分布式雷达信息系统的数据融合算法仿真

航迹关联与融合是分布式雷达信息系统中的关键技术之一，是充分有效地利用多源信息的重要手段。简述了雷达信息系统中时空校准、数据关联和航迹融合3个处理过程中的算法概况，并对修正的K近邻域算法和量测值加权融合算法做了仿真分析，评估了这些算法的可信性和精确度。     

航迹融合算法在多传感器融合中的应用

研究寻的制导优化控制问题,针对传统单一传感器导引不能满足性能要求,提出采用多传感器复合制导.航迹融合是多传感器数据融合中一个非常重要的方面.由于公共过程噪声的原因,使在应用状态估计融合系统中,来自不同传感器的航迹估计误差未必有独立性,为了使航迹与航迹关联和融合,提出自适应航迹和协方差加权航迹融合的算法.通过仿真研究说明自适应航迹融合和协方差加权航迹融合的算法对多传感器数据融合技术有很明显的作用,数据融合效果好,为复合寻的制导优化设计提供了依据.     

交互式多模型异步航迹融合算法

对分布式融合系统中的异步航迹融合算法进行了研究.已有的异步航迹融合算法要求传感器所采用的状态方程与目标运动模式相同,这在实际应用中很难满足.针对已有异步航迹融合算法的不足,建立了基于状态方程集合的异步航迹融合模型.所有传感器均采用基于同一状态方程集合的交互式多模型(IMM)算法来实现航迹生成,融合中心对来自于相同状态方程的异步航迹数据进行加权平均来获得同步航迹,提出了交互式多模型异步航迹融合(IMMASTF)算法.仿真结果验证了IMMASTF算法的有效性.     

基于着陆雷达的飞机下滑航迹融合算法设计与实现

针对目前飞机进近着陆阶段部分型号着陆雷达实时提供三维位置数据时信息不完整的问题,提出了一种基于雷达坐标系的航迹融合算法,将不同源的航迹数据转换到雷达坐标系下进行航迹关联,再进行最小二乘加权卡尔曼滤波,并通过仿真验证与工程实践,证明该算法可以有效实现飞机着陆阶段的航迹融合。     

基于新型AFCM的多传感器目标跟踪航迹融合

多目标跟踪是多传感器系统信息融合中的核心技术之一.采用新型的AFCM模糊算法实现对多目标交叉状态下航迹数据关联.该算法定义了一种新的度量空间中的距离,通过新的距离定义有效抑制含有噪声点的样本及目标航迹交叉在迭代中对数据关联聚类中心点的大幅偏差.同时应用改进带加权的航迹融合算法对红外和毫米波雷达传感器测量的航迹数据进行融合.仿真试验证明,新的算法在综合多传感器探测优势的基础上,对航迹的融合结果优于SF算法.新的数据关联算法和改进的加权航迹融合算法为多源信息融合提供了一种可靠有效的多目标跟踪技术.     

绝对式圆感应同步器粗精数据融合

为了在测角系统中获得绝对角度,需要对绝对式圆感应同步器的粗通道和精通道数据进行融合.提出了一种粗精数据融合方法,具体阐述了粗通道的角度补偿和精通道的周期修正,相对于传统的不对粗通道进行补偿的方式,该方法可以使得测角系统适应更加恶劣的环境,拥有更高的可靠性,试验结果表明,数据融合算法正确可靠,在高低温真空条件下仍然可以获得准确的绝对角度.     

雷达和QAR数据的融合处理

基于数据融合技术,在研究雷达数据与快速访问记录器(QAR,quick access recorder)数据构成的基础上,提出了一种将雷达数据与QAR数据进行航迹融合的处理方法。通过坐标变换,能在平面内绘出飞行航迹;利用卡尔曼滤波算法对接收的数据进行处理,能有效地减少了报文丢失及乱码对跟踪精度的影响;同时,采用时间对准算法实现不同航迹数据的同时性。结果表明,雷达数据与QAR数据进行加权融合的处理方法,实现了两类数据的融合以及对有效信息的综合利用,从而降低雷达测量误差对系统监视精度的影响。     

一种高性能航迹融合反馈系统的设计与实现

根据数据融合功能层次性,数据融合多集中在测量融合和航迹融合两方面。在具有较高稳定性、可靠性和易实现性的航迹融合系统中,航迹关联和航迹融合是主要研究内容,系统结构设计也围绕这两个核心展开。本文详细介绍了具有评估反馈的多传感器异步航迹融合系统模型,该模型可分为航迹预处理、航迹关联、误差检测、航迹融合几个模块,在此基础上给出了相应算法。仿真结果表明,该系统模型具有较好的航迹关联与航迹融合性能。     

基于Kalman滤波的数据融合研究

分析了标准kalman滤波(KF)和自适应kalman滤波(AKF)的原理,通过仿真实验,对两种滤波算法的性能进行了比较.选用凸组合融合算法作为声纳探测的航迹融合算法,将多声纳融合系统的融合结果和简单交叉定位算法进行了比较研究.仿真实验结果表明:自适应kalman滤波比标准kalman滤波具有更好的目标跟踪性能,多声纳融合结果较简单交叉定位结果的性能有大幅度提高,所选用的融合算法航迹能够较好的与真实航迹吻合.     

一种高性能航迹融合反馈系统的设计与实现

根据数据融合功能层次性,数据融合多集中在测量融合和航迹融合两方面.在具有较高稳定性、可靠性和易实现性的航迹融合系统中,航迹关联和航迹融合是主要研究内容,系统结构设计也围绕这两个核心展开.本文详细介绍了具有评估反馈的多传感器异步航迹融合系统模型,该模型可分为航迹预处理、航迹关联、误差检测、航迹融合几个模块,在此基础上给出了相应算法.仿真结果表明,该系统模型具有较好的航迹关联与航迹融合性能.     

Ant colony optimization for bearings-only maneuvering target tracking in sensors network

In this paper, the problem of bearings-only maneuvering target tracking in sensors network is investigated. Two objectives are proposed and optimized by the ant colony optimization （ACO）, then two kinds of node searching strategies of the ACO algorithm are presented. On the basis of the nodes determined by the ACO algorithm, the interacting multiple models extended Kalman filter （IMMEKF） for the multi-sensor bearings-only maneuvering target tracking is introduced. Simulation results indicate that the proposed ACO algorithm performs better than the Closest Nodes method. Furthermore, the Strategy 2 of the two given strategies is preferred in terms of the requirement of real time.     

Ant colony optimization for bearings-only maneuvering target tracking in sensors network

In this paper, the problem of bearings-only maneuvering target tracking in sensors network is investigated. Two objectives are proposed and optimized by the ant colony optimization (ACO), then two kinds of node searching strategies of the ACO algorithm are presented. On the basis of the nodes determined by the ACO algorithm, the interacting multiple models extended Kalman filter (IMMEKF) for the multi-sensor bearings-only maneuvering target tracking is introduced. Simulation results indicate that the proposed ACO algorithm performs better than the Closest Nodes method. Furthermore, the Strategy 2 of the two given strategies is preferred in terms of the requirement of real time.     

主被动传感器自适应量测融合算法

针对观测平台和运动对象间的距离参数会对传感器随机测量误差带来影响的问题,提出了一种基于模糊距离阈值的主被动传感器量测融合算法。讨论了根据距离参数选择主被动融合跟踪模式的方法,采用指数函数和模糊处理技术,利用已有信息实时改变主、被动传感器在量测融合过程中所占的权重。仿真结果表明,当传感器和运动对象间的距离对随机测量误差的影响不能忽略时,基于模糊距离阈值的主被动传感器变权重融合算法和传统的固定权重融合算法相比更加稳定,能够充分发挥主、被动传感器间的互补特性。     

无线多跳传感器网络下基于粒子滤波的信道容错的目标跟踪方法

对信道衰落的无线多跳传感器网络下的目标跟踪问题, 提出一种新的信道容错的粒子滤波方法. 传感器观测数据被量化成二元信号, 经非理想无线信道多跳中继通讯到达融合中心. 中继节点采用一种二元中继策略, 中继输出是信道污染的中继信号的估计值. 在粒子滤波器下, 考虑实际的物理信道, 计算粒子的似然度函数. 将信道衰落结合进跟踪算法, 在已知信道衰落包络和信道统计分布下, 分别设计信道容错的粒子滤波算法. 仿真结果表明信道容错的粒子滤波器提高了目标跟踪的精度, 对非完美信道具有鲁棒性.     

有序粒子概率假定密度跟踪算法

针对由单传感器概率假定密度滤波到多传感器情形推导困难的问题,提出了一种有序粒子概率假定密度跟踪算法。首先,推导出集中式多传感器粒子概率假定密度滤波模型,再根据集中式融合系统的特点,选取与多传感器相关的重要性密度函数,通过多传感器多步更新重采样粒子,从而实现多传感器多目标有序粒子概率假定密度跟踪。仿真结果表明,该算法的跟踪误差距离差要小于单传感器粒子概率假定密度跟踪算法,且具有更优越的跟踪性能。     

基于粒子滤波的双模图像融合自适应跟踪

针对视频跟踪中仅利用目标的单特征容易导致跟踪失败的问题,提出一种基于粒子滤波的可见光与红外序列图像相融合的自适应目标跟踪算法;该算法在粒子滤波跟踪算法框架下,根据单一信源运动目标序列图像的品质因子,利用自适应加权融合策略重构双模序列图像的特征选择机制,建立了基于自适应融合算法的系统观测概率模型和状态空间层次采样多特征融合跟踪算法,实现了对双模序列图像的融合以及对运动目标的稳健跟踪;跟踪试验结果表明,该算法可以有效实现对运动目标的稳健、准确跟踪。     

A multi-cue mean-shift target tracking approach based on fuzzified region dynamic image fusion

Traditional target tracking algorithms based on single sensor images are unstable and have low accuracy. Based on regional target detection and fuzzy region rules, a fuzzy region-based multi-sensor image fusion approach is proposed in this paper. The similarity measure weight is adapted to this dynamic image fusion algorithm, while the tracking method uses the proposed multi-cue mean-shift tracking algorithm. Three experimental results using real world image sequences are evaluated using the steady state square root mean error. The fusion and tracking experiments indicate that the proposed approach is effective and efficient when aiming at a target moving from one area to a different area, which meets the robustness and real-time requirements.     

针对融合图像的均值位移跟踪方法

提出一种针对融合图像的均值位移跟踪方法。运用加权平均融合和基于动态目标检测的多源动态图像融合体系,对可见光与红外图像进行像素级动态图像融合,利用Mean Shift算法进行目标跟踪。采用真实数据进行实验,并对实验结果进行稳态的位置均方根误差评价。结果表明,在跨背景区域及复杂背景下,采用该方法对目标进行运动跟踪,能满足鲁棒性及实时性要求。     

基于扩展卡尔曼滤波的声传感器跟踪算法

针对声传感器单站单目标跟踪,提出了一种基于扩展卡尔曼滤波(EKF)的跟踪算法,将声波传输时延的影响转换到运动模型的可变周期上,通过参数在线估计的方法,估计该可变周期,进而解决了有信号时延的跟踪问题。通过把先验已知的速率当作观测值,解决了纯方位角跟踪时系统不完全可测的问题。仿真验证了算法的正确性和有效性。     

基于多传感融合的路面机动目标跟踪

Maneuvering targets tracking is a fundamental task in intelligent vehicle research. This paper focuses on the problem of fusion between radar and image sensors in targets tracking. In order to improve positioning accuracy and narrow down the image working area, a novel method that integrates radar filter with image intensity is proposed to establish an adaptive vision window. A weighted Hausdorff distance is introduced to define the functional relationship between image and model projection, and a modified simulated annealing algorithm is used to find optimum orientation parameter. Furthermore, the global state is estimated, which refers to the distributed data fusion algorithm. Experiment results show that our method is accurate.