩阵的过程中基于最邻近方法的联合概率数据关联算法,结合最部近数据关联算法的思想,选取统计距离最小的3个有效量测构成有效矩阵,从而简化了有效矩阵,减少了原有算法的计算量。     

Bearings only single-sensor target tracking using Gaussian mixtures

This paper presents a new approach for single sensor tracking using passive bearings only measurements. Gaussian mixture measurement presentation, together with a track splitting algorithm, allow space-time integration of the target position uncertainty with a simple algorithm. The bearings-only measurements are incorporated into track as they arrive using a dynamic bank of linear Kalman filters. While this approach is applicable to the case with the target detection, data association and multitarget issues, this paper concentrates on the target trajectory estimation using associated measurements. A simulation study demonstrates the benefits of this approach.     

基于多特征参数的雷达数据关联及融合

在高密集多回波环境下,针对多雷达系统参照目标位置信息参数进行跟踪时可能出现关联精度较差的问题,加入多普勒频率参数,提高对目标跟踪的精度。针对数据融合过程中各雷达产生的误差不一致问题,提出一种动态分配权值的策略,将带有权值的各雷达数据送往融合中心进行融合计算。仿真结果表明,该方法能改进雷达系统的跟踪精度。     

多传感器多目标跟踪的粒子PHD滤波算法

针对单传感器跟踪系统的缺陷,提出了基于粒子概率假设密度(PHD)滤波的多传感器多目标跟踪算法.这种算法不仅避免了多传感器多目标跟踪的数据关联问题,而且在漏检、目标密集、航迹交叉、小范围内目标数多的杂波环境下能够稳定、精确地估计目标状态和目标数.仿真实验比较了单传感器粒子PHD滤波与多传感器的粒子PHD滤波的跟踪性能,验证了该方法的跟踪性能和精度.