密集杂波环境下的数据关联算法

针对密集杂波环境下多目标数据关联问题,提出了一种基于弱化算子自适应模糊C均值聚类的数据关联算法。该算法首先采用弱化算子对有效回波进行弱化处理,在此基础上应用自适应模糊C均值算法对目标有效回波进行聚类,并将聚类中心作为相应目标最终观测值,最后采用最近邻法将聚类中心与目标航迹配对。实验结果表明,该算法与FCM方法相比,具备更高的关联和跟踪精度;与JPDA算法相比,提高了关联时实性。     

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。     

密集杂波环境下基于两点量测和Viterbi的PDA算法研究

为了更好地解决密集杂波环境下的目标跟踪问题,弥补密集杂波环境下概率数据互联算法(PDA)误关联概率偏高的不足,在对现有的Viterbi数据互联算法进行深入分析的基础上,给出了一种计算两个量测之间互联概率的表达式,提出了一种基于两点量测的Viterbi数据互联算法(TM-VDA).仿真验证,TM-VDA能够很好地完成对目标的跟踪,特别是在密集杂波环境下误跟踪率较PDA大大降低.     

复杂环境下的航迹融合研究

文中提出一种具有剔野能力和适应部分数据漏传的实时多传感器航迹关联融合方案.该方法先利用模糊C-均值算法对多传感器航迹聚类,然后根据类内紧凑度及各航迹隶属度,识别并剔除航迹中的野值.最后用预测估计代替野值和漏传数据进行数据融合.仿真结果表明,文中所述算法对解决野值和数据漏传问题是有效的.     

密集回波环境下地面机动目标跟踪的UKF-VSMM-PDA算法

对地面机动目标进行跟踪,除了利用量测信息外,利用地形特征等信息也可提高跟踪性能。但这些非正态信息却可能导致较高的非高斯概率密度,文中将机动和多回波同时考虑,并充分利用了地形特征等信息,提出了UKF—VSMM—PDA算法。对密集回波环境下地面机动目标进行跟踪,仿真结果证明了该算法的优越性能。     

多种测试系统的数据融合

介绍了数据融合技术的基本概念及工作原理,并以2台雷达测试为例,阐述了数据融合技术在目标跟踪测试系统中的应用.     

雷达／红外数据融合的机动目标跟踪算法综述

雷达与红外数据融合能够实现信息互补,提高目标跟踪精度、识别能力以及增强系统的抗干扰性,因此受到广泛关注。针对雷达和红外数据融合跟踪机动目标的体系结构,基于近几年国内外的研究,对整个体系中的算法进行了综述。     

可分辨空间密集目标群跟踪算法研究

为了有效改善可分辨空间目标群的早期跟踪态势,提高高速目标群的跟踪处理速度和跟踪精度,提出了可分辨空间密集目标群跟踪算法。该算法首先通过全局聚类群分割、群关联和群跟踪,解决大量距离靠近、运动特征差异不明显的高速空间目标群早期连续稳定跟踪问题; 通过群跟踪掌握早期群整体信息,提高目标数据处理速度。在此基础上,边跟踪边分群,由群目标跟踪逐渐过渡到多目标跟踪,在群目标跟踪中通过结合空间动力学方程提高群内目标的跟踪精度,提升雷达系统对可分辨密集空间目标群的跟踪能力。     

杂波环境下多机动目标跟踪的一种新粒子滤波器算法研究

多机动目标跟踪系统具有本质非线性和非高斯特性, 而且状态的测量通常是来源未确定的观测量, 在杂波环境下尤其如此.因此, 杂波环境下的多机动目标跟踪问题需要同时解决多个目标的机动性以及测量和目标之间的关联问题.提出了一种结合粒子滤波器和吉布斯采样器的多机动目标跟踪算法, 可以很好地解决在杂波环境下的多机动目标跟踪问题.在仿真研究中, 与另一多机动目标粒子滤波器算法BMMPDAF的比较证明了所提出的算法的优越性.     

多传感器滤波跟踪型数据融合算法研究

针对非线性观测的目标跟踪问题，对滤波跟踪型数据融合进行了研究，提出了基于去偏转换测量值卡尔曼滤波算法的非线性系统中的数据融合算法．从仿真结果可以看出，集中式融合算法和分布式融合算法的差别并不大，结果基本相同．因此，在非线性系统中，基于去偏转换测量值卡尔曼滤波算法的分布式融合算法可以重构集中式融合算法．     

数据融合中的极大验后法

介绍了目标航迹融合中的极大验后法,推导了利用极大验后法进行航迹融合的公式以及两条航迹互协方差阵的递推计算公式,计算机仿真和理论分析均表明极大验后法具有比极大似然法更好的融合效果。     

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。     

基于多传感器数据融合的机动目标跟踪算法研究

在分析了机动目标跟踪的重要地位之后，探讨了两种时下常用的机动目标跟踪的方法，基于自适应相互作用多模型的算法和α—β滤波算法，试图对基于多传感器的机动目标跟踪和识别算法构建一个轮廓和框架。     

目标位置数据融合估计技术

介绍了数据融合在鱼雷近炸引信中的应用,采取时间融合处理方法,将不同时刻的滤波输出数据进行加权平均融合或分层融合处理,明显提高估计精度,减小估计方差.该技术对基于前向探测系统的鱼雷引信炸点预测具有重要意义,对其它参数估计等应用领域亦有参考价值.     

一种新的多传感器数据融合关联算法

在对联合概率算法进行深入研究以及对实际工作经验总结的基础上，提出了一种新的联合概率数据关联算法，与联合概率关联算法相比，新算法大大降低了设计的复杂性和计算机的计算量．在对一组真实数据进行数据关联和数据融合的基础上，对算法的性能和融合的效果进行了分析．     

基于两坐标雷达和红外传感器的融合目标跟踪算法

利用雷达和红外传感器的观测信息及目标运动的特征信息，改善系统对机动目标的跟踪性能；并在雷达无法主动开机的情况下，应用测向测时差定位法，处理机动目标的无源定位问题，在此基础上，应用数据融合技术进一步提高系统的定位与跟踪精度。     

密集杂波下的模糊数据关联多目标跟踪算法

针对密集杂波环境下对多目标跟踪的精度低、实时性不强的问题,提出了密集杂波下模糊聚类数据关联多目标跟踪算法。该算法利用模糊聚类,得到不同观测量相对目标的隶属度作为模糊关联概率,通过分析公共观测对目标的影响,引入远近距下的公共观测影响因子重建模糊关联概率矩阵;然后结合模糊关联概率与卡尔曼滤波,对不同观测量得到的状态估计加权融合,从而对每个目标进行单独跟踪,实现目标的状态更新。仿真结果表明,杂波密集环境下该算法在能够保证多目标跟踪实时性的同时引入远近距下公共影响因子对不同观测量的状态估计进行加权,保证了目标跟踪的精确性。     

一种基于JPDAF的机动目标轨迹融合算法

多传感器目标跟踪是利用不同的平台获得有关目标的准确、连续的动态描述。PDAF(probabilistic data association filter)算法用于处理单目标跟踪问题，它假定所有的量测都是在特定的目标扩展门限中，即来自一个目标或杂波。如果另一个目标也在该门限中，就可能产生错误。为了解决混杂、密集环境下的多目标跟踪问题，本文利用JPDAF(joint probabilities data association filter)算法，通过考虑可利用的关联事件来简化处理过程．根据关联概率值来对假设进行估计。最后的仿真结果表明该算法对向量状态估计有明显改善。     

天波超视距雷达多路径数据关联跟踪算法对比研究

天波超视距雷达的多传播路径会引起多个量测对应同一个目标的问题，而由于传播模式的模糊性，量测与传播模式的对应关系是不确定的。多路径Viterbi数据关联跟踪算法（MVDA）采用回波竞争的思想，而多路径概率数据关联跟踪算法（MPDA）利用了回波合并的策略。通过多次Monte Carlo仿真试验对两种算法的失跟率、状态估计的均方根误差、航迹终结延时以及计算量等跟踪性能指标进行了比较。仿真结果表明，在低检测率、重杂波环境下，提出的MVDA算法大大降低了失跟率，而MPDA算法具有较高的估计精度。     

基于实测数据的海杂波建模方法

为解决海杂波模型过于简单、逼真度不高及杂波模拟缺乏针对性等问题,提出一种基于实测数据的海杂 波建模方法。在分析经典海杂波统计模型基础上,利用导引头采集不同海况下的实测数据,采用拟合度检验及参数 估计的方法,结合SIRP 法模拟生成仿真杂波数据,通过对经典统计模型进行修正,得到实用的海杂模型。仿真结果 表明,该方法对于提高射频仿真系统中海杂波模型逼真度及置信度具有参考价值。