基于IMM-UKF的传感器管理算法

传感器管理是信息融合技术的重要研究方向,目标跟踪中传感器管理的主要目的是为了通过与目标环境相互作用,降低目标的不确定性信息,以便于对目标精确跟踪.文中提出了一种基于IMM-UKF的传感器管理算法.针对机动目标的模型多为非线性的情况,提出了把交互式算法与Unscented卡尔曼滤波相结合的交互式Unscented卡尔曼滤波算法(IMM-UKF),并结合信息增量用于传感器管理.     

基于RIMMKF的一种传感器管理算法

以重加权交互式多模型卡尔曼滤波(RIMMKF)为基础,提出了一种传感器管理算法.首先利用RIMM对联合多目标概率的量测更新和马尔可夫转移更新求取分辨力也即信息增量,然后利用信息增量最大化来分配传感器资源.所采用的模型弥补了交互式多模型(IMM)的不足.仿真结果表明,在机动多模型环境下,与IMMKF分辨力方法相比,本文所提算法行之有效且能使传感器资源得到有效地分配.     

机载空间光通信平台的交互多模型粒子滤波跟踪算法

机载空间激光通信是实现未来超大容量空间通信的主要途径,高精度实时性的机载平台跟踪问题一直是其研究的难点问题之一。因为机载通信平台机动形式的多样性,用单一的模型很难准确描述机载平台的运动状态,因此需要采用多个模型进行描述,即交互多模型方法。粒子滤波能够处理非线性/非高斯问题,其与交互式多模型结合可用来获得更好的跟踪性能。针对粒子滤波算法计算量大、实时性差的问题,给出了粒子滤波算法的并行处理方法。通过计算机仿真,交互多模型粒子滤波算法与其他算法相比,其跟踪性能有较大的提高,忽略通信代价,并行处理的粒子滤波时间开销显著下降。     

基于Vague集的机载多传感器信息融合

基于Vague集的模糊决策方法近年来得到了广泛的应用,它以方案满足目标的可能性和不可能性为基础,进而建立方案和目标之间的关联矩阵;该方法克服了传统方式下利用模糊集的固有局限性,同时针对多传感器信息融合的数学模型,得出决策函数的具体表达式,并且给出结果的判决准则,最后通过实例分析证明这种方法简单有效.     

基于矩阵遗传的传感器管理算法

针对传感器分配过程中出现的组合爆炸问题,以传感器管理中的分配矩阵作为种群中的个体,分配矩阵中的元素作为基因进行遗传,提出了一种基于矩阵遗传的传感器管理算法。仿真结果表明,采用矩阵遗传的传感器管理算法可以较好地解决传感器分配中的组合爆炸问题,可以使多传感器多目标跟踪取得较好的效果。     

容积信息粒子多传感器融合算法

为提高多传感器融合的精确度,提出一种容积信息粒子多传感器融合算法。算法将容积信息滤波(CIF)和粒子滤波(PF)结合一起,采用CIF传递PF的粒子,通过引入信息贡献向量和信息贡献矩阵,将多个传感器的量测信息更新到PF的粒子中,提高粒子与真实状态后验概率分布的逼近程度,改进多传感器融合精确度。同时将CIF估计值作为粒子,消除随机扰动对融合的影响,提高粒子有效度,进一步提高融合精确度。仿真与实验表明,算法能够有效处理集中式多传感器融合问题,具有较高的滤波精确度。     

基于相位差的机载单站无源定位算法

机载无源定位是电子侦察中的一项重要任务。针对实际工程特点,提出了一种鲁棒的基于相位差测量的机载单站无源定位算法。通过测量目标信号的方位角和相位差,利用卡尔曼滤波模型计算相位差变化率并对目标进行测距定位,最后将多次的定位结果进行交互多模滤波融合,实现对目标的高精确度定位。给出了计算相位差变化率的滤波模型、目标定位算法,以及交互多模滤波的融合定位过程。仿真实验中采用STK仿真软件生成机载平台的位置数据和目标信号入射方位角及相位差数据,分析了目标定位的效果及性能。最后给出了一些工程实践性的建议,具有一定的工程参考意义。     

一种基于离差矩阵控制的传感器管理算法

传感器管理是对系统中的传感器进行优化分配以实现目标跟踪性能的优化和系统资源的有效利用。针对跟踪多目标的传感器管理问题建立了传感器管理模型,提出了一种基于离差矩阵控制的多传感器与多目标分配算法。该算法把所有目标的离差矩阵大小的和作为优化的目标函数,能够使目标的跟踪精度尽量接近期望值。同时采用遗传算法来寻找使目标函数最优的传感器分配方案,提升了计算速度。仿真结果表明,该算法能够对多传感器与多目标进行有效的分配,既达到了期望的目标跟踪精度,又节约了系统资源。     

机载多传感器情报融合技术分析

介绍了多传感器情报融合的概念及组成,对当前机载多传感器情报融合原理、融合流程、融合技术进行了研究分析,并以实例阐述了最佳特征组合技术在机载多传感器情报融合中的应用。     

杂波环境下被动多传感器机动目标跟踪新算法

针对杂波环境被动传感器机动目标跟踪问题,该文研究了一种基于粒子滤波的被动多传感器机动目标跟踪新算法。 在该算法中,首先推导了杂波环境下粒子滤波的似然函数表达式。其次将粒子滤波与交互多模型(IMM)相结合,用IMM方法实现模型的切换,以适应目标的机动变化。用粒子滤波实现对观测方程的非线性处理。最后,建立了被动多传感器的非线性观测模型,避免了目标的不可观测性,并且算法还能够处理非高斯噪声情况。仿真实验结果表明,提出的算法能够有效地对被动机动目标跟踪,且性能优于交互多模型概率数据关联滤波器(IMM-PDAF)。     

机载雷达红外传感器集中式融合与管理

提出一种机载多传感器集中式序贯融合与管理的方法.传统扩展卡尔曼滤波融合算法滤波精度不高,因此先利用雷达传感器的量测,采用修正扩展卡尔曼滤波算法对目标状态进行估计,再把估计值作为红外传感器的预测值进行序贯融合.在此基础上采用分辨力增益的方法对传感器进行管理.仿真结果表明该方法能够提高对目标的跟踪精度,增强跟踪系统对环境变化的适应能力.     

基于运动模型的一类传感器管理方法

利用目标检测前后信息熵的变化以及卡尔曼滤波方程中协方差的预测与更新阵,可以计算出传感器对目标进行检测或跟踪所产生的信息增量,并给出了一类基于信息增量最大化传感器管理方法.仿真结果表明:与顺序跟踪方法相比,该方法能够更合理分配有限的传感器资源,提高跟踪系统的整体性能;与随机检测与跟踪方法相比,该方法在保证一定跟踪精度的前提下,能最大限度地发现并跟踪新目标.     

一种机载PD雷达交互多模型滤波方法

机载雷达在运动平台上探测目标,探测数据描述的是平台和目标的相对位置。目标的机动状态不明,且探测数据和目标真实位置之间是非线性关系,导致机载雷达的航迹滤波难度大,滤波器精度和稳定性差。本方法中先进行数据预处理,量测误差在天线坐标系下获得,目标状态方程和量测方程在固定坐标中心的直角坐标系下建立,量测误差协方差矩阵由量测误差和位置进行无偏转换获得;采用交互多模型滤波器,模型集由匀速直线运动模型、当前统计模型和角速度未知的匀速转弯运动模型组成;非线性模型迭代由容积卡尔曼滤波实现,各模型的初始概率和模型参数基于速度和径向速度进行预估。仿真实验表明该方法提高了机载PD雷达的航迹情报质量,尤其提高了机动目标跟踪的精度和稳定性。     

机载ESM对固定辐射源的有效定位方法

当机载ESM定位系统的干涉仪的基线长度较短,传统的相位差变化率无源定位方法很难取得满意的定位效果,所以结合机载ESM传感器的特点,提出了基于方位角的迭代最小二乘定位算法,然后用Kalman滤波对迭代最小二乘对固定辐射源估计结果进行优化,当方位角比较大时,可以通过坐标旋转变换来提高了该算法的定位性能。Monte-Carlo仿真及结果分析进一步说明该算法具有收敛速度快,有效张角大,定位精度高,更具鲁棒性的特点。通过分析,该算法在军事应用中具有很好的前景。     

一种基于异步数据融合的传感器管理方法

针对多传感器系统存在观测数据过多,数据融合中心处理负担过重的问题,在引入一种基于传感器观测数据序贯处理的最优异步融合算法的基础上,提出一种基于目标协方差控制的传感器选择算法对异步观测数据进行优化组合,从而实现以最小的计算量达到所要求的目标状态估计精度。最后的仿真结果证明了该算法的有效性和可行性。     

侦察传感器优化管理技术研究

现代战场环境下,战场目标种类繁多、千差万别,对侦察传感器探测的时效性、准确性和连续性要求更高。在实际的战场侦察情报系统中,很少采用单一的目标传感器,往往是合理地使用各种侦察传感器,综合运用各种侦察手段,迅速制定多种运用方案进行比较和选优,并能有效组织侦察行动,实施全天时、全天候、大范围、连续不间断的侦察监视,迅速、及时、准确、高效地获取情报。研究了部队侦察传感器管理的作用、研究范围、技术现状和发展过程,提出了部队侦察传感器管理的通用模型和传感器管理方法,可以大大提高多传感器信息融合系统的精度,合理充分利用传感器资源,提高信息融合系统的整体效能。     

新型作战飞机机载传感器系统特性分析

首先介绍了战斗机航空电子系统的基本概念及其发展历程,并分析了机载传感器系统在航电中的功能和特点,然后详细阐述了新一代机载传感器系统,即综合传感器系统的特点,并介绍了其在美军F-22等先进战机上的应用情况,最后给出了我国机载传感器综合化发展思路和建议。     

机载星敏感器成像的仿真技术研究

根据天文导航的基本原理,综合考虑了星敏感器自身噪声、星云星团、大气折射、大气扰动和气动、地球遮挡等因素对机载星敏感器成像的影响,实现了复杂环境下的星光在机载CCD星敏感器上的成像仿真。在仿真过程中,重点考虑了大气折射的影响,分析了载体在大气层内飞行时星光角距、载体姿态和折射角之间的关系,推导了星敏感器成像点位置偏移的计算公式,为进一步研究机载天文导航技术打下了基础。