多目标多传感器的跟踪

多目标多传感器的跟踪是一个非常复杂的问题，其关键是数据的融合。单个传感器的多目标跟踪主要是解决数据的关联问题，多个传感器的多目标跟踪虽然有时也是解决数据关联问题，但是多传感器的数据关联就要复杂得多，它是一个多维的问题。文中主要介绍多目标多传感器跟踪网络构成策略及分级分布传感器跟踪的数据和轨迹融合方式。     

面向地面时敏目标跟踪的多传感器智能切换技术

针对地面时敏目标跟踪问题,提出了一种多传感器组合的智能切换方案.首先结合可能的作战任务需求,对跟踪平台中多传感器集合进行初始配置.然后根据初始配置的传感器集合和不同传感器具有数据互补性的特点完成传感器分类组合.基于当前统计模型的机动目标跟踪算法,给出综合考虑目标跟踪精度和在线运算时间的多传感器组合智能切换目标函数,并计算每一传感器分类组合的目标函数值,同时根据目标函数值实现多传感器智能切换.最后,通过一个仿真实验验证了所提出的面向地面时敏目标跟踪的多传感器智能切换方法的有效性.     

多传感器机动目标跟踪

本文提出了一种用于跟踪机动目标的被动多传感器航迹融合方法，它与点迹融合相比性能虽略有下降，但却大大降低了融合中心的计算负但及网间通信需求，在高密度杂波环境中尤其如此。这种航迹融合的方法考虑到不同传感器间共同的系统扰动所造成的估计误差的相关，从而得到最优的融合算法。     

一种机载地面侦察雷达多机动目标跟踪方法

介绍了地面多机动目标跟踪系统的一种实现方法 ,提出了跟踪系统目标模型的建立、跟踪坐标系的选择、跟踪起始和跟踪终结以及数据关联和跟踪维持的方法 ,最后给出了试验结果。     

一种机动目标多雷达协同跟踪方法

目标的机动性能不断提高,使得对目标跟踪提出越来越高的要求。针对多部雷达协同探测的目标联合跟踪问题,提出了基于扩展卡尔曼滤波的交互式多模型算法(IMM-EKF)。为了验证算法的有效性,对实测数据进行了处理。首先,对三部雷达接收的目标运动状态量测数据进行预处理,包括坐标转换、线性插值和数据融合,然后,根据数据预处理后目标航迹的特性,采用基于扩展卡尔曼滤波的交互式多模型算法(IMM-EKF)对目标进行在线跟踪。试验数据处理结果表明,IMM-EKF 算法对于机动目标跟踪的有效性。     

基于多传感器异步数据融合的目标跟踪方法

在具有伪测量次优滤波器的基础上，提出多传感器异步融合的目标跟踪算法。通过蒙特卡罗模拟结果证明了该算法的有效性。     

杂波环境下多被动传感器单目标跟踪算法

由于被动传感器只能获得目标的角度量测,因此杂波环境下基于被动传感器的关联问题较主动传感器更为困难.针对杂波环境下纯方位多被动传感器系统的单目标跟踪问题,提出了一种基于扩展卡尔曼滤波的模糊综合贴近度关联跟踪方法.该方法采用直角坐标系下多被动传感器系统的扩展卡尔曼滤波对目标进行跟踪.首先利用目标航速的预测信息,针对每个传感器建立确认跟踪门;在获得候选关联组合后,直接利用角度信息建立各候选关联组合与角度预测值间的模糊综合贴近度,通过在所获得的全部模糊综合贴近度中寻求最优解完成量测到航进的关联.仿真实验表明,该方法可以有效地解决杂波环境下多被动传感器系统的单目标跟踪问题.     

空中多运动平台多传感器目标跟踪

为提高空中多运动平台的协同探测能力,构建了一种多运动平台多传感器系统,提出了一种相应的目标跟踪方法.该方法将不同运动平台上的传感器对目标的观测转换到地心直角坐标系中进行融合跟踪,针对平台的运动和传感器的视域有限的特点,设计了序贯融合滤波算法.理论分析和仿真结果表明该方法既可以提高目标的跟踪精度,也可以扩大平台的感知范围,从而提升平台的探测能力.     

多传感器远距离空中目标跟踪精度分析

本文主要研究了非线性系统中多传感器的位置对远距离空中目标跟踪精度的影响。通过理论分析和仿真发现,非线性系统中多传感器的合理放置可以大大提高对目标的跟踪精度。     

滤波增益优化的分布式多传感器跟踪技术

分析比较了集中式与分布式多传感器融合跟踪系统的跟踪精度。在此基础上，对分布式融合跟踪系统进行优化，在保留系统原有优点的同时，使其跟踪精度更接近集中式融合跟踪系统。     

一种改进的多传感器多目标跟踪中的传感器管理方法

传感器的优化管理是影响多传感器多目标跟踪系统性能的重要环节。为了更好地解决这一问题,本文将跟踪过程中信息增量最大化准则与效能最大化准则相结合,提出了一种新的优化准则,并采用归一化滤波信息增量和滤波协方差的范数实现了传感器与目标配对系数的自动更新。仿真试验表明本文方法的合理性和有效性。     

一种多传感器空情信息融合算法

针对防空指挥系统快速反应决策能力要求,给出了可行的系统信息融合处理软件组成结构及功能描述,提出了一种适用于快速空情信息融合的通用信息融合处理方法和模型算法。建模过程中,提出的信息融合处理方法和模型算法将防空指挥系统信息融合的复杂过程条理化、公式化和数字化。仿真结果证明,该方法是正确和有效的。目前,该方法已应用到实际工程中。     

Optimal sensor and path selection for target tracking in wireless sensor networks

This paper addresses target tracking in wireless sensor networks where the nonlinear observed system is assumed to progress according to a probabilistic state space model. Thus, we propose to improve the use of the quantized variational filtering by jointly selecting the optimal candidate sensor that participates in target localization and its best communication path to the cluster head. In the current work, firstly, we select the optimal sensor in order to provide the required data of the target and to balance the energy dissipation in the wireless sensor networks. This selection is also based on the local cluster node density and their transmission power. Secondly, we select the best communication path that achieves the highest signal‐to‐noise ratio at the cluster head; then, we estimate the target position using quantized variational filtering algorithm. The best communication path is designed to reduce the communication cost, which leads to a significant reduction of energy consumption and an accurate target tracking. The optimal sensor selection is based on mutual information maximization under energy constraints, which is computed by using the target position predictive distribution provided by the quantized variational filtering algorithm. The simulation results show that the proposed method outperforms the quantized variational filtering under sensing range constraint, binary variational filtering, and the centralized quantized particle filtering. Copyright © 2012 John Wiley & Sons, Ltd.     

无迹卡尔曼滤波算法在目标跟踪中的研究

无迹卡尔曼滤波(UKF)是重要的非线性滤波方法。无迹卡尔曼滤波方法是通过一组代表着均值和方差分布的采样点来对非线性系统进行非线性计算,在不对非线性方程线性近似的条件下,达到线性卡尔曼滤波器的滤波性能。文中在机动目标选定运动模型和滤波算法的基础上,对机动目标的运动作了仿真实验。从仿真分析中可以看出,无迹卡尔曼滤波在跟踪方面有很高的精度,与传统的扩展卡尔曼滤波算法相比较,无迹卡尔曼滤波算法有较小的跟踪误差。     

基于跟踪精度控制的传感器管理方法研究

军用多传感器系统往往需要在保证完成任务的同时,尽可能地隐蔽自己,为此要求传感器管理系统必须能够在满足跟踪精度要求的前提下,最大限度地降低对资源的使用,特别是减少主动传感器的开机时间。基于该目的,讨论了一种基于跟踪精度控制的传感器管理方法,该方法利用协方差控制技术,保证系统在满足给定性能指标的前提下,对传感器资源的利用最少,从而提高了系统的抗毁性。同时对给定精度过高,造成的系统无解情况给出了一种解决方案,并通过对一个单目标跟踪场景的仿真,验证了该方法的有效性。     

载波快速捕获与跟踪的双数字锁频环路无缝切换

锁频环广泛应用于载波频率快速同步的场合,为解决大捕获范围和跟踪精度之间的矛盾,通常捕获和跟踪状态时采用带宽不同的频率锁定环路,并根据载波同步情况进行切换.对这种硬切换所导致的跟踪环路的收敛过程、瞬态时间进行分析,并基于二阶锁频环与卡尔曼滤波等效结构,应用卡尔曼滤波算法进行两种状态之间环路增益时变的无缝切换.推导出高动态数字直扩接收机差积鉴频二阶锁频环路无缝切换控制增益,两种切换方式的仿真结果表明无缝切换的效果优于传统的硬切换方式.     

一种基于预测值量测转换的卡尔曼滤波跟踪算法

在雷达目标跟踪中,系统量测信息通常在球坐标系下获得。为了采用经典卡尔曼滤波算法实现有效目标跟踪,通常采用量测转换方法将非线性量测信息转换到直角坐标系中。针对传统量测转换方法基于量测值计算转换误差统计特性而导致的估计结果有偏问题,提出了一种基于预测值的量测转换方法,并将其与卡尔曼滤波算法相结合,获得了一种基于预测值量测转换的卡尔曼滤波跟踪算法。仿真结果表明,与现有的基于量测转换的卡尔曼滤波算法相比,该算法能在不提高运算量的情况下有效改善目标跟踪效果,跟踪精度提升约20%。     

无线传感器网络中目标追踪策略

协同信息处理是无线传感器网络研究的难点。以跟踪单目标为基础,提出了一种基于对策论的协同机制,对网络节点建立群组方式进行目标跟踪,动态地分配任务,随时更新群组成员,同步信息整合与数据传递,在实验中让基于对策论与已有的基于实例的协同机制进行对比。实验结果证明,采用基于对策论方式进行目标跟踪准确率明显提高,网络能量消耗大幅度降低,信息传递流畅,满足了网络节点的动态扩展性与适应性。     

Energy-efficient collaborative target tracking algorithm using cost-reference particle filtering in wireless acoustic sensor networks

Target tracking is one of the most important applications of wireless sensor networks. Optimized computation and energy dissipation are critical requirements to save the limited resource of sensor nodes. A new robust and energy-efficient collaborative target tracking framework is proposed in this article. After a target is detected, only one active cluster is responsible for the tracking task at each time step. The tracking algorithm is distributed by passing the sensing and computation operations from one cluster to another. An event-driven cluster reforming scheme is also proposed for balancing energy consumption among nodes. Observations from three cluster members are chosen and a new class of particle filter termed cost-reference particle filter (CRPF) is introduced to estimate the target motion at the cluster head. This CRPF method is quite robust for wireless sensor network tracking applications because it drops the strong assumptions of knowing the probability distributions of the system process and observation noises. In simulation experiments, the performance of the proposed collaborative target tracking algorithm is evaluated by the metrics of tracking precision and network energy consumption.     

基于Kalman滤波原理的运动目标跟踪

应用Kalman滤波原理,对运动目标进行跟踪,缩小目标的搜索范围,实现快速实时跟踪,使跟踪更为准确.理论分析和实验结果表明,该算法与常规的模板匹配法、直方图模板匹配法等算法相比,有效地提高了目标跟踪的速度及跟踪的准确性.该算法对运动目标进行跟踪,运行速度可提高三倍.