分布式多传感器航迹融合算法与仿真分析

在多传感器目标跟踪问题中,利用信息融合技术可以有效的提高跟踪精度。但高精度的融合估计通常对计算、通信资源要求较高,而资源要求较低的融合方法其解通常又是次优的。自适应航迹融合算法的计算过程可以根据当前系统的特性和需求,依据融合决策树自适应地选定航迹融合算法。仿真结果表明自适应算法具有接近加权协方差算法的精度,而计算量则减少一半左右。     

基于改进加权航迹关联的异步融合算法与仿真

在分布式多传感器信息融合系统中,来自各传感器的局部航迹往往是不同步的。针对分布式多传感器异步航迹关联与融合问题,文中提出一种基于改进加权航迹关联的异步航迹顺序融合算法。把多传感器异步航迹外推校准到同一时刻,实现异步航迹的同步化,再用改进的加权航迹关联算法进行航迹关联,并利用顺序融合算法对已关联航迹进行融合。仿真结果表明了该算法的有效性。     

交互式多模型异步航迹融合算法

对分布式融合系统中的异步航迹融合算法进行了研究.已有的异步航迹融合算法要求传感器所采用的状态方程与目标运动模式相同,这在实际应用中很难满足.针对已有异步航迹融合算法的不足,建立了基于状态方程集合的异步航迹融合模型.所有传感器均采用基于同一状态方程集合的交互式多模型(IMM)算法来实现航迹生成,融合中心对来自于相同状态方程的异步航迹数据进行加权平均来获得同步航迹,提出了交互式多模型异步航迹融合(IMMASTF)算法.仿真结果验证了IMMASTF算法的有效性.     

反馈式异步多传感器目标跟踪航迹融合

传感器信息融合一直以来被认为是改进目标跟踪的一种有效手段.一般的做法是假设所有传感器是同步的,但是这样的假设在实际系统中常常是难以做到的.本文在考虑多传感器目标跟踪时,不依赖于同步假设,即允许各传感器使用不同的采样频率,允许传感器平台与处理中心存在交流延迟等,提出了一种新的基于局部融合跟踪和全局融合跟踪的处理方案.该方案是在分布式融合的基础上,融合处理可以发生在融合区间内的任意时刻.     

基于伪点迹的多传感器异步航迹关联算法

在多传感器信息系统中,来自不同传感器的局部航迹往往是异步的,针对此问题,提出了一种基于伪点迹的异步航迹关联算法.首先利用点迹重构技术将异步航迹进行时间对准,然后再利用经典分配的方法对各局部航迹进行了配对,从而达到异步航迹关联的目的.仿真结果证明此方法能很好地解决多传感器异步航迹关联的问题,关联正确率接近90%.     

航迹融合算法在多传感器融合中的应用

研究寻的制导优化控制问题,针对传统单一传感器导引不能满足性能要求,提出采用多传感器复合制导.航迹融合是多传感器数据融合中一个非常重要的方面.由于公共过程噪声的原因,使在应用状态估计融合系统中,来自不同传感器的航迹估计误差未必有独立性,为了使航迹与航迹关联和融合,提出自适应航迹和协方差加权航迹融合的算法.通过仿真研究说明自适应航迹融合和协方差加权航迹融合的算法对多传感器数据融合技术有很明显的作用,数据融合效果好,为复合寻的制导优化设计提供了依据.     

基于多模型航迹质量的融合算法

如何确定最优加权因子是加权航迹融合算法中一个值得深入研究的问题。通过提出多模型航迹质量(Track Quality with Multiple Model, TQMM)的概念,并给出一种带信息反馈的加权航迹融合算法,来解决多传感器跟踪同一目标时的权值最优分配问题。系统引入反馈机制,利用多模型航迹质量确定权值,能够精确地更新权值,从而实时有效地进行目标跟踪。仿真结果表明,与已有的加权融合算法相比,该算法具有更好的跟踪性能,特别是在融合系统传感器观测精度相差较大的情况下,算法的跟踪效果更为突出;并且,随着传感器数目的增加,系统的跟踪精度逐步提高,但当传感器增加到一定数目时,系统的融合精度并没有得到明显的改善。     

基于网络延时的异步航迹融合

针对分布式传感器网络中广泛存在的通信延时问题,在异步航迹融合的基础上,提出一种基于网络通信延时的异步航迹融合算法。该算法对通信延时情况进行模拟,能自动地对产生延时的传感器进行跟踪和检测,并做出相应处理。算法具有较高的灵活性和较强的实用性。对数据传输延时的影响进行分析,通过仿真实验比较了数据传输延时对航迹融合效果的影响。     

异步多传感器数据融合

由于传感器自身以及通信延迟等原因,使得异步多传感器数据融合问题比同步问题的研究更切合实际。对连续时间系统在融合中心和各传感器节点分别进行异步离散化处理,离散后过程噪声与测量噪声以及测量噪声之间相关,虽然相应连续时间系统中的噪声是不相关的。最后推导了相关噪声情况下的异步融合算法,仿真结果说明了算法的有效性。     

多传感器异步线性测量系统的数据融合

由于采样速率和传送数据到融合中心的通信延迟的不同,现代工业生产过程中用于对未知的常值或缓变参数进行估计的多传感器通常是异步工作的,且受到加性测量噪声的干扰。在最小二乘估计意义下,对于测量噪声互不相关的多传感器异步线性测量系统,提出了集中式和分布式递推参数估计数据融合算法,两种算法完全等价,且都是全局最优的。数值仿真实验的结果表明,通过利用多传感器的测量数据,增大了对参数测量的数据流和数据率,传感器测量参数的估计准确度得到明显改善。     

基于反馈结构的多传感器自适应航迹融合算法

在分布式多传感器信息融合系统中,自适应融合算法通过预先设定两个距离测度。然后将它们与逻辑判决树中的阈值进行比较来选择不同的融合算法,达到适应系统特性的不断变化,平衡精度与计算量之间矛盾的目的;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．综合上述两种方法,提出一种新的基于反馈结构的多传感器自适应航迹融合算法,并在传感器异步的情况下讨论了其具体的计算过程．仿真结果表明该算法以较小的计算量达到了近似加权协方差算法（WCF）的融合精度．     

一种机动目标跟踪的异步航迹融合算法

为实现机动目标跟踪,提出一种异步序贯航迹融合算法。融合中心包含匀速和匀加速2种融合模型,均通过信息去相关方法实现序贯航迹融合,并利用调整过程噪声的方法抑制融合发散。对匀加速融合模型的加速度估计进行显著性检验,实现机动检测。当检测到机动时输出匀加速融合模型的结果,反之输出匀速融合模型的结果。仿真结果表明,该算法能实现对机动目标的稳定跟踪,具有较高的跟踪精度。     

带反馈信息的多传感器航迹融合算法

基于分布式多传感器航迹融合系统,采用序贯处理的方法,研究了相关条件下带反馈信息的多传感器航迹融合问题.以估计误差方差阵迹最小准则导出了相应的融合算法,并进行了仿真分析.仿真结果表明带反馈信息的多传感器航迹融合算法的可行性和有效性,同时也表明带反馈的融合算法比不带反馈的融合算法具有更高的跟踪精度.     

基于正交基神经网络算法的多传感器数据融合方法

为了改善多个同类传感器检测目标参数的性能,提出了一种基于递推最小二乘法的多传感器数据融合的正交基神经网络算法,用基于递推最小二乘法的神经网络算法对各传感器的量测数据进行处理,并用神经网络输出结果的平均值来实现多传感器的数据融合.为了验证算法的有效性,给出了多传感器数据融合的仿真实例.研究结果表明,基于递推最小二乘法的多传感器数据融合的正交基神经网络算法是有效的.