基于D-S证据理论的阵群目标数据关联算法

由于星载传感器获取数据的时间间隔较长,对监视区域中的每个目标进行稳定有效的跟踪是非常困难的。为此,该文将阵群目标作为研究对象,充分利用阵群目标相对稳定的编成、队形特征,提出了一种基于D-S证据理论的阵群目标数据关联算法。首先,建立阵群目标的编成特征和队形特征的描述模型,并据此提取阵群目标的编成及队形特征;其次,通过D-S证据理论,分别利用编成和队形特征建立阵群目标的关联匹配模型,计算相应的基本概率分配函数;最后,对基于编成和队形特征关联的基本概率分配函数进行证据合成,建立综合的基本概率分配函数,并采用二维分配方法实施关联判决,得出关联结果。仿真实验证实了该算法的有效性。      

机载雷达和红外数据融合的智能目标识别

为了提高机载传感器目标识别系统的性能,提出了利用机载雷达和红外成像传感器数据融合的智能目标识别算法.对红外成像传感器,采用了基于小波矩特征和BP神经网络的目标识别算法,首先提取目标图像的小波矩特征并进行特征选择,然后通过BP神经网络对目标图像进行识别;对雷达传感器,提出了利用模糊推理的目标识别方法,首先选取适当的雷达特征,然后通过模糊推理进行识别:从雷达和红外传感器识别算法分别得到待识别目标所属类别的基本概率分配函数,用D-S证据组合规则将两个基本概率分配函数组合,最终实现了机载雷达和红外传感器的数据融合.仿真结果表明:融合后的识别效果优于单个雷达或红外传感器的识别效果.     

基于红外探测的无人机群结构特性感知方法

针对现有目标检测算法未考虑无人机群成员之间相互关系,容易出现漏检、误检群成员和未能感知无人机群队形结构特性的问题,提出了一种基于红外探测的无人机群结构特性感知方法。首先,为减少图像中无人机外观特征损失,设计了空间深度-通道注意力模块,该模块结合空间深度转换模块保留判别特征信息的优点和通道注意力关注通道间相关性的特点,提高了检测网络的特征提取能力;其次,为充分利用图像中无人机群成员的位置、边界框大小等结构信息,提出了群成员关系模块,将无人机的结构信息融入到无人机群成员之间的关联信息,提高了检测网络对无人机群成员的检测定位能力。最后,在自建的Drone-swarms Dataset数据集上开展实验验证。实验结果表明：文中提出的无人机群结构特性感知算法的mAP达到了95.9%,较原始YOLOv5算法的mAP提高了约7%,有效提高了无人机群成员的检测精度;同时,检测速度达到59帧/s,实现了无人机群目标的实时检测,进而实现了无人机群队形结构特性的感知。     

基于多特征融合的红外目标关联算法

利用红外目标同时具有位置、灰度、面积等多特征的特点,提出了一种基于多特征融合的目标关联算法.首先在极坐标系下对目标位置采用概率数据关联算法计算候选目标的关联概率,然后结合目标的灰度、面积特征的预测误差计算关联波门中的候选目标在各种特征条件下的关联概率,进而利用多特征融合方式,计算出综合关联概率,完成目标状态估计的更新.实验仿真结果表明,由于跟踪关联概率由多种特征共同确定,避免了目标位置特征信息不稳定所造成的跟踪精度下降的问题,实现了密集杂波环境下红外目标稳定跟踪,其跟踪精度和稳定性明显高于依靠位置特征信息进行关联的传统概率数据关联算法.     

多目标跟踪中基于特征辅助的概率数据关联算法

在传统的多目标跟踪系统中,数据关联仅利用了那些与目标状态向量直接相关的信息。在此提出了一种基于广义概率数据关联(GPDA)的新的关联算法即特征辅助跟踪(FAT)算法。该算法同时利用了目标的特征信息和状态信息进行数据关联,较好地解决了在密集杂波环境下对近目标的跟踪问题。最后以目标的一维距离像信息为例进行仿真,仿真结果表明,所提出的算法使跟踪性能优于传统的概率数据关联。     

基于最小二乘的多特征概率数据关联EM方法

提出了一种多目标多特征信息的数据关联算法。在强噪声密集杂波环境下,针对传统PDA算法对多目标跟踪时出现精度较差的问题,在跟踪过程中融入目标的特征状态信息,利用期望极大化（EM）算法对目标状态估计的最小二乘（LS）误差函数迭代求最小,将目标运动状态和特征联合的关联概率作为估计参数不断修正,从而获得对目标状态的最优估计。仿真结果表明,该算法能够增强区分目标和杂波的能力,减小相近特征量测所引起的跟踪误导,弱化对检测概率的依赖性,显著并稳定地提高对目标的跟踪精度。      

基于信息总不确定度的冲突证据组合修正方法

现有的冲突证据组合修正方法仅从证据距离、模糊度等描述信息不确定性的一个或几个方面对证据体的基本概率分配函数进行修正,对证据的关联性考虑不够充分。该文提出基于信息总不确定度的冲突证据组合修正新方法。该文在笛卡尔乘积的基础上定义提出组合总不确定度的概念,并给出根据融合前各证据体总不确定度预测融合后证据体组合总不确定度值域的方法。对冲突证据,利用各证据体总不确定度与组合总不确定度的比值,求出对证据基本概率分配函数的修正权重,再根据Dempster规则进行加权平均组合。信息融合的算例分析结果表明,与现有方法相比,该方法融合结果的总不确定度更小,更有利于融合结果的后续决策分析与数据应用。     

激光/红外复合扫描引信目标识别算法

针对激光、红外单模引信抗环境干扰能力差、目标识别概率不高的问题,提出了一种基于关联的多元线阵激光/红外复合扫描的模糊识别算法。该算法通过建立激光/红外线阵扫描模型,对目标的顶部三维轮廓与顶部红外辐射图像进行特征提取与关联信息融合,对比真实目标特征参数,设计了基于模糊理论的目标识别算法,得出三组识别特征各自的识别概率,在此基础上对三种识别概率继续进行模糊推理融合得出目标的最终识别概率。仿真结果表明,该复合探测目标识别概率比单模识别方法有较大幅度的提高。     

基于属性特征的数据关联研究

针对反导预警过程中弹道导弹飞行中段空间目标密集、点迹断续、目标跟踪稳定性低等特点,利用远程预警相控阵雷达和地基相控阵雷达获得的目标多特征属性信息,将属性特征数据模糊化,运用模糊相似度进行数据关联。对比三种隶属度函数对中段目标群识别正确率的高低,选取正态分布隶属度函数,计算两雷达观测目标之间的相似度,得到相似度矩阵,并按照一定的判决规则进行目标关联匹配。仿真结果表明,属性个数越多,均值差异越大,观测方差越小,关联效果越好;属性权重的合理分配也是影响关联结果的重要因素。     

一种HRRP特征辅助的多目标JPDA算法

针对强杂波环境下,联合概率数据关联（Joint Probabilistic Data Association, JPDA）算法的计算复杂度不能满足复杂电磁环境下数据关联的实时性要求,本文提出了一种基于高分辨一维距离像（High Resolution one-dimensional Range Profile, HRRP）特征辅助的JPDA算法。首先,计算量测与目标的HRRP特征相似度;然后利用特征相似度辅助JPDA算法完成波门搜索,减少可行事件的数量;最后使用特征相似度对可行事件的发生概率进行修正,进而修正量测与目标的关联概率。实验结果表明,本文算法提高了关联性能,同时还极大地提高了算法的实时性。      

基于变化检测的机场毁伤评估算法

提出了一种基于遥感图像变化检测的机场毁伤效果评估算法,该算法由图像预处理、兴趣区域划定、毁伤特征提取和分级评估4个模块组成。首先对图像进行直方图规定化,提高图像局部对比度,并采用Hough变换提取机场区域,抑制掉过多的背景干扰;然后利用变化检测参数指标对目标特征进行描述,实现毁伤信息的有效提取;最后建立整体的特征向量"相似度",几何、纹理特征"二次距离",设计分级评估准则。仿真结果表明,该算法有效地实现了对机场目标毁伤效果的评估,同时经过适当扩展和改进,可用于各种人造目标毁伤效果的评估。     

纯角度量测序列的参数航迹滤波新方法

红外探测器只能测量运动目标的方位角和俯仰角,难以获取目标的距离信息,所测量的空中目标信息为不完全信息,无法在直角坐标系下有效对三维运动目标进行滤波与跟踪。针对这一问题,提出红外单站跟踪运动目标的参数航迹滤波方法。该方法利用传感器测量到的目标方位角和俯仰角信息,根据假设的目标运动模型,先对目标飞行方向进行估计,然后利用估计出的方向向量和角度量测序列计算出目标的两个航迹参数;最后综合解算得到目标到传感器的方向向量参数航迹计算公式,从而得到方位和仰角估计值。仿真结果表明,该模型对方位和仰角的估计值较稳定,误差较小,效果较优。     

基于数据链和光电传感器的融合跟踪

数据链是战争中信息互通、资源共享的生命线,研究了基于数据链和光电传感器的融合跟踪方法。根据数据链和光电传感器数据的不同特点,对数据链数据应用改进的交互式当前统计模型滤波外推算法进行时间配准,并根据光电传感器测量角度信息的非线性应用交互式卷积粒子(IMM-CPF)滤波算法进行融合跟踪。使用IMM-CPF和IMM-EKF算法对融合跟踪进行对比仿真,仿真结果表明,使用IMM-CPF算法的数据链和光电传感器的信息融合对目标的跟踪达到了很好的效果。     

快速二维直方图斜分最小误差的图像阈值分割

鉴于二维斜分法的优势,提出了一种快速二维直方图斜分最小误差的阈值分割方法。首先将二维直方图斜分原理运用到最小误差阈值法中使得分割更准确,然后对其阈值选取公式进行简化得到最简公式,并利用此公式导出其一般递推算法,最后将二维直方图概率分布特性与这种算法有机结合得到新型的递推算法来提高运行速度。实验结果表明,与二维直线型最小误差阈值分割法相比,算法效率更高,与其递推算法相比,所提出的新型递推算法的运行速度更快,约快4倍。     

基于一维测量的多传感器多目标数据关联

本文在S-D分配算法的基础上,提出一种基于一维测量数据的多基地雷达多目标数据关联的方法.在每个传感器仅能给出目标的一维距离和量测信息,并且同时存在虚警的条件下,该方法首先利用4维组合的冗余信息对各传感器的量测值进行组合筛选,然后由4维分配算法进行多目标的数据关联,仿真结果表明该方法可以有效提高多目标的正确关联概率.     

基于有效量测分集的联合概率数据互联算法

杂波环境下用联合概率数据互联算法(JPDA)跟踪多目标,其计算量将随跟踪目标数的增多和杂波密度的增大而呈指数增长,因此实时性不强;并且JPDA跟踪杂波环境中的近距离目标时,容易造成航迹合并。在充分考虑单个目标独立性的基础上,提出有效量测分集概念。将接收到的有效量测信号按照单个目标的关联划分,确定各目标跟踪波门内的候选量测信号,不考虑量测信号的重复关联。取得单个目标独立性之后,再运用单目标概率数据互联的方法估计目标状态。仿真实验表明,较传统JPDA实时性更强,能够分辨并跟踪近距离目标。     

改进配准测度的SUFT红外图像快速配准算法

为方便电路板卡故障诊断,实现红外图像快速、有效配准,提出一种基于SUFT(Speeded-Up Robust Features)和相似四边形的红外图像快速配准算法。该算法首先对红外图像进行特征点检测,生成SUFT特征点描述子;然后采用欧氏距离进行相似性度量,提取粗匹配特征点对,再利用相似四边形进行精匹配,去除误配准点对;最后依据精匹配点对求解变换模型参数,实现红外图像的配准。实验表明,改进后的算法能有效剔除误匹配点对,提高配准精度,配准结果较理想,与同类算法相比耗时较短。因此该算法具有快速性、稳定性等优点,且配准精度较高,有很好的实用价值。