多传感器融合多目标跟踪中的序贯航迹关联算法

对于分布式多传感器融合多目标跟踪系统,提出一种序贯处理的航迹关联融合算法。为实现杂波干扰环境中对密集多目标的精确跟踪,航迹关联采用了粗、精关联相结合的方法,最小均方误差法用于实现航迹融合。序贯处理的航迹关联融合算法在保证航迹关联正确的同时,大大降低了计算量。仿真实验结果说明了本文方法的有效性。     

分布式多传感器多目标跟踪方法综述

多传感器多目标跟踪是信息融合领域的热点问题,其通过融合多个局部传感器数据,提高目标跟踪精度和稳定性。多传感器多目标跟踪按融合体系可分为分布式、集中式、混合式3类,其中分布式融合结构对网络通信带宽要求低、可靠性和稳定性强,广泛应用于军事、民用领域。该文聚焦分布式多传感器多目标跟踪涉及的目标跟踪、传感器配准、航迹关联、数据融合4项关键技术,主要分析了各关键技术的理论原理与适用条件,重点介绍了不完整测量条件下的空间配准与航迹关联,并给出仿真结果。最后,该文总结了现有分布式多传感器多目标跟踪关键技术存在的问题,并指出了其未来发展趋势。      

一种基于小波变换的航迹关联算法

多传感器的航迹关联问题是多传感器数据融合理论研究中关键的难题之一,针对传统基于统计理论的航迹关联算法的错漏关联和没有考虑到目标航迹的走势等问题,通过在原来航迹关联方法的基础上,结合目标航迹的整体走势,利用小波去噪的功能,提出了一种新的航迹关联方法,通过与传统的航迹关联方法相比较和工程验证,证明了该算法的有效性。     

多传感器数据融合系统中两种新的航迹相关算法

本文提出两种合适于分布式多传感器数据融合的序贯航迹相关算法，对这两种序贯序迹相关准则进行了严格的数学推导和描述，研究一航迹相关质量设计和多义性处理方法，并通过仿真把它们与两个经典方法进行了比较，仿真结果表明，在密集目标环境下和／或交叉，分岔及机动航迹较多的场合，两种序楠航迹相关算法的性能与传统方法相比获得了明显的改善，其正确相关率与传统方法相比提高了约百分之三十。     

基于纯方位信息的多传感器航迹融合仿真分析

对于现代战场环境来说,多传感器信息融合越来越重要。但是由于不同传感器性能存在差异,使用不同的关联方法会造成航迹关联正确率不同,航迹关联正确是航迹融合有效的基础,因此需要深入研究。首先理论分析了异类传感器航迹融合性能的主要影响因素及其影响程度,提出了异类传感器航迹关联方法。仿真结果表明,提高传感器测量精度、降低异类传感器测量精度差异、提高异类传感器航迹关联正确率将会改善航迹融合的效果。     

多目标跟踪中的数据关联和航迹管理

传统的多目标关联算法JPDA存在两个缺陷:计算量较大,且其算法框架里缺乏航迹起始和终止逻辑。文中给出了一个航迹管理表,它包含多种情况下航迹的关联,能完成航迹的起始、维持和终结。在可靠航迹关联中,该文提出了一个改进的快速关联算法—多维概率数据关联(MPDA),讨论时主要考虑关联门相交区域中的公共回波对航迹更新的影响。MPDA可以类似与PDA的较低的计算代价达到了接近JPDA的关联成功率。仿真结果表明,文中的数据关联和航迹管理算法对复杂条件下的多目标跟踪能保持较高的跟踪成功率。     

分布式多传感器数据融合中的双门限航迹相关算法

本文提出两种适合于分布式多传感器数据融合的双门限航迹相关算法.文中对这两种双门限航迹相关准则进行了详细的描述,研究了航迹相关质量设计、多义性处理和漏相关概率的估计方法,并通过仿真将它们与两个经典方法进行了比较.仿真结果表明,在密集目标环境下和/或交叉、分岔和机动航迹较多的场合,双门限航迹相关算法的性能明显优于传统方法,其正确相关率比传统方法提高了大约35％.     

机载多传感器跟踪航迹数据融合研究

随着机载传感器的增加和性能的提高,使目标探测和跟踪信息更加全面,精度也大大提高,但机载显示和火控需求的参数是唯一的,所以需要对不同传感器探测和跟踪的目标信息进行融合.本文针对机载传感器特点和飞机平台参数需求,对多传感器跟踪生成的目标航迹数据融合进行了研究,并给出了相应算法.     

分布式多传感器信息融合中的航迹文件管理技术

为了使文献［１～５］提出的航迹关联算法能在工程和实际中得到更好的应用。系统地讨论与这些航迹关联算法配套使用的航迹号管理、关联映射、系统航迹的建立、保持和撤消技术．并详细研究在航迹关联过程小两局部节点数据率不匹配、选主站和其它参数利用等问题的解决方法。     

蚁群-遗传算法在多传感器多目标跟踪技术中的应用

 本文提出了一种高效的多目标数据关联算法AC-GADA(Ant Colony-Genetic Algorithm Data Association),该算法以蚁群、遗传算法为基础,利用种群差异性使个体携带信息素,构建了全局信息素扩散模型,并引入了交叉变异策略和种群适应度模型.通过大量的实验数据证明,该算法在获得较高关联准确率的同时可以有效地提高关联速度.     

基于特征迹的密集多目标自适应视频跟踪

在强干扰下检测和跟踪密集多目标不仅是科学研究的一大难题,在国防和国民经济中也有着重要的应用.本文从多目标检测和跟踪的物理基础出发,在谱、空间和时间域使用目标的物理特性和运动特性融合测量数据生成特征迹,依靠其运动马尔可夫可信度和特征马尔可夫可信度在第一时间去除噪声,并将数据关联结果作为反馈进行自适应的视频检测,实现高精度...     

多传感器自适应滤波融合算法

该文提出了一种在线调整权值的多传感器自适应滤波数据融合跟踪算法,用于解决复杂背景下机动目标跟踪问题。首先自适应寻找各个传感器所对应的最优加权因子,确定融合后某一时刻目标最优观测值;其次,以输入信号作为相关自适应滤波器的观测信号,通过新息相关自适应滤波算法根据状态方程及观测方程中误差的变化,实时动态地调整增益矩阵,同时依据自适应滤波状态偏差输出信号及当前观测数据,应用模糊推理在线调整各传感器权值,最终系统输出即为测量轨迹在两级自适应调整融合下最优轨迹。仿真结果证明了算法有效性。     

智能交通监控系统中多目标跟踪算法

在视频监控系统中,以自适应背景差分法提取运动目标,并以单连接区域增长法标记各运动目标区域.针对在城市交通监控系统的特点,建立视频流中帧间图像的约束条件,利用相邻两帧目标之间的距离、平均灰度以及面积差等特征建立匹配距离测度函数,通过求全局最优解使得距离测度达最小,进而确定最佳匹配目标,并分析了目标运动过程中的遮挡现象及提出了解决方法.实验结果表明,该方法跟踪运动目标准确率达98%.     

火控观瞄系统仿真的多目标定位与跟踪算法

火控观瞄系统的仿真是以飞行模拟器中相对应的火控仿真系统为核心的训练功能,研究在火控观瞄仿真中多目标的定位和跟踪算法。算法以目标和本机的三维空间计算为基础,通过对动态数据的误差分析,利用支持向量回归的机器学习算法对目标跟踪和预测。算法目前已被应用于实时训练,解决了目标定位和跟踪仿真的实际攻击训练难题。     

声探测多传感器多目标定位与跟踪方法

常用的多传感器多目标算法需要3个以上的传感器来完成目标的定位与跟踪。声探测受声传感器探测距离近的限制．无法保证每个目标都被3个以上传感器同时探测到。在无源定位与跟踪的理论基础上,提出了一种简化的、易于工程实现的方法,解决了声探测中数据关联和目标定位与跟踪等问题。     

无源跟踪中基于灰关联信息融合的概率数据关联算法

在无源跟踪中,传统的概率数据关联算法(PDA)单纯依据状态量测信息.该文提出了一种基于多特征信息融合的概率数据关联算法,该算法利用目标多个特征信息(状态量测、载频、PRI等),通过灰关联分析的方法,计算有效观测与目标的关联概率,进而在信息融合的基础上,进行目标状态更新估计.该算法与传统的PDA相比有两个优点,第一,关联概率的计算量小、计算更准确;第二,该算法利用了目标多特征信息,因此,关联性能更好.实验表明,基于该算法的无源跟踪性能明显优于NN方法和传统的PDA方法.     

一种基于随机集的PHD多目标多传感器关联算法

针对复杂电磁环境下的多目标关联计算量大、准确率低的问题,提出了一种基于随机集概率假设密度(PHD)的多目标多传感器关联算法。该方法首先采用高斯混合PHD(GMPHD)对多传感器的量测信息进行滤波,再对滤波结果做最近邻数据关联处理,从而得到多目标航迹。杂波环境下的仿真实验表明,该方法在保证滤波精度的同时,能够有效降低运算量,提高数据关联的准确度。     

基于交互式联邦多模型的多传感器融合算法

针对多传感器机动目标跟踪过程中的航迹滤波发散问题,提出了一种将联邦滤波器与交互式多模型滤波算法（IMM）相结合的交互式联邦多模型融合算法IFMM.在IFMM算法中各传感器均具有相同的滤波模型集合,各传感器在同一模型下所产生的滤波结果先采用联邦滤波算法进行融合,然后采用IMM算法对各模型融合结果进行综合,产生目标状态的全局估计.仿真结果表明,IFMM有效提高了机动目标运动状态估计的精确度和稳定性.     

一种基于水下无人航行器的多目标被动跟踪算法

被动声呐信号处理中,致力于实现连续且稳定的目标方位跟踪。在复杂的水下环境中,由于干扰和噪声的存在,以及阵列孔径的限制,方位检测结果中不可避免地存在很多轨迹中断、野值、干扰与目标间的方位交叉。该文提出了一种基于水下无人航行器的多目标被动跟踪算法,使用基于航行器运动信息的粒子采样预测方法进行轨迹中断预测补齐,使用基于航行器运动信息的观测门限设置方法自适应设置跟踪门限,使用块关联跟踪方法进行轨迹中断关联和方位交叉关联。仿真和实验结果表明,该算法能够实现正确的多目标跟踪。