主动雷达航迹关联方法及应用

针对传统的分布式主动雷达航迹关联结构存在的关联质量问题,提出了一种主动航迹关联方法。该关联方法主要包括两个部分:一是基于基准航迹的航迹关联结构,其可有效避免系统航迹混乱引起的关联质量下降问题,且能迅速的从错误关联中恢复;二是航迹关联判断方法及流程。并实现了该关联方法在某警戒雷达信息系统中的应用,航迹关联正确率可达90%以上。     

基于深度学习的雷达目标航迹起始方法

本文提出了一种基于深度学习的雷达目标航迹起始方法,将目标航迹起始问题转化为深度神经网络模型二分类问题—“真实航迹”类和“虚假航迹”类。首先对空间配准后的目标点迹进行环形波门粗关联,得到粗关联暂时航迹;对粗关联暂时航迹进行特征向量建模,获得深度神经网络模型输入向量;利用仿真系统雷达数据,提取神经网络模型训练样本,设计深度全连接神经网络结构,训练网络模型得到优化的模型参数;使用训练好的模型参数实时计算目标起始航迹。仿真试验证明了该算法的有效性。     

人工神经网络在航迹关联中的应用研究

在分布式多传感器系统中的多节点情况下,航迹关联问题可以转化为多维分配问题。而多维分配问题是典型的组合优化问题,很难找到问题的最优解,而且其计算量随着问题规模的增加易出现指数爆炸现象。该文提出了一种三维神经网络模型,用以解决三节点情况下航迹关联的三维分配问题,并进行了实验仿真。仿真结果表明,三维人工神经劂络模型能够有效地求解此三维分配问题,并且具有较高的航迹关联正确率。另外三维神经网络模型同样可以推广到多维,用以解决航迹关联的多维分配问题。     

基于工程应用的区域航迹关联策略

针对雷达网信息处理中的航迹关联运算量大的问题,提出了一种基于工程应用的航迹关联策略。该方法将目标区域分成若干小区域,落在小区域内的航迹与其相邻区域进行关联比较,而与它不相邻的区域无需关联。每个区域（包括大的区域和小的区域）赋给相应的一个坐标,并与目标的平面直角坐标相对应。最后根据目标航迹的区域坐标和关联准则,对落在相邻区域内的航迹间进行航迹关联。通过分析验证了该策略的有效性。     

基于孪生神经网络的航迹关联方法

日益复杂的电磁环境对战场目标探测提出了很高的要求。由于多雷达融合系统的不断发展,如何准确快速地完成多雷达的航迹关联成为一个亟待解决的问题。现有的关于航迹关联算法的研究大多只考虑雷达上报的最新目标航迹点,而没有考虑先前的航迹信息。除此之外,大多数航迹关联算法对于航迹异步问题的解决方法是进行时间配准,这不仅增加了算法本身的计算开销,还放大了航迹信息中包含的误差,因此难以应用于目前复杂的电磁环境中。本文提出一种适用于对异步航迹进行关联的、且无需进行时间配准工作的基于孪生神经网络的航迹关联算法(TTCSN)。该算法首先将待关联航迹两两组成一对,将其成对地送入特征提取网络中,再利用共享权重的双向LSTM网络提取输入航迹的隐含特征,之后对两条航迹的特征向量进行相似度计算,得到相似度向量,最终送入分类器完成关联航迹与非关联航迹的判别。实验表明,TTCSN算法能够有效地解决异步航迹关联问题。     

基于多尺度卷积和改进LSTM的航迹数据关联方法

针对雷达数据智能航迹关联准确率较低的问题,文章提出了一种融合多尺度卷积神经网络和改进长短期记忆网络的航迹关联方法。首先,利用多尺度卷积神经网络提取多个维度的空间特征,避免固定尺寸的卷积核产生视野限制,使网络能够提取更高维度的特征。然后,将特征送入改进的长短期记忆网络捕获时间维度上的特征,改进后的单元结构充分考虑相邻时刻航迹数据的关联性,有效抑制了噪声和误差产生的影响。最后,仿真实验结果表明,该方法有效提高了航迹关联准确率。     

一种基于时空交叉点新特征的航迹关联算法

为有效解决实际工程中的航迹关联问题,该文定义了广义时空交叉点,并提出了以航迹对时空交叉点为特征,通过特征匹配来实现航迹抗差关联的新方法。实测数据验证结果表明:在雷达航迹不完全匹配且存在时空差异误差的情况下,该方法可有效实现雷达航迹的抗差关联,并且几乎不受时空差异误差大小的影响,具有强鲁棒性和稳定性,可有效解决实际工程中的航迹关联问题,消除冗余航迹,提供统一态势。     

基于模糊平均综合相似度的航迹关联算法

为了解决多传感器多机动目标的航迹关联问题,提出了基于模糊平均综合相似度的多传感器多目标航迹关联算法.该算法首先应用模糊理论建立了多传感器航迹关联问题的数学模型,提出用航迹间的整体平均距离进行粗关联,确定可能关联航迹,排除不关联航迹;然后利用模糊理论计算出可能关联航迹之间的模糊综合相似度,基于到当前时刻的全部模糊综合相似度,得出可能关联航迹的整体模糊平均综合相似度,建立模糊平均相似度关联矩阵;最后采用最大平均综合相似度和阈值判别原则,确定关联航迹.仿真结果表明,在目标密集、航迹交叉等情况下,该算法性能良好,关联正确率明显优于传统方法.     

组网雷达系统中的一种模糊航迹关联方法

航迹关联是组网雷达系统数据融合中的一项关键技术。首先提出了一种模糊关联方法,对两条航迹的航迹点进行关联,然后定义了航迹关联质量,取航迹关联质量最大的两条航迹为关联航迹对,从而提高了航迹关联的准确性。仿真结果表明：该航迹关联算法确实有效。     

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。     

基于BP神经网络的ESM／Radar航迹关联

在分布式数据融合的框架下,研究了基于BP神经网络的ESM/Radar航迹关联问题.针对单个融合周期中因传感器采样率差异较大而导致的训练后网络泛化能力较差的问题,对航迹曲线进行拟合后重采样,增加训练样本数据量.利用欧氏距离,对关联概率进行二次估计.将神经网络得到的关联概率与二次估计关联概率进行加权求和,确定最终的关联概率.仿真结果表明,改进后的算法能够对航迹的关联问题作出准确的判决.     

一种分区快速航迹关联算法

针对分布式多传感器信息融合系统中航迹关联运算量大的问题,提出了一种分区快速航迹关联算法。该算法将目标区域划分成若干目标子区域,为了消除传感器测量误差对航迹关联的影响,相邻目标子区域之间设置重叠区域,并给出了重叠区域宽度计算公式。只对落在每个目标子区域内的航迹进行关联,不同目标子区域之间的航迹不进行关联,并通过算法复杂度分析给出了最优分区数的判定方法。仿真实验表明,该算法可有效降低航迹关联运算量,适合于工程应用。     

一种基于小波变换的航迹关联算法

多传感器的航迹关联问题是多传感器数据融合理论研究中关键的难题之一,针对传统基于统计理论的航迹关联算法的错漏关联和没有考虑到目标航迹的走势等问题,通过在原来航迹关联方法的基础上,结合目标航迹的整体走势,利用小波去噪的功能,提出了一种新的航迹关联方法,通过与传统的航迹关联方法相比较和工程验证,证明了该算法的有效性。     

基于区间数及DS证据理论的多传感器航迹关联方法

针对多传感器航迹关联问题,提出了一种基于区间数和DS(Dempster/Shafer)证据理论的解决方法。该方法通过分析误差对参数测量的影响,构建传感器探测目标参数真实值区间数,通过计算区间数之间的相对支持度,获取目标参数对于航迹相关的支持程度,基于DS证据理论将不同参数对航迹相关的支持程度进行合成,以此解决航迹关联问题。实例表明,该方法能够较好地解决多传感器航迹关联问题。     

一种深度学习航迹关联方法

根据机器学习当中的理论方法,通过输入和输出数据设计,把信息融合领域的航迹关联问题,转换为机器学习领域中的分类识别问题,研究提出了一种深度学习航迹关联方法.仿真结果表明:所提方法在关联性能和自适应能力方面优于对比方法,具有较好的应用前景.     

基于TDOA量测的多目标快速航迹起始算法

针对基于时差量测的多站无源传感器系统,提出了一种快速的多目标航迹起始算法。该算法首先利用位置误差门准则对大量候选关联进行预选,然后采用多维分配方法来解决量测数据的关联问题,并求出候选关联对应的定位解;在此基础上,应用两点差分方法分别对多目标进行航迹起始,推导了相应的初始状态和误差协方差矩阵。仿真结果表明,该算法能够快速起始多目标的航迹,并为航迹提供精确可靠的初始状态估计值。     

航迹关联和相对系统误差估计

航迹关联是多传感器多目标跟踪系统中的关键问题。当存在系统误差时航迹关联问题变得更复杂。该文将最优Bayes联合决策估计(JDE)法应用于存在系统误差的航迹关联中,并提出了简化的JDE法。最优Bayes JDE,通过在航迹关联时考虑传感器相对系统误差的估计误差,在相对系统误差估计时考虑航迹关联误差,来提高航迹关联的正确率和相对系统误差的估计精度。提出的简化JDE法可减少了计算量,其性能比最优JDE稍差。并给出了matlab仿真结果来验证方法的有效性。     

基于改进Hough变换的无源定位航迹关联算法

针对Hough变换在多平台测角无源定位航迹关联过程中数据量大、占用内存多的问题,提出一种基于改进Hough变换(IHT)的航迹关联算法。该算法在传统Hough变换的基础上,对参数空间投票规则进行改进,利用采样点集的预处理排序,避免了观测点集对θ的遍历,减少投票运算的次数。同时,该方法利用观测目标的运动特性以及Hough变换在检测直线时良好的鲁棒性,保证了航迹关联正确率。仿真结果表明,该算法在保证相对较低的运算量下,在纯方位目标间的航迹关联中有着较高的航迹关联正确率。     

基于特征辅助的灰色航迹关联方法

多雷达多目标航迹关联算法大多量测数据中因信息贫瘠的原因导致雷达目标航迹关联精确度较差、性能较低等一系列问题。基于灰色关联分析理论的航迹关联算法,分析研究了综合性线段Hausdorff距离(LHD)灰色关联方面的理论,并将其用在雷达航迹关联领域。通过仿真证明,该算法能够综合考虑航迹之间的距离远近度和2条航迹曲线的拟合度。特征辅助信息不仅可以用于数据关联,也可以用在航迹关联方面。提出基于目标特征辅助信息的序贯灰色关联算法,仿真证明该算法与传统灰色关联算法相比精确度较高,能够在工程实践中提高关联概率。     

传感器网络中航迹关联的加权模糊聚类算法

提出一种基于特征加权的模糊聚类算法用于传感器网络中的航迹关联.该方法首先将分布式多传感器获得的航迹进行数据同化,然后通过同步采样将所有航迹映射为高维空间中的一组点集,最后通过特征加权的模糊c均值(FCM)聚类算法实现航迹的分类关联和信息融合.在聚类算法中通过ReliefF算法实现了特征权值的自动确定,自适应地考虑了不同时刻航迹位置对数据关联的不同影响.实验结果表明本文提出的航迹关联算法不仅具有良好的关联效果,而且通过特征的自适应加权提高了信息融合质量.