多传感器多目标联合概率数据关联研究

提出改进联合概率数据关联算法对多传感器、多目标量测进行同源划分及单一传感器测量数据转换,并采用联合概率数据关联算法求解空间目标轨迹交叉时的数据关联.仿真结果表明,改进联合概率数据关联算法提高了成功关联概率,降低了求解数据关联概率的难度,可以解决密集目标的正确跟踪问题.     

多传感器广义概率数据关联算法研究

随着跟踪环境、跟踪对象的不断变化与发展,目标与量测已经很难用一一对应的关系去描述;广义数据关联算法（GPDA）提出目标与量测多多对应的可行性规则,其性能在目标与量测无论是否在一一对应的情况下,均优于传统的JPDA算法,并且计算量、存储量均远小于JPDA;考虑到GPDA的上述优点,将GPDA算法拓展到多传感器数据关联,提出了多传感器广义概率数据关联算法（MSGPDA）来处理多传感器数据关联问题;仿真表明,MSGPDA算法由于利用多传感器信息,性能得到明显提高。     

支持无线传感器网络多目标跟踪的最邻近数据关联算法研究

多源数据关联问题是无线传感器网络中多传感器数据融合的关键技术之一。联合概率数据关联算法是一种跟踪多目标的数据关联算法,它不需要任何关于目标和杂波的先验信息,但与其他有关数据关联算法相比,计算机开销大。在构造有效矩阵的过程中基于最邻近方法的联合概率数据关联算法,结合最部近数据关联算法的思想,选取统计距离最小的3个有效量测构成有效矩阵,从而简化了有效矩阵,减少了原有算法的计算量。     

支持无线传感器网络多目标跟踪的聚类数据关联算法研究

多源数据关联问题是无线传感器网络中多传感器数据融合的关键技术之一。联合概率数据关联算法是一种 跟踪多目标的数据关联算法,它不需要任何关于目标和杂波的先验信息,但与其他有关数据关联算法相比,计算机开 销大。基于聚类算法的联合概率数据关联算法在联合概率数据关联算法的基础上,运用模式识别中的聚类思想对传 感器所接收到的量测数据进行聚类,减少有效量测的数目,从而简化了有效矩阵,减少了原有算法的计算量。     

多传感器数据融合系统中联合概率数据互联算法的研究

概述了多传感器数据融合系统中的联合概率数据互联算法，给出了MSJPDA的两种处理结构，分析了其算法的复杂度。并在此基础上，结合B．zhou提出的直接概率计算和近似概率计算的方法，提出了一种基于近似聚的近似概率数据互联算法(MSJPDA)，通过仿真研究以及和最近邻法所做的比较表明，该方法确实能提高在密集情况下的数据融合精度，算法耗时与最近邻法相差不大，精确度接近完全概率互联算法。     

基于改进单亲遗传算法的被动传感器数据关联

主要研究了两被动传感器的数据关联方法.首先建立了两传感器联合关联概率数学模型,将求解后验概率的极大值问题转化为求解特殊的指派问题;然后提出了一种改进型单亲遗传算法求解此问题,并从理论上证明了该算法的封闭性和可达性.仿真结果表明,所提出的方法收敛速度快、关联正确率高,验证了模型和求解方法的正确性、可行性.     

两传感器两扫描周期的数据关联

为了简化融合中心数据处理的复杂度，减轻计算机的负担和通信开销，研究了两传感器两采样周期的数据关联问题。建立了测量到航迹分配的线性规划数学模型，提出了关联测量数据的融合方法，采用带滤波器的遗传算法求解最优分配方案。仿真结果表明，这种数据关联方法所得到的目标航迹比单传感器的目标航迹更加精确。     

基于联合概率数据关联和粒子滤波的多目标跟踪算法

数据关联一直是多目标跟踪中的核心问题,是实现多目标有效跟踪的关键。介绍了多目标跟踪的基本原理以及联合概率数据关联的基本原理,并且将粒子滤波引入到联合概率数据关联模型中,提出了联合概率数据关联-粒子滤波算法来实现多目标跟踪。仿真结果表明,此算法可以很好的实现固定数目多目标跟踪。     

基于不等长序列相似度挖掘的数据关联算法

针对不等长序列数据的关联问题,提出基于滑动窗口的最优匹配增权法不等长序列相似度度量算法。以较短序列作为滑动窗口遍历较长序列得到一组滑动相似度,利用这组相似度形成最优权重,加权得到不等长序列的相似度,并根据相似度大小对序列数据进行关联判决,以解决截断法相似度度量仅能反映截断序列局部相似度的问题。仿真实验验证了所提出算法对不等长序列数据关联的有效性,并对序列长度和量测误差等因素对相似度度量和关联效果的影响进行了讨论。     

多传感器数据最优融合

利用可信区间估计的概念,检验传感器测量值偏差,描述传感器间的支持关系,确定传感器数据的取舍,提出两种最优融合算法,仿真给果表明两种最优融合方法是有效的,其精度高于简单平均法。     

On the sensor order in sequential integrated probability data association filter

The processing order of sensors with different detection probabilities and in different clutter densities in a multi-sensor system is investigated in this paper. A sequential implementation of the integrated probability data association (IPDA) algorithm under random set framework is derived. Under the assumptions of different detection probabilities and different clutter densities of individual sensor in a multi-sensor system, we reach the conclusion that the sequential IPDA filter depends on the order analyzing the target existence probability of varying sensor orders. Moreover, we obtain the optimal order of sensors for the sequential IPDA filter in terms of maximizing the target existence probability. The conclusions are demonstrated by simulation results.     

适用于虚假数据过滤的最优传感器覆盖研究*

已有传感器网络虚假数据过滤机制采用随机策略部署节点,由转发节点对数据包中附带的t个MAC(Message Authentication Code)签名进行验证,从而实现对虚假数据的识别和过滤。然而,在实际应用中,随机部署往往在网络中形成部分稀疏区域,无法被t个拥有不同密钥分区的节点同时覆盖。提出利用覆盖算法对节点进行部署,在均衡覆盖质量及网络开销的情况下,证明了适用于虚假数据过滤的最优节点覆盖度为2t,并进一步推导了一些相关的覆盖结论。理论分析及仿真实验表明,与随机部署相比,最优覆盖算法极大提高t个密钥分区同时覆盖的概率。例如,当400个节点部署于50?50m2的区域时,随机部署和最优覆盖算法保证t个密钥分区同时覆盖的概率分别为9%和92%。     

一种改进的基于概率假设密度滤波的多目标跟踪方法

针对概率假设密度（PHD）滤波使用聚类方法提取目标状态时,会出现结果不准确,且PHD滤波无法给出状态到航迹关联的问题,提出一种在目标状态中加入标签的方法来实现状态到航迹的关联．该方法对权值较大的标签,通过两次确认来剔除杂波干扰,得到比传统PHD滤波更精确的状态估计．在提取目标状态时,只对相同标签的粒子进行处理,避免使用聚类方法．通过与传统PHD算法的仿真对比表明,改进算法具有较好的跟踪性能．     

基于传感器网络的关联规则挖掘算法研究

现有的传感器网络数据处理系统只能向用户提供简单的查询操作,如何高效地处理传感器网络的海量数据流,从中获取有用的知识成为新的挑战.提出一种基于传感器网络特性的分布式关联规则挖掘算法,采用树型通信结构,各个传感器通过改进的单一数据流频繁项集挖掘算法找出本地的局部频繁项集,并逐层上传、合并,最后由sink节点将所有子节点的局部频繁项集合并成全局的频繁项集,并产生相应的关联规则.实验证明该算法占用较少的计算时间和内存.     

基于概率相似度的不完备信息系统数据补齐算法*

在决策属性已知、条件属性值分布不确定的情况下,用基于概率相似度原理和按决策属性划分系统的原则,对缺损数据进行填补,可使不完备决策信息系统的完备化具有较高可信度。     

基于感知数据概率模型的无线传感器网络采样和通信调度算法

在无线传感器网络中,如何动态地管理能量,最大限度地延长网络的生命周期是一个关键的问题。文中提出了一种基于感知数据概率模型的传感器网络的采样和通信动态调度算法,使传感器节点根据感知数据的概率模型来确定自己的采样和通信时机,最小化采样频率和通信量,减少传感器节点的能量消耗,延长传感器网络的生命期。该算法是一种分布式算法,适用于无线传感器网络。该算法采用了简单的概率模型,资源需求量小,适合于在目前普遍使用的资源受限的传感器节点上运行。模拟试验结果表明,这种方法与其他方法相比,具有很高的能量有效性。     

纯方位距离参数化概率假设密度和势概率假设密度滤波器

考虑多目标跟踪中量测源的不确定性,本文提出两个基于随机有限集(RFS)的多距离假设纯方位跟踪(BOT)滤波器.首先,详细推导距离参数化高斯混合概率假设密度(PHD)滤波器的递推公式.然后,详细推导距离参数化高斯混合势概率假设密度(CPHD)滤波器的势分布和强度的递推公式.此外,为跟踪随机出现的目标,提出一种自适应BOT新生目标强度的建立方法.仿真验证了算法的有效性.     

基于序贯概率映射的组合导航自适应容错算法

基于联邦滤波的容错组合导航系统通常在判定故障时刻对故障子系统进行整体隔离,未充分考虑缓变故障影响的渐近变化与状态分量间的差异。为此,提出一种基于序贯概率映射的组合导航自适应容错算法。该算法通过子滤波器新息动态映射建立局部估计状态统计模型,通过序贯概率比检测在线估计缓变故障影响下的局部状态质量,并据此对融合过程进行自适应调节。仿真结果表明,所提出的方法能有效提高组合导航系统对缓变故障的自适应容错调节能力。     

New optimal algorithm of data association for multi-passive-sensor location system

In dense target and false detection scenario of four time difference of arrival (TDOA) for multi-passive-sensor location system, the global optimal data association algo- rithm has to be adopted. In view of the heavy calculation burden of the traditional optimal assignment algorithm, this paper proposes a new global optimal assign- ment algorithm and a 2-stage association algorithm based on a statistic test. Compared with the traditional optimal algorithm, the new optimal algorithm avoids the complicated operations for finding the target position before we calculate as- sociation cost; hence, much of the procedure time is saved. In the 2-stage asso- ciation algorithm, a large number of false location points are eliminated from can- didate associations in advance. Therefore, the operation is further decreased, and the correct data association probability is improved in varying degrees. Both the complexity analyses and simulation results can verify the effectiveness of the new algorithms.