分布式系统模糊航迹关联算法分析

目标航迹关联是分布式多传感器系统数据融合研究中的一个关键问题,传统航迹关联多采用统计相关的方法,计算较为复杂,且存在较大的不确定性.文中以分布式系统的航迹关联问题为研究对象,采用多因素模糊综合决策方法,建立了该算法的模糊因素集、评价集、单因素模糊矩阵、多因素模糊综合决策准则以及航迹关联质量域脱离质量等数学模型,最后给出了典型环境下的仿真结果,并与最近邻域法和K近邻法进行了比较,显示了该算法的优越性.     

机载雷达与ESM航迹关联技术研究

机载雷达和电子对抗侦察(ESM)已经成为机载平台上获取目标信息的重要传感器,它们之间的数据关联是典型的异类传感器数据关联问题,以往对于关联判别函数的选取,大多只考虑方位角信息,而忽略或弱化其他信息的使用,针对此问题,在对于关联函数的选取上,充分利用了角度和属性信息建立判别函数,并基于此判别函数,提出使用航迹关联三门限算法对机载雷达与ESM航迹进行关联判决。仿真结果表明:该方法具有较低的漏关联概率和错误关联概率,能很好地解决机载雷达与ESM航迹关联问题。     

基于统计双门限的异类传感器的航迹关联算法

异类传感器由于探测维度以及探测空间的不同,导致传感器之间的航迹关联变得困难。为实现海陆空之间统一的目标信息态势,本文针对雷达、被动声纳的航迹关联问题,提出了一种基于统计双门限的异类传感器航迹关联算法。该方法首先利用假设检验,将N个探测周期内的每个观测样本与第一门限λ进行比较,统计超过门限的样本数,并将统计结果与第二门限L进行比较,从而判断异类传感器之间的航迹是否关联。仿真实验结果表明,该方法在目标航迹交叉、分岔的情况下,仍然有很高的关联正确率,并且对于水下目标的识别也具有重大的意义。     

基于K-中心点聚类的模糊航迹关联算法

为提高目标航迹相交和近距平行状态时航迹关联的正确率,提出了一种基于K-中心点聚类的模糊航迹关联算法。该算法基于K-中心点聚类算法,将系统航迹作为聚类中心,采用局部航迹与系统航迹关联的策略,为描述航迹间的相似性,采用模糊分析方法,综合考虑各个因素的影响,构造模糊关联矩阵,并利用历史信息和先验知识进行航迹关联。仿真表明该算法在航迹相交状态下,相交时刻关联正确率比K-medoids聚类算法提高5%左右,近距平行状态下关联正确率的收敛速度优于K-medoids聚类算法。     

基于模糊理论的证据航迹关联算法分析

针对模糊推理航迹关联算法隶属度函数确定较为繁琐、影响算法灵活性等现实问题,将证据理论引入模糊航迹关联算法,对隶属度函数进行加权处理以获取证据信息,并在此基础上进行基于证据理论的融合处理.仿真分析表明,基于模糊理论的证据航迹关联算法具有较强的环境适应性,能够在不大幅增加运算量的情况下进一步降低模糊航迹关联的不确定性,体现了证据理论在解决不确定问题上的优良特性.     

基于模糊逻辑应用于反馈结构的多传感器航迹融合的研究

在分布式多传感器信息融合系统中，反馈结构可用来提高局部节点的跟踪性能，进而提高全局航迹的融合精度。模糊逻辑应用于对多个航迹的位置偏差、速度偏差和加速度偏差进行模糊化、模糊逻辑推理及去模糊等，提出了关于模糊逻辑应用于反馈结构的多传感器航迹融合的方法。     

分步的基于模糊聚类的多雷达航迹关联算法

针对采用传递闭包模糊聚类的多雷达航迹关联算法运算量较大的问题,提出了分步的基于模糊聚类的多雷达航迹关联算法。首先基于欧氏距离对航迹进行预关联判断,然后通过模糊相似计算,简化了航迹相似矩阵,进而减少了相似计算与矩阵迭代的次数,最终达到了减小运算量的目的。仿真结果表明:所提算法在保证关联正确率的前提下,耗时减小了54%,有效地提高了多雷达航迹关联算法的效率。     

一种新的基于统计的航迹关联算法

多源航迹融合一直是信息融合领域的研究热点。在对最近邻数据关联算法的研究基础上,提出一种新的"筒状"最近邻数据关联算法,对该算法进行仿真分析,与最近邻数据关联算法相比,新算法在密集环境下关联性能明显更优,易于工程实现。     

基于DSmT的机载目标断续航迹关联

针对机载目标跟踪中常见的目标航迹断续问题,将多传感器获得的目标属性与状态等多特征信息相结合,建立中断前后各航迹段组合的关联统计量,以各特征关联度为证据并基于DSm理论进行合成,根据识别结果对同一目标中断前后的航迹段进行关联,提高航迹连续性并降低战场态势复杂度。仿真结果表明了该方法的有效性与可行性。     

D-S证据理论在航迹关联问题中的应用

基于模糊综合决策的思想,对传统的加权方法进行基于物理意义上的改进,设计新的加权准则,利用D-S证据理论提出一种新的分布式航迹关联算法,通过仿真进行分析,并与模糊综合决策方法进行了特定的比较,结果表明:基于证据理论的航迹关联准则,能够达到比较满意的关联效果,体现了证据理论在解决不确定性问题上的优良特性。     

一种基于航迹隶属度的动态加权融合算法

提出一种适用于传感器精度差异较大时的目标精确跟踪的加权融合算法,该算法通过求解局部航迹之间的最佳隶属度矩阵,将局部航迹本身的最佳隶属度动态地赋给对应传感器权值,实现权值的动态分配。蒙特卡洛仿真表明,精度差异较大传感器组成的融合跟踪网络中,该算法不论应用于匀速目标还是机动目标的精确跟踪,均具有良好的性能。     

基于模糊压缩感知的无线传感网络拥塞控制算法

针对无线传感网络(WSN)的拥塞问题,提出了一种将模糊控制和压缩感知(CS)技术相结合来缓解无线传感网络拥塞的算法。首先,将压缩感知技术引进到无线传感网络的拥塞控制中,理论分析了压缩感知对缓解传感网络拥塞的效果,通过对采集数据进行压缩感知处理来减少网络冗余信息,从而缓解网络拥塞。其次,针对网络拥塞时压缩感知技术不能动态适应无线传感网络复杂环境的问题,设计了一种模糊-压缩感知的拥塞控制算法,该算法结合网络拥塞状况对压缩感知的观测矩阵维数进行动态调节,从而使压缩感知技术更好地适应传感网络拥塞状况的变化。该机制在不同的拥塞状况下能够提高网络吞吐量10%~50%,降低网络的丢包率10%~50%,减少网络时延将近5 s。通过NS2仿真表明,该机制对无线传感网络的拥塞缓解有较明显的效果。     

基于模糊控制的无线传感器网络室内定位算法

提出了一种通过无线传感器网络组网,利用基于模糊算法的改进接收信号强度指示(RSSI)测距技术来进行室内定位的系统设计方案。通过模糊状态分类建立环境气候和障碍物的模糊分布参数,对“距离-损耗”模型进行改进,算出其隶属函数,从而得到较准确的测距公式,计算出移动节点的位置信息。实验结果表明：提出的定位算法在对移动节点定位的实时性和准确性上能满足实际需要,具有应用价值。     

基于数据关联的多雷达点迹融合算法研究

在典型应用场景下,针对传统数据关联算法易于产生目标跟踪丢失的问题,提出了并行多传感器联合概率数据关联算法(PMSJPDA),给出行多传感器联合概率数据关联算法的实现流程,并对该算法进行理论分析。最后采用两部典型雷达构成PMSJPDA数据融合系统,对其算法的目标跟踪精度进行仿真,仿真结果表明,所提出算法可有效改善对目标的跟踪性能,提高了对目标的跟踪精度。     

机载雷达告警系统中威胁等级判定方法研究

在机载雷达告警系统中,辐射源威胁等级判定对自动实施有效的干扰功率分配和提高作战飞机的生存能力至关重要。针对现在作战飞机所面临的多目标作战情况,利用模糊数学建立了威胁指标的隶属度模型,通过层次分析法和熵值法获得了各威胁指标的主观和客观权重,用综合赋权法融合了主客观权重,最后根据机载雷达告警系统的综合性能要求,建立了辐射源威胁等级判定函数,实现了对辐射源威胁等级的判定。通过实例应用说明了该方法能够有效地判定辐射源的威胁等级。     

基于属性相关性的无线传感网络缺失值估计方法

针对无线传感器网络(WSN)中感知数据易缺失问题,提出了一种基于感知数据属性相关性的缺失值估计方法。该方法采用多元线性回归模型,对属性相关的感知数据的缺失值进行估计;同时,为提高算法估计的鲁棒性,提出了基于感知数据属性的数据交织传送策略。仿真结果表明,所提出的估计方法能有效估计无线传感器网络中的缺失值,相比基于时空相关性的线性插值模型(LM)算法和传统的最近邻插值(NNI)算法具有更高的精度和稳定性。     

基于模糊控制的自供能无线传感器网络分簇算法

现有自供能无线传感器网络（WSN）分簇算法较少考虑网络最优分簇数，导致网络能量消耗过快，全网能耗不均衡。针对这个问题，提出了基于模糊控制的自供能WSN分簇算法（EH-FLC）。首先，在网络能量消耗模型中引入太阳能补给模型，得出每一轮次网络能量总消耗与网络分簇数目的函数关系，并对其求导从而得到网络的最佳分簇数。然后，利用双层模糊决策系统来评定网络中的节点能否成为簇头节点。先将节点剩余能量、相邻节点数作为判定指标输入第一层（能力层）对所有节点进行筛选，得到备选簇头节点；再将中心度参数、邻近度参数作为判定指标输入第二层（协作层）对备选簇头节点进行筛选，得到网络簇头节点。最后，通过Matlab仿真分析了该算法的网络生存周期、网络能量消耗和网络吞吐量等性能指标，与低功耗自适应集簇分层型协议（LEACH）、改进的非均匀分簇路由算法（WUCH）和利用双层模糊控制的簇头选择算法（CTLFL）相比，该算法在网络工作寿命上分别提高了约1.4倍、0.4倍和0.6倍，网络吞吐量上分别提高了约20倍、1.5倍和1.28倍。仿真结果表明所提算法在网络生存周期和网络吞吐量方面的性能较优。