一种被动双阵航迹关联新方法

在被动系统中,多传感器多目标数据关联一直是一个难解决的问题.对静态数据关联多维指派"组合爆炸"问题,许多外学者提出了像最小距离法、最大似然算法等多种解决方法,但它们或正确相关率较低,或计算量较大.基于上述问题,提出了一种基于运动目标在时间上具有连续性的先验知识的新的航迹关联算法,该算法根据数据列之间发展态势的相似或相异程度来衡量航迹间接近的程度,使航迹关联问题突破了样本容量和典型分布这两条限制.仿真结果表明该算法计算量小,正确关联率高,具有较高的工程应用价值.     

目标联合状态类型密度表示的跟踪门技术

大多数传统的跟踪门技术仅使用目标的运动学量测信息,在多目标、多杂波跟踪场景中会导致较大的关联不确定性。考虑到属性传感器可以获取目标的类型信息,提出了基于目标联合状态类型概率密度的跟踪门方法。首先给出目标状态与类型的联合概率密度表示,从而导出以类为条件的跟踪门构建方法。为了适用于实时的非线性跟踪系统,门限的计算采用了基于仿真的算法。场景 1显示如果目标的量测预测密度为偏斜函数时,基于仿真的门限算法可以获得最优的跟踪门;场景 2为地面编队目标的跟踪过程。与使用传统的跟踪门相比,以类为条件的跟踪门技术在很大程度上提高了目标量测到航迹的关联率。     

基于多探测器组网的数据融合算法研究

文章从未来战争环境出发,建立多探测器组网探测目标模式,针对数据融合中存在的坐标转换、时标统一和航迹关联等关键算法进行研究,给出了科学的计算公式,为数据融合的仿真计算、模型建立等具有指导意义。     

一种基于蝙蝠算法的多目标跟踪数据关联方法

针对多目标跟踪中的数据关联问题,提出了基于蝙蝠算法的数据关联方法。首先将多目标数据关联问题建模成组合优化问题,结合数据关联的特点,对蝙蝠算法的搜索更新规则进行改进,使其可以应用于多目标的数据关联问题,并给出了基于蝙蝠算法的多目标数据关联的详细流程。通过仿真实验和被动声呐实测数据测试表明,基于蝙蝠算法的多目标数据关联方法切实可行并且具有较好的效果。     

声呐目标跟踪关联中的模糊关联方法

声呐目标跟踪关联是为了获得精确的状态和属性估计、完全和实时的态势和威胁评估。在多台声呐系统联合探测中,根据相同目标、不同观测具有相似特征,提出了声呐目标模糊关联算法。模糊关联能够处理模糊性和不确定性信息,求解具有相似特征目标的关联值。通过将探测目标的方位数据模糊化,利用观测的模糊量和模糊隶属度函数进行数据关联,计算关联时长内两台声呐探测目标方位的关联值,仿真分析验证了上述算法的有效性并取得了较好的实验效果。     

一种改进的广义概率数据关联跟踪算法

对于多目标跟踪问题,最近提出的全局次优的广义概率数据关联算法(GPDA)由于其新颖的可行性划分规则和较小计算存储需求而受到广泛关注。本文提出了一种基于广义联合事件分割组合的新关联算法。它通过引入目标的方向性信息,在基于新规则划分后,对进入有效域的传感器量测估计值权重系数进行调整,从而使最终的估计值更准确,关联精度得到进一步提高。利用该改进算法对杂波环境下多目标跟踪进行仿真实验,结果表明提出的关联算法继承了原有算法的优点,同时用较小的计算代价使得跟踪性能得到较大改善。     

多传感器静态数据分配问题的匈牙利解法

多目标多传感器数据关联中的分配问题一直是数据融合领域中的一个关键问题，众多的研究都提出了一系列不同的方法来解决这个NP-hard问题，本文提出了用2维分配问题的匈牙利解法来解决该问题，给出求解2－D，3－D分配的方法，经仿真计算表明，该法能较大程度地降低计算量，是一种实用性很好的方法，同时也值得向更高维的情况作进一步的研究和仿真比较。     

信息融合中的态势关联方法研究

在研究了态势目标航迹关联特点的基础上,建立了航迹预测和样条拟合关联模型,该关联模型首先将前后两段航迹进行预测,然后进行样条拟合关联检验,从而实现了多目标环境中中断目标态势的关联判断,经仿真计算,此关联模型是可行实用的。     

数据关联方法在多点定位系统中的应用

多点定位系统应用于广域目标定位时,可以采用目标气压高度对定位算法进行修正,从而保证算法的收敛性,提高定位精度.但不是所有民航机载二次应答机发送的应答信号模式中都包含目标气压高度,为了解决这个问题,多点定位系统采用了一种数据关联方法,使得在没有获取到目标气压高度时可以利用关联获得目标上时刻最新高度,由此修正定位算法.此外,通过关联还可以获取目标上时刻最新水平位置,在由于监视区域宽广造成只有3个站来定位目标而出现双解时可利用该水平位置选取正确解.通过实际数据测试验证了该方法的可行性.     

集中交互式多传感器联合概率数据互联算法

为了解决杂波环境下多传感器多机动目标跟踪问题,本文提出了一种集中交互式多传感器联合概率数据互联算法。本文提出的算法首先应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合,并对所有的测量组合进行有效性判断,然后应用数据压缩的方法将每个有效量测组合压缩成一个等效量测点并根据每个等效量测点的联合似然函数计算其联合互联概率,最后在此基础上应用交互式多模型算法的思想以处理目标出现机动的问题。本文最后给出了该算法的分析,仿真结果表明,本文算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题。     

基于慢度估计的次声台阵信号自动检测算法及应用

针对次声监测研究领域广泛使用的短时间与长时间信号功率比检测方法性能不能满足要求,渐进多通道互相关检测算法虚警率较高的缺点,利用信号的时、频、波数域特性和次声台阵各子台信号的互相关性特性,提出了一种基于次声台阵信号慢度估计的自动检测算法。次声信号慢度估计结果的合理性、一致性是该检测算法的依据。考虑到该检测算法计算量较大,在具体应用中加入其他计算量较小的传统算法,进行逐次检测,最后应用的慢度估计方法既是一种检测方法,也是对其他检测算法结果的最终审核,一方面可以降低单项检测方法对检测参数的敏感性,另一方面也可提高检测的正确率(虚警率和漏警率同时降低)。该复合检测算法应用于某实验次声台站信号的检测(信噪比大于1.1),结果虚警率为4.0%,漏警率为5.0%,表明了该方法的优良性能。从检测应用处理结果还可以推测,结合一个区域现有密集的地震台站数据和2~3个次声台阵的数据,可以方便地识别、监控爆破方式日益复杂的人工爆破事件和真正的地震(余震)事件,为地震灾害减灾防灾、采矿监控等多领域服务,具有重大推广价值。     

多传感器航迹数据融合的机载火控系统

为研究机载火控系统多传感器数据融合的方法。采用了基于多目标多传感器航迹数据融合的改进的卡尔曼滤波算法，运用假设检验理论，充分考虑了位置数据互联的正确性和目标信号的历史信息，使其性能不随目标数目的增大而变差。计算机仿真表明：所建立的系统操作方便，运行可靠，性能价格比高；所采用的算法具有处理速度快、精度高等优点。     

Visual data association for real‐time video tracking using genetic and estimation of distribution algorithms

In this article, an efficient and novel approach for video data association is developed. This new method is formulated as a search across the hypotheses space defined by the possible association among tracks and detections, carried out for each frame of a video sequence. The full data association problem in visual tracking is formulated as a combinatorial hypotheses search with a heuristic evaluation function taking into account structural and specific information such as distance, shape, color, etc. To guarantee real‐time performance, a time limit is set for the search process explore alternative solutions. This time limit defines the upper bound of the number of evaluations depending on search algorithm efficiency. Estimation distribution algorithms are proposed as an efficient evolutionary computation technique to search in this hypothesis space. Finally, an exhaustive comparison of the performance of alternative algorithms is carried out considering complex representative situations in real video sets. © 2009 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 19, 208–220, 2009     

OFDM系统的一种精确的符号定时估计——纪念汪德昭院士诞辰100周年

作为一种高效的数据传输技术,正交频分复用(OFDM)技术具有良好的抗衰落能力,实现数据的高速传输。但是OFDM对同步误差特别是符号同步误差十分敏感。本文提出了一种低复杂度的符号定时估计,利用一个训练帧来实现同步。文中分析了该算法的性能,并在噪声信道中进行了性能分析,给出的仿真结果表明,该算法具有较高的精度和较低的计算复杂度。     

A new predictor–corrector approach for the numerical integration of coupled electromechanical equations

In this paper, a new approach for the numerical solution of coupled electromechanical problems is presented. The structure of the considered problem consists of the low‐frequency integral formulation of the Maxwell equations coupled with Newton–Euler rigid‐body dynamic equations. Two different integration schemes based on the predictor–corrector approach are presented and discussed. In the first method, the electrical equation is integrated with an implicit single‐step time marching algorithm, while the mechanical dynamics is studied by a predictor–corrector scheme. The predictor uses the forward Euler method, while the corrector is based on the trapezoidal rule. The second method is based on the use of two interleaved predictor–corrector schemes: one for the electrical equations and the other for the mechanical ones. Both the presented methods have been validated by comparison with experimental data (when available) and with results obtained by other numerical formulations; in problems characterized by low speeds, both schemes produce accurate results, with similar computation times. When high speeds are involved, the first scheme needs shorter time steps (i.e., longer computation times) in order to achieve the same accuracy of the second one. A brief discussion on extending the algorithm for simulating deformable bodies is also presented. An example of application to a two‐degree‐of‐freedom levitating device based on permanent magnets is finally reported. Copyright © 2015 John Wiley & Sons, Ltd.     

Applying likelihood on Hopfield neural network for radar tracking

Abstract

The multiple‐target tracking (MTT) algorithm plays an important role in radar systems. Data association is the most important technique to solve the tracking problems associating dense measurements with existing tracks. A new approach applying Likelihood to measurements and existing tracks in a radar system based on Neural Network computation is investigated in this paper. The proposed algorithm will solve both the data association and the target tracking problems simultaneously. With this approach, the matching between radar measurements and existing target tracks can achieve global relevance. Computer simulation results indicate the ability of this algorithm to keep track of targets under various conditions.