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。     

多雷达数据融合中若干问题的研究

对多雷达数据融合中的系统误差修正、快速寻找相关、数据融合对象、数据融合方法等进行分析研究，并从中选出较好的、切实可行的方法，以三部雷达的系统规模产生模拟目标进行仿真试验，结果表明建立航迹快，虚假航迹少，跟踪性能好(正确、连续)。     

基于无源定位系统的航迹处理

基于无源定位系统,对多目标定位、跟踪及航迹关联方法进行了深入研究,采用卡尔曼滤波算法对目标航迹进行跟踪、预测和平滑,充分考虑了多条航迹产生交叉、分裂等情况,并通过模拟数据进行了验证。     

火控精度分析的数据建模方法

本文对目标运动航迹模型、如何产生航迹模型数据，以及如何利用产生的目标运动航迹模型数据对雷达火控系统解算精度进行模拟分析的基本方法和步骤作了初步的探讨，以期使用较简单的方法在实验室完成对雷达火控系统的解算精度作出恰当的判断。     

基亏半实物仿真系统的多假目标航迹欺骗研究

根据半实物仿真的特点和优点,本文提出了基于半实物仿真系统的多假目标航迹欺骗研究的优势和价值。然后从实现多假目标航迹欺骗的必要条件、航迹欺骗产生的原理、多假目标欺骗的参数匹配、多目标欺骗航迹的数据预算4个方面详细阐述了多假目标航迹欺骗原理,以及对半实物仿真系统的组成、软硬件设计特点进行了介绍,最后通过半实物仿真系统验证了两批假目标预定航迹的真实性和置信度,结果证明这种方式对研究多假目标航迹欺骗技术和战术应用的可行性和有效性。     

基于多尺度卷积和改进LSTM的航迹数据关联方法

针对雷达数据智能航迹关联准确率较低的问题,文章提出了一种融合多尺度卷积神经网络和改进长短期记忆网络的航迹关联方法。首先,利用多尺度卷积神经网络提取多个维度的空间特征,避免固定尺寸的卷积核产生视野限制,使网络能够提取更高维度的特征。然后,将特征送入改进的长短期记忆网络捕获时间维度上的特征,改进后的单元结构充分考虑相邻时刻航迹数据的关联性,有效抑制了噪声和误差产生的影响。最后,仿真实验结果表明,该方法有效提高了航迹关联准确率。     

目标数据融合方法

对多探测器探测得到的多目标航迹数据进行数据融合处理，以获得统一、真实可靠、高精度的飞行目标航迹参数。本数据融合算法采用改进运动模型的基于多站联测异步数据序贯Kalman滤波的最近邻跟踪算法，以便得到高精度的处理结果。     

基于多假设的多平台多目标数据关联方法

本文研究了一种面向航迹的多平台多假设数据关联算法，包括航迹树的构建、航迹得分计算、序列概率比检验、假设生成以及分支航迹剪枝等，在此基础上针对实装环境下点迹量大、虚假目标多的问题对算法进行了改进优化，并进行了仿真验证。     

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。     

一种新的混合式数据融合方法及其在雷达组网中的应用

针对雷达组网中多型雷达数据融合存在的问题，本文对多型雷达在探测距离、探测精度、数据率以及处理时延等方面的差异进行研究，提出一种新的混合式数据融合方法。该方法对组网内同型雷达进行聚类并对聚类内雷达量测数据采用集中式融合策略生成局部融合航迹，对不同聚类间的局部融合航迹采取分布式融合策略，并在每个融合节点形成一致的全局融合航迹。通过仿真实验验证，该方法与组网内所有雷达均采用集中式融合方法相比在航迹精度、航迹实时性以及航迹连续性等方面均有不同程度的提升，证明该方法是一种可行的工程化实现方法。     

多传感器航迹仿真平台的设计与实现

在多传感器数据融合系统的开发和测试评估中,迫切需要一个尽量真实准确的开发调试环境。航迹仿真平台能够为数据融合系统产生不同场景下的观测数据,为数据融合系统的研究、开发提供了好的支撑环境,便于测试融合系统性能。描述了航迹仿真平台的功能和信息流程,介绍了平台的软、硬件组成和各个模块的实现方法。     

基于多层LSTM模型的雷达目标航迹快速识别算法

雷达目标航迹的快速识别对指挥员战场决策具有重要的参考作用，传统雷达目标航迹识别算法对于目标特征分析效果差，导致航迹识别效果不理想，为此，设计了基于多层长短期记忆网络(Long Short-Term Memory, LSTM)模型的雷达目标航迹快速识别算法。对雷达目标航迹信息进行采集与去噪处理；构建多层LSTM模型，提高对时间序列数据处理的性能，将采集的数据输入多层LSTM模型中；通过多层LSTM网络自主学习获取雷达目标航迹特征，并设计融合模块对多个特征进行融合处理，得到多特征子集，改善单一特征分析的不足；基于适应性矩估计(Adaptive Moment Estimation, Adam)算法优化模型超参数，训练损失函数，通过构建多层LSTM模型分类器完成雷达目标航迹快速识别。仿真实验结果显示，该算法能够精准提取雷达目标的多特征信息，多特征融合效果良好，航迹识别结果精准，目标位置平均识别误差为0.31 m,雷达目标航迹识别时间平均值为0.56 s,说明该方法能够精准、快速完成航迹识别。     

基于时空特征融合的Encoder-Decoder多步4D短期航迹预测

航迹预测在确保空中交通安全、高效运行中扮演着至关重要的角色。所预测的航迹信息是航迹优化、冲突告警等决策工具的输入，而预测准确性取决于模型对航迹序列特征的提取能力。航迹序列数据是具有丰富时空特征的多维时间序列，其中每个变量都呈现出长短期的时间变化模式，并且这些变量之间还存在着相互依赖的空间信息。为了充分提取这种时空特征，本文提出了基于融合时空特征的编码器-解码器（Spatio-Temporal EncoderDecoder, STED）航迹预测模型。在Encoder中使用门控循环单元（Gated Recurrent Unit, GRU）、卷积神经网络（Convolutional Neural Network, CNN）和注意力机制（Attention, AT）构成的双通道网络来分别提取航迹时空特征，Decoder对时空特征进行拼接融合，并利用GRU对融合特征进行学习和递归输出，实现对未来多步航迹信息的预测。利用真实的航迹数据对算法性能进行验证，实验结果表明，所提STED网络模型能够在未来10 min预测范围内进行高精度的短期航迹预测，相比于LSTM、CNN-LSTM和AT-LSTM等数据...     

观察哨与警戒雷达的空情数据融合

传统空情数据融合时对观察哨数据多采用定性判断方法，难以真实体现数据的量化作用。针对这一问题，主要采用灰色关联方法对观察哨探测的点空情与警戒雷达空情航迹的相关性进行量化分析，从中选取相关度较高的观察哨点空情，对相应的警戒雷达航迹进行补充和完善，增加警戒雷达空情的完整性和可信度。     

一种集中式多传感器航迹起始方法研究

针对多传感器航迹起始的复杂性以及传感器的精度对航迹起始的影响，提出了一种基于聚类分析与滑窗法的集中式多传感器航迹起始方法。首先对传送到融合中心的数据进行聚类，使航迹起始问题相对简化；在起始算法中对目标的速度加入一个修正值，减小传感器精度对起始性能的影响。仿真结果表明了该算法的有效性。     

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。     

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中,一部分传感器通过处理它们的数据产生局部航迹,另一顺则只提供检测报告,这些航迹和检测报告传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,在这种经 融合中心首先需要融 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滤波技术更新已融合的航迹,本文还考虑了各传感器分布拓不同地理位置时的状态估计问题。     

基于Bayes的航迹概率数据关联算法

数据关联是多传感器信息融合的核心技术,其常用的航迹数据关联方法主要有NN、PDA、JPDA、MHT等算法。常用关联算法有的不适合强杂波或多目标环境、有的计算量大、有的时效性差等不足。文中采用了基于贝叶斯航迹概率的数据关联算法,来实现雷达航迹之间数据关联。首先介绍贝叶斯和航迹关联技术原理;其次描述贝叶斯算法过程;最后通过仿真证明该关联算法有效性。     

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。     

杂波中多传感器数据融合改善目标航迹丢失的理论分析

本文从理论上讨论杂波环境中,多传感器数据融合对目标航迹丢失的改善。通过建立融合预测估计误差的转移概率密度函数,分析了目标航迹丢失的机理。在最近邻关联准则下,计算了融合航迹维持和融合航迹起始时的跟踪性能融合航迹平均丢失时间和融合航迹累积丢失概率与杂波密度的关系,并与单传感器的情形作了比较。结果表明,多传感器的航迹融合减小了目标丢失的可能性,提高了跟踪性能。这一结论对进一步理解数据融合的作用具有重要的理论意义。