基于无源传感器协同的机载雷达自适应辐射控制算法

随着现代战场中电子对抗的日益激烈,雷达的生存环境受到了严重威胁。射频隐身技术是一种提高雷达及其搭载平台战场生存能力的重要途径。文中采用一种基于交互式多模型（Interacting multiple model, IMM）和扩展卡尔曼滤波（Extended Kalman filter, EKF）的序贯滤波方法。该算法优先使用无源传感器进行目标跟踪,将滤波过程中的状态估计预测协方差与预先设定的协方差门限进行比较,当目标跟踪精度不满足要求时,开启雷达工作。同时根据目标运动状态自适应地调整雷达工作时的辐射能量,从而进一步减小目标跟踪过程中机载雷达的辐射总能量。仿真结果表明,本文算法可以有效地配置机载雷达工作参数,提升系统的射频隐身性能。     

机载雷达辅助无源传感器对杂波环境下机动目标跟踪

机载雷达辅助无源传感器对目标协同跟踪具有重要战术作用,而当前相关算法模型较为简单。为了贴近工程实际,提出一种机载雷达辅助无源传感器对杂波环境下机动目标的跟踪算法。该算法考虑了地球曲率和载机时变姿态等因素的影响,基于地心地固(ECEF)坐标系,联合交互多模型(IMM)和概率数据关联(PDAF)方法,以综合预测协方差的迹为控制变量来管理机载雷达的开关机。仿真结果表明,通过选择合适的控制门限,在节约辐射能量、提升生存能力的同时算法的跟踪性能并无明显下降,从而表明了所提出算法的有效性。     

指定域多无人机协同目标跟踪研究

由于战场环境日益复杂、对抗性日益增强、任务日益多样和单机能力受限特性,多无人机协同执行作战任务已经成为无人机系统应用的重要发展趋势;针对协同作战中的系统复杂性、时间敏感性和通信计复杂性等特点进行分析,结合无人机运动性能及自主协同控制能力提出指定域多无人机协同目标跟踪的研究模型;首先建立面向战术任务的多无人机协同目标跟踪模型,其次在指定域范围内对多无人机进行面向持续跟踪模型的优化,最后选取一定数量的无人机在指定域内进行仿真,实验结果表明：面向持续的指定域多无人机协同目标跟踪模型是有效的,且具有较好的目标状态估计性能。     

基于QPF的无源传感器目标跟踪算法

在无源传感器目标跟踪系统的研究中,在双红外传感器组成的无源传感器目标跟踪系统模型中,传感器提供的仅是目标的角度信息,导致量测值与目标状态之间存在较强的非线性关系,而传统跟踪算法在解决非线性问题时具有局限性,为提高目标跟踪精度,提出一种基于积分粒子滤波(QPF)的无源传感器目标跟踪算法,在不受非线性、非高斯问题限制的粒子滤波的基础上,从改进粒子滤波重要性函数的角度入手,利用积分卡尔曼滤波(QKF)将当前最新量测考虑在内,构造出粒子滤波的重要性函数,使得改进后的重要性函数更加贴近真实后验分布,从而有效遏制了粒子退化现象.仿真结果表明,改进算法提高了跟踪精度,较好地解决了无源传感器对目标的非线性跟踪优化问题.     

WSNs下一种自适应多传感器协同目标跟踪策略*

对WSNs中机动目标跟踪问题提出一种自适应多传感器协同跟踪策略。该策略能根据目标的移动位置,动态地唤醒无线传感器网络中部分传感器节点形成分簇,并选择合适的簇首和采样间隔进行目标跟踪。簇内节点通过协作感知以及测量信息融合,提高了跟踪精度,同时自适应可变采样间隔节约了通信能量和计算资源,满足了跟踪系统的实时性要求。提出了传感器网络能量均衡分配的指标,提高了网络的可靠性。由于模型的非线性和目标运动的机动性,采用IMM滤波器进行目标状态估计。仿真结果表明,与NSSS和DGSS相比,跟踪精度明显提高;与DCSS相比     

WSNs下一种自适应多传感器协同目标跟踪策略*

对WSNs中机动目标跟踪问题提出一种自适应多传感器协同跟踪策略.该策略能根据目标的移动位置,动态地唤醒无线传感器网络中部分传感器节点形成分簇,并选择合适的簇首和采样间隔进行目标跟踪.簇内节点通过协作感知以及测量信息融合,提高了跟踪精度,同时自适应可变采样间隔节约了通信能量和计算资源,满足了跟踪系统的实时性要求.提出了传感器网络能量均衡分配的指标,提高了网络的可靠性.由于模型的非线性和目标运动的机动性,采用IMM滤波器进行目标状态估计.仿真结果表明,与NSSS和DGSS相比,跟踪精度明显提高;与DCSS相比,在保证一定跟踪精度的同时,节约了能量消耗.     

基于数据融合的多目标无源跟踪的弹性网络方法

弹性网络被应用于多目标／多传感器无源识别和跟踪问题。在传感器仅能获得目标方位角的条件下,首先基于多传感器数据融合技术,分析了目标的聚类特征;然后借助期望模板提出了一种非全连接环形结构的弹性网络模型,分析了该模型识别和跟踪目标的动力学机制,讨论了网络应场内的ＷＴＡ竞争学习机制降低了网络的计算量,感应场的自适应性可以使神经元跳出局部极小点,提高目标识别率。     

基于传感器多模式调度的智能目标跟踪算法

智能目标具有反跟踪的特性,其运动状态的改变与跟踪传感器的工作模式相关.为了实现对智能目标的有效跟踪,文中提出一种基于传感器多模式调度的交互多模型跟踪算法.首先,为智能目标构建混合多模型集,描述其与传感器模式相关的智能运动特性;其次,提出一种传感器多模式调度策略,综合考虑了一步预测的目标跟踪误差、二步预测的目标运动趋势误差以及传感器模式的辐射代价3方面因素,据此构建传感器多模式调度的目标函数;最后,将传感器多模式调度与交互多模型跟踪算法相结合,通过"模式调度→交互跟踪→模式调度"的闭环结构,提高了对智能目标跟踪的自适应性.仿真结果表明,与选择固定传感器模式的方法和基于近视策略的传感器模式调度方法相比,文中方法实现了对智能目标的持续精确跟踪.     

星凸形多扩展目标跟踪中的传感器控制方法

针对多扩展目标跟踪中的传感器控制问题,本文基于有限集统计(FISST)理论与随机超曲面模型(RHM),利用多伯努利(MBer)滤波器提出有效的传感器控制策略.首先,文中给出多扩展目标跟踪中基于信息论联合目标形状估计优化和目标运动状态估计优化的传感器控制方法的求解思路.其次,给出RHM容积卡尔曼高斯混合(GM)势均衡多扩展目标多伯努利滤波算法的具体实现过程.然后,结合GM密度间的柯西施瓦兹(Cauchy-Schwarz)散度提出相应的传感器控制决策方法.此外,详细推导了扩展目标势的后验期望(PENET)的GM实现,并提出以GM–PENET为评价函数的传感器控制方法.最后,通过构造随机星凸形多扩展目标的跟踪优化仿真实验验证了本文所提传感器控制方法的有效性.     

基于视频辅助的无源RFID室内跟踪技术

室内跟踪定位技术中,RFID技术造价低、无接触、识别快速,成为室内跟踪定位的主要选择。本文采用无源RFID跟踪,通过信号强度信息推知目标和参考标签的距离,给出目标的位置估计,然后结合网络摄像头在可见区域通过视频图像辅助对跟踪目标进行精确定位,并给其在绝对坐标系中的坐标。最后将目标与RFID标签坐标位置相比较,得到正确的目标位置和ID。     

基于KL距离的主/被动传感器最优选取跟踪

提出一种基于KL距离的主/被动传感器管理策略,在每一时刻只有一种传感器工作的状态下,根据KL距离选择下一时刻的工作传感器,以期达到更好的跟踪精度。借用粒子滤波思想计算KL距离,通过目标运动模型参数辩识提高计算精度。仿真结果表明,与传统的协方差管理策略相比,该方法能获得更好的跟踪精度。     

空间非合作目标在轨主/被动融合跟踪方法

针对空间远距离非合作目标的点目标跟踪问题,研究基于非地面测控数据支持的远距离空间目标的在轨主/被动融合跟踪方法。包括运用基于被动传感器以及雷达间歇辅助测距跟踪的Unscented卡尔曼滤波(UKF)方法,得到非合作目标的运动状态信息,即利用光学跟踪摄像机的二维角度量测值及雷达间歇提供的距离量测值,估计目标的惯性位置与速度方法,为后续自主空间操作建立初始轨道状态数据。仿真结果表明,当状态误差和量测噪声改变时,UKF均能持续跟踪远距离非合作目标,使得雷达间歇提供的距离信息可以得到更好的跟踪精度。     

有源传感网络中目标跟踪的传感器调度方法

Wireless sensor network (WSN) of active sensors suffers from serious inter-sensor interference (ISI) and imposes new design and implementation challenges. In this paper, based on the ultrasonic sensor network, two time-division based distributed sensor scheduling schemes are proposed to deal with ISI by scheduling sensors periodically and adaptively respectively. Extended Kalman filter (EKF) is used as the tracking algorithm in distributed manner. Simulation results show that the adaptive sensor scheduling scheme can achieve superior tracking accuracy with faster tracking convergence speed.     

一种浮标被动跟踪系统模型

分析水下目标跟踪与浮标跟踪的特点和实现难度,提出一种水下目标跟踪系统模型。将被动时差定位的解算方程与水下目标的实际运动相结合,采用扩展卡尔曼滤波算法,分析水下目标的跟踪问题及其每一时刻的置信椭圆。仿真结果表明在较低的采样率下,滤波器仍可以收敛,证明该系统模型的可行性。     

被动目标自适应跟踪算法仿真研究

针对纯方位被动目标跟踪中,直角坐标系下的扩展卡尔曼滤波器容易发散,而导致滤波精度很差,该文提出了一种直角坐标系下的自适应卡尔曼滤波算法,对虚拟噪声进行估计,动态补偿观测模型线性化误差,消减系统的观测误差,并对其滤波理论及其算法进行了研究和仿真。仿真结果表明,该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡卡尔曼滤波算法,收到了良好的效果。     

粒子滤波器在机动目标被动跟踪中的应用

为处理机动目标被动跟踪中的非线性非高斯问题,提出了一种基于粒子滤波器的交互多模型（IMM）多观测站跟踪方法。使用转弯率建立了被动跟踪模型,用“蛙跳”处理方式来提高多站被动跟踪问题的可观测性,结合被动跟踪模型,利用非线性粒子滤波方法,对IMM算法进行了改进,提高了对IMM混和密度的近似程度,通过被动跟踪仿真实例,同时使用IMM粒子滤波器（IMM-PF）与IMM扩展卡尔曼滤波器（IMM-EKF）进行跟踪仿真,分析了轨迹跟踪性能,利用均方根误差比较了误差性能。仿真结果表明,与IMM-EKF相比,IMM-PF具有更高的跟踪精度和更快的机动响应速度。     

基于被动声纳浮标投放法的水下目标跟踪

针对航空反潜中使用空投被动声纳浮标对潜艇进行跟踪的问题,利用双曲线交汇法定位,研究被动浮标对水下目标进行连续跟踪的方法,建立相应数学模型。仿真结果证明了该方法的可行性,得到目标的航速、航向、运动状态变化间隔、声纳浮标位置等因素变化与跟踪所需声纳浮标数量的关系。     

无线传感器网络中移动目标探测跟踪研究进展

传统的固定无线传感器网络在进行目标跟踪过程中面临着跟踪质量较低、网络能耗较高等问题.移动传感器网络提供了新的解决方法,即移动式目标跟踪.目前的研究大多将被跟踪目标的探测和定位混为一谈.故此,区分了以探测为主和以定位为主的两类方法,着重介绍以探测为主的移动式目标跟踪方法的研究现状.通过对比现有方法在跟踪质量和网络能耗等方面的优缺点,揭示了现有研究存在的问题,总结了移动式目标跟踪领域存在的研究热点和趋势.     

无线传感器网络目标跟踪性能优化及仿真

无线传感器网络中传感器节点相互协同完成感知任务,以传感器量测的信息效用和获取量测的能量消耗来折中地选择参与的节点,但用户对服务质量Qos( Quality of Service)的需求并没有在节点选择时得以体现。为此本文以目标跟踪为应用背景,提出了一种自适应动态协同自组织算法A-DCS,该算法同时完成检测与状态估计任务,首先根据用户设定的检测概率,确定候选节点集合,选择具有最大检测概率的节点为簇首;随之根据给定的状态估计精度,自适应确定参与感知任务的簇成员顺序和个数。统计不同检测概率和状态估计精度时相应的能量消耗,以此作为系统设计时参数设定的依据,从而最大可能地延长网络的生命周期。仿真表明：在跟踪精度和能量消耗两个指标下,该算法优于IDSQ和DCS。 A-DCS也适用于传感器网络系统中的其他估计问题。