异步被动传感器航迹起始算法

航迹起始是多目标航迹处理中的重要问题.针对异步被动传感器系统航迹起始困难的问题,提出了一种基于蚁群导航思想的异步被动传感器航迹起始算法.该算法首先利用各传感器在多个扫描周期的测量建立候选目标集,采用极大似然法确定每一个候选目标的初始状态估计,然后再利用蚁群导航算法实现真实航迹的检测,最后由极大似然法估计出每一批目标的初...     

并行Hough变换快速航迹起始

Hough变换在航迹起始领域得到广泛应用,但在扫描次数较少时起始效果不佳。通过转变Hough变换处理结构和改变计数器累加方式,提出了一种并行Hough变换快速航迹起始算法。利用Hough变换将不同时刻的量测集合分别映射到参数空间,继而将空间中具有相同索引的各次累加结果构成累加向量,统计其非零元素的个数,如大于预先设定的门限,则用向量各元素求和作为累加结果,否则置零。将利用该方法获得最终的累加结果进行门限检测来确定是否起始航迹。仿真实验表明,该算法可在密集环境下快速准确地起始航迹。     

改进高斯混合粒子滤波被动目标跟踪算法

针对被动传感器跟踪系统非线性较强问题,提出了一种基于改进高斯混合粒子滤波的被动传感器目标跟踪算法。该算法基于Sigma点卡曼滤波和粒子滤波的特点,用有限的高斯混合模型来近似后验状态密度、系统噪声和观测噪声的分布。然后结合遗传算法和EM算法来实现模型的降阶,克服了EM算法假定混合成分数为已知、迭代的结果需要依赖初始值、可能收敛到局部最大点或可能收敛到参数空间的边界的缺点,从而改善粒子枯竭的问题。仿真实验结果表明在被动传感器跟踪领域,与传统粒子滤波、基于EM的高斯混合粒子滤波和基于贪心EM的高斯混合粒子滤波相比,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。     

基于图的分布式平飞航迹关联算法

航迹关联是分布式传感器信息融合的关键问题之一,其主要问题在于多目标平飞航迹难以关联,而实际工程应用中无法实时获取方差数据又增加了关联难度。将同一传感器获取的平飞航迹抽象为图论中无分辨的点,应用综合B型关联理论计算各点间距,进而构造反映航迹间关联关系的双向连通图,并用邻接矩阵描述其关联拓扑关系。不同节点的公共观测连通图对应的邻接矩阵必然是相似的,继而将图二分为单点图及其对应补图,利用辩证的思想将补图所对应的邻接矩阵的特征值抽象为对应点的特征向量,最终将平飞航迹关联落脚至多维分配问题。实验仿真表明,该方法具有较好的关联效果。     

马尔可夫链蒙特卡罗容积粒子滤波器

针对非线性、非高斯系统状态估计问题,提出了一种基于重要密度函数的改进粒子滤波器-马尔可夫链蒙特卡罗容积粒子滤波器。在状态转移概率的基础之上综合考虑了当前的量测信息,利用容积卡尔曼滤波对每个采样粒子进行估计,使得重要密度函数更加贴近于真实后验;同时为避免粒子贫乏,在重采样后加入马尔可夫链蒙特卡罗步骤。理论分析和实验仿真表明:马尔可夫链蒙特卡罗容积粒子滤波器的性能要优于容积粒子滤波器以及其他参照滤波器。     

基于高斯粒子CPHD滤波的多目标检测前跟踪算法

针对未知目标数条件下多弱小目标检测前跟踪(TBD)算法鲁棒性较低、运算量较大等问题,提出一种基于高斯粒子势概率假设密度(CPHD)滤波的多目标检测前跟踪算法.运用高斯函数近似目标状态的后验概率密度,采取粒子滤波的方法迭代更新CPHD中各高斯项的均值与协方差,无需重采样,避免了粒子退化和采样枯竭等问题;同时结合检测前跟踪算法的实际情况,得出粒子权值的更新表达式.仿真实验表明,与现有算法相比,所提出算法在降低复杂度的同时,可以更为可靠地传递目标势分布信息,从而提高多弱小目标数目和状态估计的准确性和稳定性.     

基于代价函数修正的异类传感器数据关联算法

针对现有异类传感器数据关联算法在构造关联代价时未充分考虑最大似然估计引入误差的问题,提出了一种修正代价函数的异类传感器数据关联算法。基于主、被动传感器各自的优势信息构造观测矩阵,得到目标的位置估计,继而根据异类传感器融合系统的观测模型得到伪量测信息,并利用一阶泰勒展开近似推出伪量测的方差信息,再用其对关联代价函数进行修正,改进后的代价函数能更加准确地描述量测之间的关系。仿真结果表明,修正后的关联代价函数能更精确地反映数据关联的可能性程度,所提算法可获得更好的关联正确率。     

基于箱粒子滤波的鲁棒标签多伯努利跟踪算法

针对在未知杂波和检测概率的跟踪环境中标准的标签多伯努利（LMB）算法跟踪精度较低、粒子覆盖集过大致使复杂度较高的问题,引入区间分析技术,提出基于箱粒子滤波的鲁棒LMB跟踪算法。建立目标增广空间模型,基于箱粒子滤波方法,推导出有杂波状态标签和LMB元素标签的预测、更新方程,并用多目标箱粒子LMB滤波递推估计目标状态。仿真结果表明,当杂波和检测概率先验未知,与现有非标签、非鲁棒算法相比,所提算法可实现在低检测概率和高杂波强度环境下对目标的稳定跟踪,同时大幅度提高算法的运行效率。     

综合粗糙集和修正熵权的数据融合系统性能评估模型

分析了数据融合系统的内在特点,建立了数据融合系统性能评估的综合评估指标体系,提出了一种基于粗糙集和修正熵权的多层次综合评估模型。采用粗糙集理论对指标数据进行属性约减,消除冗余指标,计算属性权重,并对二级指标熵权进行修正;利用层次分析法计算主观权重对一级指标熵权进行修正。实例验证表明,该方法有效可行,提高了评估结果的客观性与可信性,为数据融合系统的开发、论证和实际使用提供了科学的理论决策依据。     

ODA-IPNMF: 一种在线全网络流量异常检测方法

为实时、高效地检测网络流量异常,提出一种基于增量投影非负矩阵分解(IPNMF)的全网络流量异常检测方法(ODA-IPNMF).提出一种增量投影非负矩阵算法,该算法不仅具有与PCA相同的表达形式,还能以增量的方式构建正常子空间和异常子空间,进而利用Shewhart控制图实现全网络流量异常的在线检测.理论分析表明,该方法计算开销远小于NMF-NAD,具有更高的实用价值;模拟网络数据以及实测网络数据实验表明,基于NMF异常检测方法(NMF-NAD和ODAIPNMF)的检测性能优于PCA方法;本文所提ODA-IPNMF与NMF-NAD网络异常检测效果相当,且可在线检测网络异常.