一种分区快速航迹关联算法

针对分布式多传感器信息融合系统中航迹关联运算量大的问题,提出了一种分区快速航迹关联算法。该算法将目标区域划分成若干目标子区域,为了消除传感器测量误差对航迹关联的影响,相邻目标子区域之间设置重叠区域,并给出了重叠区域宽度计算公式。只对落在每个目标子区域内的航迹进行关联,不同目标子区域之间的航迹不进行关联,并通过算法复杂度分析给出了最优分区数的判定方法。仿真实验表明,该算法可有效降低航迹关联运算量,适合于工程应用。     

多雷达航迹模糊相关中运算模型选择及仿真比较

多雷达航迹相关是多传感器数据融合中重要课题之一,把模糊集理论用于多雷达航迹相关是一件很有意义的工作.文章给出了多雷达航迹模糊相关算法,对三种典型的合成运算模型用于雷达航迹相关判断进行了仿真研究,得出了一些有意义的结论.     

一种粗-精结合的航天侦察航迹关联算法

航天侦察中光学成像侦察能够获得精确的目标方位信息,而电子侦察能够获得准确的目标属性特征,为综合利用二者的特性来对航迹进行关联,提出一种基于粗-精结合的航迹关联算法。该算法通过方位信息对目标航迹进行粗关联,通过多维属性信息对目标进行精关联,最终得到航迹关联结果。分析了航天侦察传感器的时空对准方法,给出了多因素模糊综合决策航迹关联的具体步骤,并通过仿真实验对算法性能进行了验证。结果表明,提出的算法能够较好地解决航天侦察手段的航迹关联问题,与JPDA方法相比,该方法具有较高的关联正确率。     

分布式传感器网络中一种新的模糊航迹关联算法

为了有效提高分布式传感器网络中航迹与航迹关联的计算速度,本文提出了一种新的基于临时航迹和信源相对可信度的多源模糊航迹关联算法。该算法首先在全局融合中心利用来自同一局部融合节点的同一航迹的两个量测形成临时航迹,再由临时航迹与系统航迹融合生成系统航迹,航迹关联是在临时航迹与系统航迹间进行的;并引入信源相对可信度,当有多条临时航迹与系统航迹关联时,选取信源相对可信度最大的临时航迹与系统航迹关联。将该算法用于一个多源航迹关联的仿真实验中,仿真结果表明该算法在保证关联正确率的前提下,与传统的模糊航迹关联算法相比,进一步提高了航迹关联的计算速度和系统航迹的精度,是一种有效的多源航迹关联方法。      

一种基于目标航迹的跟踪算法

针对空中制导的复杂性和多样性,提出了一种以通过像素邻域判决准则,获得检测图像中的多目标为基础,利用一步预测原理确定航迹起始和终结,实现序列帧中多目标的连续跟踪算法.通过对实际拍摄的序列帧图像进行相应的跟踪仿真试验,结果表明,该算法能够稳定可靠跟踪多目标.     

一种改进的基于速度信息的航迹关联算法

简要介绍了分布式雷达组网的工作过程及原理,讨论了航迹关联中的加权法和双门限关联法。进而提出一种基于速度信息的关联算法,利用机动目标交叉飞行时速度信息的差异,并且航迹采用粗、精关联相结合的方法。在特定的仿真场景中,对三种算法进行了比较,仿真结果验证了该算法的有效性。     

大批量目标航迹关联加速算法

针对分布式航迹关联耗时较多的问题,提出了一种加快处理速度的新算法。该方法首先将平面等分割成很多矩形网格;其次,根据关联门限计算关联的矩形网格集合;最后,根据关联网格集合选定待关联目标,从而减少关联次数,提高处理速度。仿真试验表明,当目标数为1600以上、传感器数为2以上时,航迹关联加速算法比一般航迹关联算法的处理速度高出30倍以上。     

基于轨迹预报的空间目标断续航迹关联算法

空间目标跟踪过程中,航迹中断会严重干扰航迹融合及加重传感器负担,因此,空间目标断续航迹关联算法研究意义重大。针对传统断续航迹关联算法中直线外推得到的预测航迹具有较大误差,从而导致关联不准确的问题,提出基于轨迹预报的空间目标断续航迹关联算法。该算法基于动力学方程对空间目标进行跟踪,对中断前滤波更新值进行曲线拟合得到预报初值点,并结合目标动力学模型进行轨迹预报,将预测数据与中断后新起始航迹前几个时刻的状态更新值进行关联配对,实现空间目标中断前后航迹的关联融合。仿真实验结果验证了所提算法的有效性。     

一种基于小波变换的航迹关联算法

多传感器的航迹关联问题是多传感器数据融合理论研究中关键的难题之一,针对传统基于统计理论的航迹关联算法的错漏关联和没有考虑到目标航迹的走势等问题,通过在原来航迹关联方法的基础上,结合目标航迹的整体走势,利用小波去噪的功能,提出了一种新的航迹关联方法,通过与传统的航迹关联方法相比较和工程验证,证明了该算法的有效性。     

一种异步航迹关联的变异蚁群算法

本文提出了一种异步多传感器航迹关联的变异蚁群算法.该算法基于最优预测公式实现异步航迹的时间同步,通过动态删除可访问节点索引以规避不可行解,对最优关联结果进行变异操作以提高收敛速度和降低求解时间,采用非均匀的初始信息素分布策略以减少无效分配.仿真结果表明,本文提出的算法计算代价较小,并且具有较高的正确关联率.     

应用K-means聚类的分布式多传感器航迹关联算法

针对分布式多传感器航迹关联的特点,考虑采用K-means聚类的航迹关联算法。将来自各传感器的局部航迹与系统航迹进行关联,并将系统航迹作为初始聚类中心,避免了K-means算法本身依赖初始值的缺陷;提出将系统航迹与局部航迹的欧式距离以及其状态向量在1范数下的距离之和作为相似度测度;设定距离门限值,减少了极端数据对聚类结果的影响,并增加多义性处理。蒙特卡洛仿真实验表明,该算法在目标密集并且目标有交叉的情况下能以较小的代价得到较高的平均正确关联率。同时,该算法克服了最近邻域法的局部最优特性和关联正确率高度依赖特征阈值等局限性。     

一种新的基于多因素多级模糊综合评判的更新算法

VoD作为交互检索型多媒体业务的典型代表 ,日益为人们所了解和接受。但是 ,网络结构的复杂以及使用上的价格昂贵成为制约VoD发展推广的重要因素。本文提出将宽带智能网的思想引入VoD ,给VoD业务带来了更大的灵活性。同时 ,在VoD体系中引入本地存储器 ,以降低成本和价格。进一步 ,为了提高用户访问的命中率 ,提出了一种基于多因素多级模糊综合评判的更新算法 ,该算法综合了影响用户访问命中率的多种因素 ,并根据其中的模糊问题采用模糊数学的方法加以分析解决。仿真表明 ,该方法有效地提高了访问节目的命中率。     

基于孪生神经网络的航迹关联方法

日益复杂的电磁环境对战场目标探测提出了很高的要求。由于多雷达融合系统的不断发展,如何准确快速地完成多雷达的航迹关联成为一个亟待解决的问题。现有的关于航迹关联算法的研究大多只考虑雷达上报的最新目标航迹点,而没有考虑先前的航迹信息。除此之外,大多数航迹关联算法对于航迹异步问题的解决方法是进行时间配准,这不仅增加了算法本身的计算开销,还放大了航迹信息中包含的误差,因此难以应用于目前复杂的电磁环境中。本文提出一种适用于对异步航迹进行关联的、且无需进行时间配准工作的基于孪生神经网络的航迹关联算法(TTCSN)。该算法首先将待关联航迹两两组成一对,将其成对地送入特征提取网络中,再利用共享权重的双向LSTM网络提取输入航迹的隐含特征,之后对两条航迹的特征向量进行相似度计算,得到相似度向量,最终送入分类器完成关联航迹与非关联航迹的判别。实验表明,TTCSN算法能够有效地解决异步航迹关联问题。     

基于D-S证据理论的无源航迹关联算法

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（PRI）等）,应用Dempster-Shafer（D-S）证据理论,提出了一种基于分布式无源多目标跟踪系统的多特征信息融合航迹关联算法。算法具有以下优点：关联速度快,正确率高,而且能够适应密集目标的环境。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。     

一种基于OLAP的相关分析算法

数据挖掘算法Apriori在处理关联规则分析时,当项目集很多、数据立方体很稠密时回溯的次数急剧增加。本文结合一个黑龙江企业信息网的数据仓库给出了一个改进算法,该算法对数据分布稠密的数据立方体具有很好的效果。证实该方法可以提供给高层决策者完整、及时、准确、立体多方位的决策信息,达到了提供全面决策支持服务的目的。     

基于模糊决策的密集多回波环境下航迹起始算法

航迹起始是多目标跟踪的重要组成部分之一。在密集多回波环境下，由于存在着大量的地物杂波和噪声，要快速建立可靠的航迹是比较困难的。本文提出了一种基于模糊决策的快速航迹起始方法，并利用实际的雷达数据进行了相关的验证。实验结果表明本文提出的算法是有效、快速的，可以用于密集多回波环境下航迹起始问题。     

雷达组网航迹灰色关联方法

针对雷达组网航迹关联问题,提出了一种基于灰色区间相对支持度的解决方法。通过分析雷达量测值与目标真实值之间的不确定关系,提出利用相对确定的区间数来处理测量误差的影响,在不同纬度区间数的基础之上构建灰色区间,通过计算灰色区间相对支持度,构建灰色区间相对支持度矩阵,将相对支持度最大的两个灰色区间作为判断航迹关联的依据。实例表明,该方法能够较好地解决组网雷达航迹关联问题。     

采用目标假设的三被动式传感器数据关联算法

被动式传感器目标跟踪是多传感器多目标跟踪领域的一个重要研究方向。针对三被动式传感器多目标定位系统全局最优数据关联的三维分配问题,在允许传感器漏检和虚警的情况下,通过分析拉格朗日松弛算法,提出一种假定真实目标的快速收敛算法。该算法通过粗关联假定真实目标并重新修改代价矩阵,然后进行细关联,使得拉格朗日松弛算法在保证关联精度的前提下有效地提高了收敛速度。理论分析和实验结果表明,该算法提高了数据关联的速度,并在一定程度上提高了关联准确率。     

一种改进的基于模糊聚类分析的数据关联算法

基于模糊聚类分析的无源传感器数据关联中,当目标集合中所有目标的属性差异较小时,通常不能正确得到目标关联结果。论文提出了一种改进的基于模糊聚类分析算法,并对该算法进行了推导和仿真。仿真试验结果表明该算法能有效解决辐射源特征值取值接近或单目标环境中的属性关联问题。