基于D-S证据理论的无源航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本照搬多传感器数据融合的理论,仅利用目标的状态信息。文中利用了目标的多特征信息（载频、脉宽、脉冲重复间隔（PRI）等）,应用Dempster-Shafer（D-S）证据理论,提出了一种基于分布式无源多目标跟踪系统的多特征信息融合航迹关联算法。算法具有以下优点：关联速度快,正确率高,而且能够适应密集目标的环境。仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法。     

基于综合相关判别的无源航迹关联算法

航迹关联是多目标航迹处理中的重要问题,综合利用无源传感器获取的其他信息是改善航迹关联的重要途径。利用辐射源航迹得到正确的目标关联航迹较困难,因此,提出了一种辐射源航迹自关联和目标平台航迹互关联的两步关联综合相关判别算法,在充分运用无源传感器获取到的角度信息的同时,利用丰富的综合属性信息对航迹进行关联。仿真结果表明,该算法能够有效解决多无源传感器的航迹关联问题,并且有较高的关联正确概率。     

无源跟踪中基于灰关联信息融合的概率数据关联算法

在无源跟踪中,传统的概率数据关联算法(PDA)单纯依据状态量测信息.该文提出了一种基于多特征信息融合的概率数据关联算法,该算法利用目标多个特征信息(状态量测、载频、PRI等),通过灰关联分析的方法,计算有效观测与目标的关联概率,进而在信息融合的基础上,进行目标状态更新估计.该算法与传统的PDA相比有两个优点,第一,关联概率的计算量小、计算更准确;第二,该算法利用了目标多特征信息,因此,关联性能更好.实验表明,基于该算法的无源跟踪性能明显优于NN方法和传统的PDA方法.     

多传感器融合多目标跟踪中的序贯航迹关联算法

对于分布式多传感器融合多目标跟踪系统,提出一种序贯处理的航迹关联融合算法。为实现杂波干扰环境中对密集多目标的精确跟踪,航迹关联采用了粗、精关联相结合的方法,最小均方误差法用于实现航迹融合。序贯处理的航迹关联融合算法在保证航迹关联正确的同时,大大降低了计算量。仿真实验结果说明了本文方法的有效性。     

基于小波框架和多尺度变换的航迹关联算法

在分布式多传感器信息融合系统中，航迹关联是首要解决的问题。文章将小波理论引入到航迹关联算法研究中，基于小波框架条件和多尺度变换，提出了一种新的航迹关联算法。该算法结合了航迹的整体走势和局部特征两方面来解决航迹关联问题。文章从理论分析和仿真实验来证明该算法的正确性．并将新算法与现有算法进行比较，验证了在机动目标的航迹关联判断中，新算法明显优于其它两种。     

基于灰关联的分类信息辅助多目标跟踪

密集多回波环境下对弹道多目标跟踪时,通过灰关联方法融合了目标运动状态空间似然值和HRRP特征分类信息,提出了分类信息辅助多目标跟踪的CAT算法;结合目标电磁仿真数据,建立了多目标跟踪和识别交互仿真场景,并与JPDA和NN跟踪算法进行比较,仿真结果表明,CAT克服了轨迹合并和误跟的现象,较好的实现了多目标跟踪.     

分布式传感器网络中一种新的模糊航迹关联算法

为了有效提高分布式传感器网络中航迹与航迹关联的计算速度,本文提出了一种新的基于临时航迹和信源相对可信度的多源模糊航迹关联算法。该算法首先在全局融合中心利用来自同一局部融合节点的同一航迹的两个量测形成临时航迹,再由临时航迹与系统航迹融合生成系统航迹,航迹关联是在临时航迹与系统航迹间进行的;并引入信源相对可信度,当有多条临时航迹与系统航迹关联时,选取信源相对可信度最大的临时航迹与系统航迹关联。将该算法用于一个多源航迹关联的仿真实验中,仿真结果表明该算法在保证关联正确率的前提下,与传统的模糊航迹关联算法相比,进一步提高了航迹关联的计算速度和系统航迹的精度,是一种有效的多源航迹关联方法。      

分布式多目标跟踪系统的灰色航迹关联模型

本文以分布式多目标跟踪系统的航迹关联问题为研究对象,首先指出了现有的两类航迹关联算法的固有缺 点,然后基于灰色理论提出了一种新的航迹关联算法,该算法根据数据列因素之间发展态势的相似或相异程度来衡量航迹 间接近的程度,使航迹关联问题突破了样本容量和典型分布这两条限制。最后给出了典型环境下的仿真结果,并与加权法 进行了比较,显示了该算法的优越性。     

基于广义Hough变换的航迹关联算法

在分布式多传感器信息融合处理系统中,针对目前航迹关联算法存在的缺陷,在前人研究的基础上,将广义Hough变换应用于航迹关联,有效地解决了常规Hough变换只能实现匀速直线运动目标航迹关联以及统计法的抗干扰能力差和模糊法的参数设置复杂等问题.仿真结果表明了该算法的可行性和有效性.     

基于多目标多特征信息融合数据关联的无源跟踪方法

在多目标无源跟踪中,传统的数据关联方法只利用那些与目标状态向量计算直接相关的信息(如DOA、TOA信息等).本文提出了一种新的数据关联算法——基于多目标多特征信息融合的数据关联算法,该算法同时利用了更多的目标特征信息(如频率、PRI等),应用D-S证据理论进行单目标多特征信息融合,在此基础上,再进行多目标综合数据关联.它是一种基于多特征信息的全局最优的算法.计算机仿真表明,基于该算法的无源跟踪性能要优于传统的NN方法和扩展的NN方法.     

分布式多传感器多目标跟踪方法综述

多传感器多目标跟踪是信息融合领域的热点问题,其通过融合多个局部传感器数据,提高目标跟踪精度和稳定性。多传感器多目标跟踪按融合体系可分为分布式、集中式、混合式3类,其中分布式融合结构对网络通信带宽要求低、可靠性和稳定性强,广泛应用于军事、民用领域。该文聚焦分布式多传感器多目标跟踪涉及的目标跟踪、传感器配准、航迹关联、数据融合4项关键技术,主要分析了各关键技术的理论原理与适用条件,重点介绍了不完整测量条件下的空间配准与航迹关联,并给出仿真结果。最后,该文总结了现有分布式多传感器多目标跟踪关键技术存在的问题,并指出了其未来发展趋势。      

基于无源定位的多目标航迹融合技术研究

针对无源定位系统定位误差大、数据更新率不规则等问题,研究了一种通过定位数据辅助信息特征进行多目标航迹融合的新方法。该方法利用信号侦察获取的目标辅助信息作为航迹关联判决准则,并与传统的航迹关联方法相结合,从而实现了对侦察区域内多目标的航迹融合。对该算法的性能分析和仿真验证表明,新算法具有更好的航迹融合性能,更强的通用性和可扩展性;并且在密集多目标环境下可实时、有效地跟踪几十批次的目标。     

基于全局最优的被动多传感器多目标轨迹关联算法

多目标轨迹关联问题是天基光学跟踪系统的核心和难点之一。传统的分布式轨迹关联方法基于目标的3维轨迹信息,不适用于被动传感器的2维轨迹关联问题。为此,该文以倾角差为统计检验量,建立轨迹统计检验模型,提出基于全局最优思想的轨迹关联算法,并用密集多目标场景进行算法的蒙特卡罗仿真。结果表明,该轨迹关联算法性能优良,可以有效完成密集目标环境下的被动多传感器多目标轨迹关联任务。     

三维数据关联情况下外辐射源雷达多目标跟踪研究

不同于传统多目标跟踪,除了量测-目标数据关联模糊问题外,外辐射源雷达跟踪系统新增了量测-发射机数据关联模糊问题。针对此问题,该文通过引入一个新的关联变量来表示量测和发射机之间的数据关联关系,提出了目标-量测-发射机3维数据关联改进概率多假设跟踪(PMHT)算法。该算法利用期望极大化(EM)算法的独立性假设条件得到最大后验概率意义下的最优跟踪。为了增加目标-量测-发射机之间数据关联的准确性,提高多目标与量测后验关联概率的精确度,将量测信息设定为均值相同协方差不同的混合高斯分布。针对距离-多普勒量测的非线性性,利用无味卡尔曼平滑(UKS)算法进行多目标状态估计。仿真结果表明,对于FKIE外辐射源雷达数据集(杂波密度很高),所提算法的目标与航迹关联成功率高,抗杂波性能强,证明了算法的有效性。     

一种基于水下无人航行器的多目标被动跟踪算法

被动声呐信号处理中,致力于实现连续且稳定的目标方位跟踪。在复杂的水下环境中,由于干扰和噪声的存在,以及阵列孔径的限制,方位检测结果中不可避免地存在很多轨迹中断、野值、干扰与目标间的方位交叉。该文提出了一种基于水下无人航行器的多目标被动跟踪算法,使用基于航行器运动信息的粒子采样预测方法进行轨迹中断预测补齐,使用基于航行器运动信息的观测门限设置方法自适应设置跟踪门限,使用块关联跟踪方法进行轨迹中断关联和方位交叉关联。仿真和实验结果表明,该算法能够实现正确的多目标跟踪。

     

一种改进的JIPDA多目标跟踪算法

针对边扫描边跟踪多频连续波雷达在杂波环境下的多目标跟踪问题,借助JIPDA算法中考虑目标存在概率的思想,并结合该体制雷达能提供高精度的径向速度信息,提出了一种引入径向速度量测的改进JIPDA滤波跟踪新方法。首先介绍了传统的JIPDA算法,然后对引入径向速度量测的改进JIPDA算法进行了理论分析,并讨论了引入径向速度量测和目标存在概率时互联概率的计算,最后进行了仿真实验。仿真结果表明,由于速度观测值提供了有关目标运动的更进一步信息,使得改进的JIPDA算法在跟踪性能上得到了显著提高。     

基于无源定位系统的航迹处理

基于无源定位系统,对多目标定位、跟踪及航迹关联方法进行了深入研究,采用卡尔曼滤波算法对目标航迹进行跟踪、预测和平滑,充分考虑了多条航迹产生交叉、分裂等情况,并通过模拟数据进行了验证。     

多元假设检验GMPHD轨迹跟踪

由于在军事和民事领域逐步广泛的应用,数目不定的多目标跟踪技术正受到越来越多的关注。概率假设密度(PHD)滤波方法,特别是具有闭式递归的高斯混合概率假设密度(GMPHD)技术,在噪声和漏警等影响下仍能形成优越的群目标跟踪性能。然而PHD滤波器并不能实现多目标航迹跟踪,而其与传统数据互联的结合,复杂度高且跟踪效果不尽如人意。在该文中,各目标的航迹信息以假设形式表述,数据互联则是通过使用经典的多元假设检测方法判决假设矩阵实现。其与GMPHD的结合不仅实现了数据互联和轨迹管理,还因为积累时间信息大大降低了杂波干扰的影响。实验结果证明,该算法可以对多个目标所形成的轨迹实施正确跟踪,同时,计算量的大幅度降低带来了跟踪系统可实现性的提高。