基于模糊综合函数的航迹关联算法

本主运用现代数学中的综合分析方法,提出了模糊综合航迹关联算法,文中详细讨论了状态零碎垧 量间模糊综合相信度的计算和评价方法,导出了三种典型模糊综合函数的递推式,研究了模糊综合航迹关联准则,并通过仿真将它与两种经典方法进行了比较,仿真结果表明,在密集目标环境下和／或交叉、分岔和机动航迹较多的场合,模糊航迹关联算法的性能明显优于传统方法,其正确关联率比传统方法提高了大约４０％     

基于模糊综合函数的航迹关联算法

本文运用现代数学中的综合分析方法,提出了模糊综合航迹关联算法,文中详细讨论了状态估计向量间模糊综合相似度的计算和评价方法,导出了三种典型模糊综合函数的递推式,研究了模糊综合航迹关联准则,并通过仿真将它与两种经典方法进行了比较。仿真结果表明,在密集目标环境下和/或交叉、分岔和机动航迹较多的场合,模糊航迹关联算法的性能明显优于传统方法,其正确关联率比传统方法提高了大约40％。     

基于综合相关判别的无源航迹关联算法

航迹关联是多目标航迹处理中的重要问题,综合利用无源传感器获取的其他信息是改善航迹关联的重要途径.利用辐射源航迹得到正确的目标关联航迹较困难,因此,提出了一种辐射源航迹自关联和目标平台航迹互关联的两步关联综合相关判别算法,在充分运用无源传感器获取到的角度信息的同时,利用丰富的综合属性信息对航迹进行关联.仿真结果表明,该算法能够有效解决多无源传感器的航迹关联问题,并且有较高的关联正确概率.     

分布式系统模糊分类识别航迹关联算法

以模糊分类识别理论为基础,提出了一种分布式系统航迹关联算法。算法以各节点局部航迹为研究对象,确定航迹特性指标,建立航迹贴近度向量,根据最大隶属原则解决航迹关联问题。仿真表明,该算法比基于统计方法的加权航迹关联算法具有关联速度快、关联正确率高,且对密集目标环境适应性较强的优点。     

基于回归分析的航迹关联算法研究

在多传感器信息融合系统中,航迹关联的方式基本上都是基于两两关联的。在多目标环境下,这些关联方式加大了关联的次数,提高了关联的运算量。提出了基于回归分析的航迹关联算法,该算法首先选定主航迹,对航迹进行粗关联,对满足条件的点进行回归分析,根据相关系数的值判定航迹是否关联。仿真结果表明此方法能够很好地进行航迹关联,关联正确率...     

传感器网络中航迹关联的加权模糊聚类算法

提出一种基于特征加权的模糊聚类算法用于传感器网络中的航迹关联.该方法首先将分布式多传感器获得的航迹进行数据同化,然后通过同步采样将所有航迹映射为高维空间中的一组点集,最后通过特征加权的模糊c均值(FCM)聚类算法实现航迹的分类关联和信息融合.在聚类算法中通过ReliefF算法实现了特征权值的自动确定,自适应地考虑了不同时刻航迹位置对数据关联的不同影响.实验结果表明本文提出的航迹关联算法不仅具有良好的关联效果,而且通过特征的自适应加权提高了信息融合质量.     

航迹关联不确定度的表示

本文给出了航迹关联不确定度的定义,解释了航迹关联不确定度与信息不确定性的香农熵度量和哈特利度量之间的关系,简述了航迹关联不确定度在信息融合过程中的作用,提出了航迹关联不确定度评定方法应满足的五个基本要求,给出了一种航迹关联不确定度评定方法.仿真结果表明,航迹关联不确定性是能度量的,所提出的评定方法能够正确反映目标间隔距...     

基于直方统计特征的多特征组合航迹关联

现有的航迹关联方法主要有基于统计和基于模糊数学两大类方法。基于统计的方法大多依赖阈值的设置,基于模糊数学的方法参数设置复杂,且多数方法相关比较时只考虑单个航迹点的信息。针对现有问题,该文首先从航迹的整体出发,在传统欧式距离度量的基础上,提出了一种距离分布直方图的特征并提取了航迹的相似特征,有效地利用了航迹间的整体特性,具有较好的抗噪声性能以及关联准确率。其次充分考虑了船舶运动特征以及不同数据源位置精度,提取了航迹间的速度差分布直方图特征、传感器来源特征。然后将这些特征组合并利用机器学习的方法训练关联模型,有效地避免了需要人工设定阈值以及参数设置复杂的问题。最后,该文构建了一个真实的船舶数据集,实验结果表明距离分布直方图特征相比传统的距离特征总体关联准确率提高了3.23%～11.65%,组合特征相较于单一的距离分布直方图特征总体关联准确率提高了0.068%,验证了该文方法的有效性。      

基于灰关联无源多目标跟踪系统航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本上照搬多传感器数据融合的理论,仅利用目标的状态信息.文中利用了目标的多特征信息(载频、脉宽、脉冲重复间隔等),应用灰关联理论,提出了一种基于灰关联的分布式无源多目标跟踪系统的航迹关联算法.由于利用了目标多特征信息,算法具有关联速度快、正确率高、而且能够适应密集目标环境的优点.仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法.     

基于跟踪状态监视的稳健航迹关联与融合算法

空间邻近目标跟踪过程中存在航迹交错现象,传统的航迹关联与融合算法可靠性大大降低。提出基于跟踪状态监视的稳健航迹关联与融合跟踪算法:首先,采用滑窗式全局最优关联方法利用多帧航迹数据确认航迹关联对,并建立系统航迹;然后,根据确认关联航迹的实时关联状态检测航迹交错;最后,根据航迹衰减残差识别运动状态,自适应选择融合量测或者融合状态估计完成系统航迹的状态更新。仿真结果表明,算法能够提高融合航迹精度,实现稳健航迹关联与融合。     

一种基于传感器加权的模糊聚类数据关联方法

提出一种用于传感器网络中信息融合的模糊数据关联新方法,该方法利用传感器的观测性能的先验知识对观测样本进行加权,通过加权模糊聚类算法实现数据的正确关联.同时,引入模糊聚类有效性函数自动确定每个观测时刻的目标数目.实验结果表明与传统基于模糊c均值聚类算法相比,本文提出的数据关联方法不仅具有更高的关联精度,而且具有较好的可靠性和有效性.     

一种基于模糊聚类和蕴涵度的模糊关联规则挖掘算法

对于模糊关联规则挖掘算法存在的不足,首先为了软化数量型属性论域的划分边界,借用了FCM算法将数量型属性离散化,并把数据集划分成若干个模糊集等级;然后,对模糊置信度进行定义时,把经典关联规则中的置信度的定义经过扩展后直接运用到模糊集上,不免会带来一些逻辑推理上的问题,采取了蕴涵度代替模糊置信度的方法,引入模糊蕴涵算子,经过进一步推理论证,证明了蕴涵度能够用模糊支持度来代替。提出了一种基于模糊聚类和蕴涵度的模糊关联规则挖掘算法,并通过实验证明了算法的有效性。     

一种基于模糊数据关联的粒子滤波算法

为了解决杂波环境下多机动目标的数据关联问题,提出一种将粒子滤波器(PF)和模糊数据关联(FDA)相结合的数据关联算法。本算法首先应用粒子滤波方法对目标的状态进行采样,得到样本(粒子),然后结合量测,用模糊数据关联算法分别对每个粒子求得其对各个目标的隶属度,比较各个隶属度的大小,把最大的隶属度作为粒子在滤波中的权值,从而实现多目标的跟踪。另外,在应用FDA的过程中对其中的常量m进行取值分析,讨论了其不同取值对跟踪效果的影响。仿真结果表明,与其他的常规跟踪方法粒子滤波及扩展卡尔曼滤波相比,该方法具有较好的跟踪效果;与粒子滤波结合联合数据关联方法相比,跟踪效果相差不大,但是具有更好的实时性。     

被动传感器组网模糊综合贴近度的数据关联算法

针对被动传感器采样非周期且采样数据缺乏距离信息等特点,提出了一种用于解决目标航迹与传感器量测相关联的模糊综合贴近度的数据关联算法.由于被动传感器的量测没有距离信息且传感器探测范围小,本算法首先设置两个关联波门进行量测筛选;然后采用航向确定法得出航向角信息,并综合方位角、俯仰角信息,使用模糊综合的方法进行最终的关联,以解决关联错误率高的问题;最后使用扩展卡尔曼滤波进行目标状态与协方差的更新.实验结果证明了该算法方法的有效性.     

杂波环境下基于全邻模糊聚类的联合概率数据互联算法

针对杂波环境下的多目标跟踪数据互联问题,该文提出基于全邻模糊聚类的联合概率数据互联算法(Joint Probabilistic Data Association algorithm based on All-Neighbor Fuzzy Clustering, ANFCJPDA)。该算法根据确认区域中量测的分布和点迹-航迹关联规则构造统计距离,以各目标的预测位置为聚类中心,利用模糊聚类方法,计算相关波门内候选量测与不同目标互联的概率,通过概率加权融合对各目标状态与协方差进行更新。仿真分析表明,与经典的联合概率数据互联算法(Joint Probabilistic Data Association algorithm, JPDA)相比,ANFCJPDA较大程度地改善了算法的实时性,并且跟踪精度与JPDA相当。     

基于改进KFCM聚类的数据关联算法

针对传统的基于模糊C -均值(FCM)聚类的数据关联算法存在的缺陷,提出了一种基于改进核函数模糊C-均值(KFCM)聚类的数据关联算法.该算法以改进的KFCM聚类为基础,通过放宽KFCM聚类的约束条件来增强系统的鲁棒性,并引入信息熵自动确定目标数以作为数据关联的前期准备,再将改进的KFCM聚类算法引入JPDA算法,通过避免对联合事件的概率计算和对确认矩阵的拆分,以实现数据的正确关联和对多目标的实时跟踪.仿真结果表明算法有效可行.     

基于模糊隶属关系的Mean Shift图像跟踪改进算法

鉴于Mean Shift算法中核心步骤计算所得的新目标模板中心位置几乎都非整数的问题,该文提出了模糊隶属度的概念,并在此基础上,改进了Mean Shift算法在图像跟踪中的实现步骤。实验表明,该算法计算量小,且能很好的减少原算法中不必要的误差。     

A TSP Based Algorithm for Mining Fuzzy Association Rule

As a kind of excellent mathematic tool, concept lattice has widely been applied in AI and knowledge discovery field. In this paper, we introduced fuzziness into concept lattice, presented a TSP （Team software process） based algorithm for mining fuzzy association rule, and implemented the algorithm. The results demonstrate that the rule extracted can give the valid suggestion to course improvement.     

基于车辆数据的k近邻联合概率数据关联算法

在交通场景中采用一些预警措施能够有效地减少交通事故发生。例如,对车辆轨迹进行跟踪并预测车辆的驾驶行为,就是一个常用的预警方法。在对车辆进行跟踪的过程中,数据关联是很重要的部分,它可以对车辆的观测点和轨迹进行关联,从而更新车辆的轨迹,完成跟踪过程。在此背景下,提出了一种新的数据关联算法,即k近邻联合概率数据关联算法(k Nearest Neighbor-Joint Probability Data Association,kNN-JPDA)。实验结果表明,该算法能够较好地解决在交通场景下车辆数据的数据关联问题,在精度以及运行效率方面都有所提高。     

一种基于最大熵模糊聚类的数据关联算法

针对联合概率数据关联算法计算量上存在的组合爆炸问题,本文引入最大熵模糊聚类算法实现多目标的数据关联。使用最大熵模糊聚类得到的模糊隶属度表示目标与量测之间的联合互联概率;分析了公共回波对航迹更新的影响,对公共回波的权值进行衰减,对非公共回波的权值进行扩大,避免了航迹合并;此外根据差异因子的特性,给出剔除无效回波的方法,减少了计算量。仿真结果表明,与现有数据关联算法相比,新算法具有更优的跟踪效果。