一种被动双阵航迹关联新方法

在被动系统中。多传感器多目标数据关联一直是一个难解决的问题。对静态数据关联多维指派“组合爆炸”问题,许多外学者提出了像最小距离法、最大似然算法等多种解决方法,但它们或正确相关率较低,或计算量较大。基于上述问题,提出了一种基于运动目标在时间上具有连续性的先验知识的新的航迹关联算法,该算法根据数据列之间发展态势的相似或相异程度来衡量航迹间接近的程度,使航迹关联问题突破了样本容量和典型分布这两条限制。仿真结果表明该算法计算量小,正确关联率高,具有较高的工程应用价值。     

一种被动双阵航迹关联新方法

在被动系统中,多传感器多目标数据关联一直是一个难解决的问题.对静态数据关联多维指派"组合爆炸"问题,许多外学者提出了像最小距离法、最大似然算法等多种解决方法,但它们或正确相关率较低,或计算量较大.基于上述问题,提出了一种基于运动目标在时间上具有连续性的先验知识的新的航迹关联算法,该算法根据数据列之间发展态势的相似或相异程度来衡量航迹间接近的程度,使航迹关联问题突破了样本容量和典型分布这两条限制.仿真结果表明该算法计算量小,正确关联率高,具有较高的工程应用价值.     

基于随机集理论的多目标跟踪研究进展

基于随机有限集理论的多目标跟踪方法,能够避免数据关联步骤的困扰,能够较好地解决复杂环境中目标数目未知且随时间变化的多目标跟踪问题.本文分析基于数据关联和基于随机集理论的多目标跟踪方法,阐明基于随机集理论的多目标跟踪方法的特点和优点,对目标状态提取、航迹关联、更准确的滤波算法,以及复杂条件下的PHDF算法等关键问题进行总结和评述,并指出该领域今后的研究热点.     

支持服务关联的全局最优服务选择算法

针对面向服务的军事综合电子信息系统候选服务的服务质量往往依赖于其他候选服务的问题,提出了一种支持服务关联的全局最优服务选择方法.该方法将基于QoS的军事信息服务选择问题建模为带QoS约束的多目标组合优化问题,采用基于独立成分分析(ICA)的多目标分布估计算法同时优化多个目标函数,最终产生一组满足约束条件的Pareto最优解服务组合集.对比实验结果表明,基于ICA的多目标分布估计算法通过概率图模型可以描述服务间的相互关系,可以更好地解决存在服务关联的组合服务选择问题,具有良好的有效性和可行性.     

基于匹配场和长项积分混合处理的多模式检测跟踪一体化算法

提出多模式贝叶斯准则下的概率数据关联滤波新概念,并将该方法与基于匹配场-长项积分混合处理相结合,建立了基于Bayes框架的检测跟踪一体化算法,较好地实现了对机动目标的被动定位和跟踪.     

基于匹配场和长项积分混合处理的多模式检测跟踪一体化算法

提出多模式贝叶斯准则下的概率数据关联滤波新概念,并将该方法与基于匹配场-长项积分混合处理相结合,建立了基于Bayes框架的检测跟踪一体化算法,较好地实现了对机动目标的被动定位和跟踪.     

基于改进蝙蝠优化自确定的模糊C-均值聚类算法

针对模糊C-均值聚类算法敏感于初始聚类中心及聚类收敛慢、聚类数目手动设定等缺陷,提出了基于改进蝙蝠优化自确定的模糊C-均值聚类算法。该算法是基于密度峰值综合衡量聚类中心外围数据密集程度和聚类中心间距离,自动确定聚类中心和聚类数目,以此作为改进蝙蝠算法的初始中心;在原始蝙蝠算法中引入Levy飞行特征加强算法跳出局部最优能力;使用Powell局部搜索加快算法的收敛,利用改进的蝙蝠种群进行种群寻优,并将最优蝙蝠位置作为聚类C-均值新聚类中心,进行模糊聚类,以此循环交叉迭代多次最终获得聚类结果。将基于改进蝙蝠优化自确定的模糊C-均值聚类算法与其它两种聚类算法在标准数据集上进行仿真对比,实验结果表明:与其它两种算法相比,该算法收敛速度快、误差率低。     

蝙蝠算法在PFSP调度问题中的应用研究

针对新生的启发式智能算法蝙蝠算法求解离散型生产调度问题存在的局限性,利用对蝙蝠算法重新编码以及初始化的方式来求解离散型生产调度问题。通过对经典的生产调度基准数据进行测试,并同较成熟的标准粒子群算法进行比较。结果表明,蝙蝠算法在解决离散的生产调度问题时,具有较好的优化性能。验证了蝙蝠算法求解离散性问题的有效性以及可行性。     

无重叠视域中多目标最优路径集合的数据关联

针对无重叠视域中难以将运动目标与时空因素发生关联或关联后难以求解问题,提出了采用最优路径的数据关联算法并用离散蚁群算法进行了求解。算法首先利用贝叶斯网络,将目标外观匹配相似度、空间约束和时间约束三者融合,把数据关联问题转换为网络中最优路径的选择问题;其次,把路径间样本对的平均相似度设为评价函数,评价函数取最大值时的路径就是最优路径;最后,根据目标的出现在时间和空间存在离散性的特点,用离散粒子群算法求解最优路径,并用粒子编码记录目标运动路径。本算法在由五个摄像机构成的网络中对运动目标进行跟踪仿真,结果表明能有效地求解多目标的最优路径集合,获取了目标在网络中的运动轨迹,实现了接力跟踪,具有良好的鲁棒性。     

数据关联方法在多点定位系统中的应用

多点定位系统应用于广域目标定位时,可以采用目标气压高度对定位算法进行修正,从而保证算法的收敛性,提高定位精度.但不是所有民航机载二次应答机发送的应答信号模式中都包含目标气压高度,为了解决这个问题,多点定位系统采用了一种数据关联方法,使得在没有获取到目标气压高度时可以利用关联获得目标上时刻最新高度,由此修正定位算法.此外,通过关联还可以获取目标上时刻最新水平位置,在由于监视区域宽广造成只有3个站来定位目标而出现双解时可利用该水平位置选取正确解.通过实际数据测试验证了该方法的可行性.     

基于连续谱特征的被动声呐跟踪方法

针对被动声呐多目标跟踪问题,通过研究目标连续谱特征表征方式和特征更新相似关联机制,提出了一种基于连续谱特征的被动目标跟踪方法。该方法利综合利用频带能量法、排序截断平均算法以及峰值提取实现目标的连续特征表征,利用表征出的特征谱作为输入,通过建立相似度搜索,交叉判断与模板更新机制,实现了多目标的跟踪。经仿真对比分析了该方法的跟踪性能,并利用海上试验数据验证了其有效性。结果表明,连续谱特征可作为辅助特征用于目标的跟踪分辨,该方法能够有效提高多目标交叉情况下的跟踪关联能力,并且具备较低的运算量和较高的精度。     

水下无人航行器自主检测方法研究

自主检测技术是实现水下无人航行器(Underwater Unmanned Vehicle,UUV)智能化的关键技术,是无人航行器能够自主执行水下预警、目标跟踪等任务的前提。针对当前基于均值类和有序统计类恒虚惊(Constant False Alarm Rate,CFAR)技术的自主检测方法在背景起伏严重、多目标情况下,背景噪声统计特性估计不准确、自主检测性能下降的问题,文章提出了一种基于方位-时间二维参考窗联合有序截断平均算法的自主检测方法。首先,该方法设计了一种方位-时间二维参考窗,解决了一维参考窗检测参考样本过少、噪声统计量估计不准的问题;其次,采用有序截断平均算法估计背景噪声统计量,对起伏背景进行均衡;最后,利用背景噪声均值和方差构造恒虚警检测器,采用检测前跟踪技术,实现起伏背景下、多目标自动检测与跟踪。湖上试验结果表明,在水下无人航行器的自噪声干扰下,该方法对多目标依然具有较好的自主检测效果。     

复杂动态背景下的红外运动多目标跟踪与检测

提出了一种采用小波变换对复杂动态背景变化程度的检测方法.对红外序列图像进行小波变换预处理后,可以提取出若干个特征区域,通过检测这些特征区域的差异来判断背景的变化程度,实现背景抑制.在抑制动态背景的基础之上,运用基于动态先验知识的区域主动轮廓模型的水平集方法来实现红外多目标的数据关联和跟踪,动态先验知识包括形状描述因子、灰度特征和运动特征等.同时,在多目标跟踪中存在目标"合并和分裂"的现象,运用"记忆和填充"方法来实现对多目标的稳定跟踪.通过对实际复杂动态背景条件下的红外序列图像进行多目标跟踪和检测实验,验证了所提方法的可行性和有效性.     

被动声传感器网络中的一种去除虚假定位点的新方法

被动声传感器网络中多目标跟踪经常会出现错误关联(虚假定位点)。为了去除该定位点,提出了一种基于广义三角定位去除问题的新方法。利用灰色关联理论对声探测阵接收到的不同目标的乱序角度信息进行重新排序,获得正确的角度次序。通过基于角度关联预处理算法的时段匹配三角定位法获取不同目标最可能的位置。然后利用本文提出的假设和第三站验证方法对虚假定位点进行剔除。仿真数据和实际试验数据验证了所提出方法的有效性。     

一种多目标自动跟踪的逻辑关联方法

目标跟踪是被动声纳系统的主要功能之一,跟踪器为目标运动分析和目标识别等后置处理提供输入数据。声纳操作员利用人脑独特的认知模式、先验知识和视觉的迹迹相关效应,能够很好地在声纳显示方位历程图上发现目标并录取跟踪。但实际应用中由于低信噪比、航迹交叉和转向等复杂多目标情形,声纳系统实现多目标自动跟踪十分困难。给出一种多目标自动跟踪的逻辑关联方法,利用被动声纳宽带波束输出数据,通过点迹与航迹关联、航迹评价管理和交叉处理等过程,可以较好实现多目标自动跟踪。试验数据的处理结果验证了所提方法的有效性,能够在声纳装备中得到工程应用。     

目标联合状态类型密度表示的跟踪门技术

大多数传统的跟踪门技术仅使用目标的运动学量测信息,在多目标、多杂波跟踪场景中会导致较大的关联不确定性。考虑到属性传感器可以获取目标的类型信息,提出了基于目标联合状态类型概率密度的跟踪门方法。首先给出目标状态与类型的联合概率密度表示,从而导出以类为条件的跟踪门构建方法。为了适用于实时的非线性跟踪系统,门限的计算采用了基于仿真的算法。场景 1显示如果目标的量测预测密度为偏斜函数时,基于仿真的门限算法可以获得最优的跟踪门;场景 2为地面编队目标的跟踪过程。与使用传统的跟踪门相比,以类为条件的跟踪门技术在很大程度上提高了目标量测到航迹的关联率。     

基于BELLHOP模型的水下多目标跟踪算法研究

针对高频主动声呐的深海多目标跟踪问题,提出了基于BELLHOP模型的无迹卡尔曼滤波-高斯混合概率假设密度(Unscentesd Kalman Filter-Gaussian Mixture-Probability Hypothesis Density, UKF-GM-PHD)水下多目标跟踪算法。该算法首先利用BELLHOP射线声学模型,计算出本征声线、目标信号的幅度、相位及时延信息,以此构造目标回波信号并叠加高斯白噪声。然后,由回波信号计算得到目标相对于观测站的距离、方位角和俯仰角信息,作为目标跟踪系统中的量测信息。最后利用提出的UKF-GM-PHD多目标跟踪算法,实现高频主动声呐非线性系统的多目标跟踪。仿真结果表明,在深海高频主动声呐条件下,文章提出的UKF-GM-PHD多目标跟踪算法较传统高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density, GM-PHD)方法,明显降低了目标丢失率,并且最优子模式指派统计量(Optimal Sub-Patter Assignment, OSPA)距离也更小,跟踪效果更好。     

基于ReInspect算法的多目标追踪

为了提高复杂场景下多目标检测的准确性,提出了一种基于ReInspect算法的对于多个运行目标的检测方法.该算法基于OverFeat算法和Faster R-CNN算法的思想,加入LSTM(long short-term memory)循环网络结构用于记录多个目标的特征序列;通过调整LSTM网络特征标签信息,预处理损失函数...