一种自适应天波超视距雷达航迹融合算法

 针对天波超视距雷达在雷达坐标系下跟踪目标时,多路径传播效应下的各模式航迹起始与终结时刻不同而造成航迹缺失条件下的航迹融合问题,本文给出一种自适应天波超视距雷达航迹融合算法,通过应用当前时刻获得的新信息与历史时刻获得的信息联合确定最优关联假设,从而获得最优的目标状态估计.仿真表明,与多假设航迹融合算法相比,本文的算法大大降低了融合结果误差.     

红外方位信息在航迹关联中的应用

为提高航迹关联的正确率，文中引入红外传感器方位数据与雷达数据进行关联。通过红外高精度的角度测量和雷达高精度的距离测量的融合，减小了系统融合航迹同真实航迹间的误差，给出了对目前航迹的精确状态估计。     

过程噪声对融合航迹性能的影响

本文研究动态系统过程噪声对航迹统计距离和状态融合估计性能的影响。由过程噪声产生的航迹互协方差矩阵的运算量较大,甚至占到航迹融合总运算量的一半,所以在实现系统时应尽量避免互协方差矩阵的在线计算。文中估计并比较了互协方差矩阵、统计距离及状态融合估计的运算量,仿真研究了观测噪声对航迹统计距离和状态融合估计性能的影响。仿真结果表明在过程噪声较小而对融合航迹性能的影响有限时,可考虑忽略过程噪声的影响,这样将大大降低运算量,反之则不能忽略。     

红外传感器在点迹/航迹关联中的应用

点迹／航迹关联是多传感器数据融合系统的关键问题，为提高关联的正确率，把红外传感器方位数据与雷达数据进行关联，通过红外高精度的角度测量和雷达高精度的距离测量的融合，减小系统融合航迹同真实航迹间的误差，给出对目标航迹的精确状态估计，分别讨论了雷达数据的航迹关联算法和雷达／红外数据的航迹关联算法，并进行了仿真性能比较和分析。     

目标航迹融合质量度量方法研究

航迹融合可以提高目标跟踪过程中目标状态、运动参数等估计的精度,因此航迹融合技术可以有效地提升多传感器预警系统的跟踪能力而在目标跟踪领域有了广泛的应用.为了对航迹融合质量进行评估,本文提出了一种基于层次分析法(AHP)的目标航迹融合评价方法,该航迹融合质量评价方法是由航迹完整性、航迹纯净性和航迹跟踪精度等几部分组成.融合质量度量为多传感器目标跟踪航迹质量评估提供一种高效、准确的评估方法.     

分布式雷达目标位置数据融合算法

本文提出了一种使用分布式多部雷达对单个目标进行定位的融合算法,给出了雷达信息系统中目标异步航迹数据的时间校正和坐标转换方法,推导了基于最小方差的最优融合算法公式,得出融合估计的方差比任一个单传感器的方差都小,从而提高了目标点迹融合的精确度,为进一步解决雷达信息系统中多传感器、多目标航迹融合打下了基础。     

信息融合算法的工程应用

结合JDL信息融合模型介绍了信息融合技术的基本概念和融合过程,阐述了从时空对准、数据关联、航迹合成到状态估计的一整套机载多传感器信息融合算法,给出了融合算法工程应用建议。仿真结果表明,所介绍的信息融合算法能有效保证多传感器信息融合的时效性、关联正确率和状态估计精度,满足工程应用要求。     

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。     

模式简化的OTHR多径航迹融合算法

针对天波超视距雷达(OTHR)多径传播现象引起的航迹 路径模糊性问题,提出了一种模式简化的OTHR多径航迹融合算法。该算法先对经概率数据互联(PDA)算法滤波所得航迹进行聚类;然后,将同类航迹与简化后的传播模式匹配,加权得到某一关联假设下目标地理状态估计;最后,对所有关联假设下的目标地理状态估计加权融合,得到最终的目标地理状态估计。文中先通过设计仿真实验验证了简化模式的合理性,并对所提算法进行了仿真、测试。结果表明：模式简化后,并未影响多径航迹融合算法融合性能,但算法计算量与复杂度大大降低,并在某些航迹模式缺失的情况下,还能降低算法融合误差,改善融合效果。     

两级混合多传感器信息融合中的状态估计

在混合式多传感器信息融合系统中,一部分传感器通过处理它们的数据产生局部航迹,另一部分传感器则只提供检测报告,这些航迹和检测报告被传送到融合中心完成航迹融合和组合滤波。本文提出适合于两级混合式多传感器系统的全局最优状态估计解。在这种结构中,融合中心首先需要融合来自L个传感器的局部估计,然后基于其它N-L个传感器的观测,利用Kalman滤波技术依次更新已融合的航迹。本文还考虑了各传感器分布在不同地理位置时的状态估计问题。