分布式多传感器多目标航迹关联处理算法研究

系统综述分布式多传感器多目标航迹处理的4种算法：序贯航迹关联算法、最近邻域航迹关联算法、K近邻域航迹关联算法,以及修正的K近邻域航迹关联算法。对这些理论方法用MatLab仿真进行理论分析实验,实验结果证明其具有可行性。     

多传感器航迹关联算法研究

航迹关联是多传感器目标跟踪系统进行航迹融合的基础,是对目标进行连续跟踪的关键技术之一。在介绍基于概率统计的传统航迹关联算法的基础上,阐述了一种基于小波变换和多分辨率分析的序贯航迹关联新算法,通过Matlab仿真说明该新算法在性能上较传统方法有较大改善。     

多传感器综合的目标相关跟踪算法

讨论了适合于综合多传感器目标跟踪文件的目标相关跟踪算法。目标相关跟踪问题可以阐述成为似然比检验问题,似然比检验能将目标状态估计误差和目标空间密度分布都考虑进去。为了使相关误差最小,还讨论了相关算法中阈参数的最优化方法。     

MHT算法在航迹关联中的应用

为了将水下航行器探测目标过程中出现的混淆的目标点迹进行有效分离,将基于卡尔曼滤波的多假设跟踪算法应用于多目标的航迹关联.介绍了多假设算法的基本流程和原理:假设的产生、概率计算和假设剪除,并进行数值仿真.仿真结果表明:多目标跟踪算法能够有效解决"量测-目标"数据关联问题,并且能在较短时间内确认目标航迹.     

基于曲线运动方程的传感器网络目标跟踪算法

针对传感器网络目标跟踪应用的精度、计算复杂度和能耗等性能需求,提出了一种基于曲线运动方程的目标位置预测与更新算法.算法通过三个历史时刻的点迹数据建立目标的运动方程,进而预测目标下一时刻的位置,并用该预测结果对节点的测量数据进行更新,以提高目标跟踪精度.仿真结果表明,算法具有较好的跟踪精度和能量效率.     

空间目标航迹片段关联算法研究

为了有效改善空间目标跟踪的连续性、稳定性,针对空间目标断续航迹关联问题开展相关研究,建立了地心惯性(ECI)坐标系下基于欧拉方程的外推预报和东北天(ENU)坐标系下基于动力学方程约束的外推预报。在利用中段动力学模型对中断前的目标运动轨迹进行预报外推的基础上,利用中断航迹预报外推结果和中断后新起始的每个航迹段前几个时刻的状态更新值,构造检验统计量进行关联配对,实现中断前后空间目标航迹的关联融合,以此提高空间目标跟踪精度和有效跟踪批数。     

径向长度特征辅助的多目标数据关联算法

多目标跟踪技术的核心问题是数据关联,传统的数据关联算法采用空间距离最邻近的方法,在回波密度较大时容易发生误跟;特征辅助数据关联算法是多目标跟踪技术的发展趋势,通过融合目标运动学信息和特征信息,可以增加目标的信息维数,提高关联正确率。提出利用目标径向长度信息辅助最近邻算法,并在建立的场景中与传统的最近邻算相比较,结果表明该算法可以有效的增加近距离平行目标和交叉目标的正确关联次数,从而提高了多目标数据关联算法的性能。     

多传感器多目标被动跟踪的“鬼点”形成条件

为探究多传感器多目标被动跟踪场景下“鬼点”的形成机理,采用一种集合分析方法,将各角度测量定义为不同的点集,将目标点定义为点集的交,建立多传感多目标被动跟踪问题的数学建模,基于该模型分析得到三类典型跟踪场景下定位到“鬼点”所需几何条件。理论分析表明,传感器观测基线长度、分布特征以及传感器个数是影响“鬼点”生成概率的重要因素。设置3组仿真实验,进一步验证了上述因素对“鬼点”跟踪概率的实际影响。研究结果表明,在求解被动跟踪问题时,适当减小传感器观测基线长度、提高传感器网络相对目标团的空间布局复杂度以及增加传感器数目均能起到一定的抑制“鬼点”作用。     

粒子群优化的模糊C均值聚类航迹关联算法

针对模糊C均值聚类航迹关联算法存在局部最优问题,同时算法的收敛速度受初始值的影响也较大,提出一种将粒子群(PSO)和模糊C均值(FCM)聚类算法相结合的航迹关联算法。该算法将多目标的航迹关联问题看做是一类约束条件下的组合优化问题,利用粒子群(PSO)强大的全局寻优能力,与模糊C均值聚类算法相结合求解航迹关联问题。仿真结果表明:在相同的条件下,粒子群优化的模糊C均值聚类算法与模糊C均值聚类算法相比,聚类性能明显改善,关联正确率也有明显的提高。     

无线传感器网络对边界目标的跟踪能力分析

对进入监控区域的运动目标进行探测跟踪是无线传感器网络的一项重要功能,以传感器模型和Exposure模型为基础,分析了目标的运动速度与检测可能性之间的关系,给出了不可测临界速度和完全可测临界速度的定义及其与传感器参数之间的函数关系;通过仿真,验证了理论的准确性,这为根据实际需要进行传感器节点布设和传感器的参数设计提供了参考。     

分类信息辅助的神经网络联合数据关联算法

为解决多目标跟踪中数据关联问题引入神经网络UKF算法和分类信息辅助方法.通过计算分类混淆矩阵确定分类信息似然函数,再用该函数调整只利用运动信息的似然函数,使分类信息有效辅助神经网络联合概率数据关联.在杂波环境中对多个近邻且不同种类目标跟踪,针对联合概率数据关联(JPDA)存在的计算组合爆炸问题,利用Hopfield网络解决TSP问题的思路得到神经网络联合概率数据关联(NJPDA)方法.基于以上关联方法得到的关联概率,仿真表明该算法提高了数据关联的有效性和快速性.     

Rough Sets Probabilistic Data Association Algorithm and its Application in Multi-target Tracking

A rough set probabilisfic data association （RS-PDA） algofitlml is proposed for reducing the complexity and time consumption of data association and enhancing the accuracy of tracking results in multi-target tracking appiication. In this new algorithm, the measurenlents lying in the intersection of two or more validation regions are allocated to the conesponding targets through rough set theory, and the multi-target tracking problem is transformed into a single target tracking after the classification of measurenaents lying in the intersection region. Severed typical multi-target tracking applications are given. The simulation results show that the algorithm can not ouly reduce the complexity and time consumption but also enhance the accuracy and stability of the tracking results.     

基于多路由传输的无线传感器网络安全数据汇聚机制

针对无线传感器网络数据汇聚中存在的安全威胁问题,提出一种基于多路由传输的安全数据汇聚机制。该机制将传感器节点感知数据分解到不同的维数上,在数据传输过程中采用多路由传输,且在数据传输过程中不必执行解密-加密操作,并从外部攻击和内部攻击对新机制的安全性进行了分析。分析结果表明,该机制能有效抵御侦听、数据分组丢弃、路由分组丢弃等类型的攻击。     

两点式数据关联算法在多目标跟踪中的应用

针对联合概率数据关联算法在计算量上的组合爆炸问题,引入了一种新的基于线性规划的两点式数据关联算法。在分析新算法基本原理的前提下,将其性能与传统的联合概率数据关联算法进行了比较,从理论上证明了该算法是一种全新的关联算法j并将两点式数据关联算法应用到多目标跟踪中,通过仿真验证了新算法在数据关联精度及运行时间方面优于传统算法。     

无源定位系统的多目标数据关联算法

主要研究多目标无源定位系统的数据关联方法。数据关联实质上是求解后验概率的极大值,首先建立两传感器三维空间联合关联概率数学模型,将求解后验概率的极大值问题转化为求解特殊的指派问题。由于漏检和虚警的存在,导致指派个数不确定,提出了一种新的改进单亲遗传算法来求解该问题,该遗传算法将解阵看作一个个体,将矩阵的列看作个体的基因,始终对一个个体进行交叉和变异操作。仿真结果表明,提出的求解方法收敛速度快、关联正确率高,验证了模型和求解方法的正确性和可行性。     

多被动传感器多目标数据互联算法

将求解指派问题的行列启发式算法应用于求解多传感器多目标数据互联的广义3D分配问题松弛的2D子问题;针对3D分配算法计算量较大的问题提出一种改进算法。仿真结果表明,行列启发式算法不仅实施方便,而且程序运行时间较短。改进的3D分配算法既大幅度降低了3D分配问题的拉格朗日松弛算法的程序运行时间,又可将目标互联准确率提高3%～5%。行列启发式算法与改进的3D分配问题算法联合使用,可进一步减少改进3D分配算法的运算量,使其能更好地适应工程实际应用的需要。     

一种有效的无线传感器网络攻击检测方法

针对现有无线传感器网络攻击检测算法检测率低、计算复杂度高等问题,提出一种新的基于分簇模型的无线传感器网络攻击检测算法。借鉴集中式数据汇聚模型中二分比较法的思想,对分簇式无线传感器网络中各簇均值进行二分比较,利用两部分均值的残差的统计特性进行攻击检测,并在相同实验条件下对二分比较法和t检验法进行对比分析。仿真结果证明,该算法的攻击检测性能要优于现有的攻击检测算法。     

一种新的无线传感器网络数据汇聚方法

在无线传感器网络攻击中,针对传统数据汇聚方法存在的汇聚精度不足问题,提出一种新的数据汇聚方法。新方法利用感知数据估算出各传感器观测方差并进行加权计算,有效降低了节点测量误差。同时,新方法还根据指数衰减函数来度量各簇目标变量的支持度,减小网内噪声干扰的影响,最终实现了高精度汇聚。计算机仿真验证结果表明,新方法的汇聚性能优于传统方法,能有效降低节点测量误差,减小网内噪声干扰的影响。     

基于模糊信息融合的快速数据关联算法

为解决密集杂波下的目标跟踪难题,将目标的距离特征、方位特征进行模糊信息融合,并与概率数据关联算法相结合,得到一种优化的概率数据关联算法。该优化概率数据关联算法与密集杂波下较为有效的联合概率数据关联算法相比,不需产生所有可能的联合事件,因此计算量较小,易于工程实现。仿真结果表明,在不同的杂波环境下,该算法都可以取得令人满意的跟踪效果。