被动传感器组网对干扰源的聚类定位算法

为了提高对机动干扰源的定位精度,提出一种基于数据质量分析思想的多地面被动传感器组网聚类定位算法。考虑到各种客观因素和主观操作对量测的影响,该算法首先对各量测在二维空间中产生的目标估计位置点进行数据质量度量,从而确定该量测对干扰源定位结果的贡献;引入聚类思想完成对高质量位置数据的实时筛选,并由该数据实现对干扰目标的定位。通过和MMSE算法相比较,基于数据质量分析的聚类定位算法可有效消除低质量量测对定位结果的不利影响,从而提高了对干扰源的定位精度。同时对传感器布站形式的研究表明,只要对网内各传感器进行合理配置与管理,该算法即可有效降低系统偏差等不利因素对定位系统的影响。     

基于测量子集优化的雷达/ESM联合目标跟踪

针对雷达电子支援措施(ESM)主被动传感器的协同定位与目标跟踪,提出了基于测量子集优选的目标跟踪算法。该方法利用ESM方位角测量与雷达距离、方位测量组成的各测量子集对目标的定位精度分析,遴选出定位精度最高的测量子集定位结果作为雷达对目标跟踪的融合量测,在雷达的跟踪门内进行量测确认,之后按照联合数据互联的方法,对多目标当前状态进行估计。仿真实验显示,该方法是异地配置雷达/ESM协同目标跟踪的一种点迹级融合的有效方法。     

基于容积卡尔曼滤波的异质多传感器融合算法

针对机动目标跟踪系统建模中的非线性问题,提出一种基于容积卡尔曼滤波(CKF)的雷达与红外传感器融合算法。考虑到被估计系统对目标跟踪算法实时性与精度的要求,在容积滤波框架下构建了集中式量测融合(CMF)和分布式状态融合(DSF)两种结构形式。CMF结构采用最优加权方法,首先对雷达和红外两种异类传感器的方位角度量测信息进行融合,并将其与融合后的雷达径向距量测构建新的量测数据,进而通过CKF算法对机动目标进行跟踪。DSF结构则首先对雷达量测中径向距信息进行加权融合,并将融合结果作为红外传感器的虚拟径向距量测,以实现红外量测的扩维处理,进而对每组量测数据应用CKF进行分布式并行加权融合,获得目标运动状态的最终估计。仿真场景中,对两种融合方法的性能进行比较,理论分析与仿真实验验证了算法的可行性与有效性。     

多雷达/红外传感器数据融合算法

本文针对多雷达、红外传感器设计了一种异构信息融合算法。结合多雷达、红外传感器实际使用情况,研究了多雷达、红外异构信息空间配准方法,并根据雷达、红外异构量测特性选取不同滤波器进行目标运动状态估计,实现多雷达、红外传感器数据融合。本文通过对不同传感器的组网方案进行仿真与测试,充分验证了该算法的实用性和有效性,满足实际的工程应用。     

基于红外和雷达数据融合的机动目标跟踪方法

文章基于并行多传感器联合概率数据关联算法,提出了一种杂波环境下的多传感器多机动目标跟踪算法,首先使用融合算法将红外和雷达的量测进行异步和同步融合,然后应用融合后的量测,采用IMM算法实现对机动目标的跟踪.在仿真实验中分别跟踪单个和多个目标,结果表明该算法可以解决两种传感器的量测不同步问题,同时可以消除漏检现象对目标跟踪的影响,并能保证一定的跟踪精度.     

DS数据融合算法在近地防撞目标识别中的应用

针对近地防撞系统被测目标的不确定性问题,根据DS证据理论,在分析数据融合过程的基础上,建立数据融合模型,结合模糊控制方法,得出红外和雷达两种探测器对各被测目标的信度函数分配以及融合后的信度函数分配,从而确定被测目标。单探测器与融合结果比较说明多传感器融合算法具有较高的准确性。该面向目标的数据融合算法,为实现飞机地面防撞系统的目标探测提供了理论基础。     

融合神经网络和指纹的可见光定位算法研究

针对人们对室内定位需求的不断提高,以及现有室内定位算法定位精度不高等问题,提出了一种融合神经网络和可见光指纹的室内高精度定位算法。该算法利用反向传播神经网络(BPNN)确定待测目标的粗略位置,并以其预测坐标和最大误差作为约束条件,进行指纹匹配以确定待测目标精确位置。仿真结果表明,该算法平均定位误差为1.5cm,具有一定的应用价值。     

多雷达跟踪定位精度分析

多传感器组网的数据融合,可以提高目标的定位精度.文中提出了一种雷达网空中目标的空间位置融合的加权最小二乘算法,在目标位置估计Fisher信息矩阵基础上给出了目标位置估计误差的克拉美-罗下限.经蒙特卡罗仿真实验表明,该融合算法已逼近了克拉美-罗限,是一种理想的多雷达跟踪定位算法.     

基于测距最小二乘的方位融合多传感器定位算法

在多部2D传感器组网目标定位中,为减小地球曲率对观测的影响,充分利用各传感器量测并解决观测方程的非线性最小二乘问题,提出了融合方位量测的测距最小二乘算法。该算法的实质是基于多部2D传感器设备的测距以及方位角信息,考虑地球曲率的影响建立等效的观测模型和非线性方程,通过数学变换将非线性系统转化为线性系统;利用纯距离最小二乘定位原理初步估算出目标的位置,然后融合各传感器的方位量测得到关于目标的最终位置估计。仿真实验表明,本方法在3部以上2D传感器观测并且测距误差较大而方位误差较小的情况下,可以修正测距最小二乘法在某些位置的定位误差,从而整体提高目标的定位精度。     

李世忠，王国宏，吴 巍，苏少涛

在强对抗条件下雷达/红外双模复合制导跟踪中,雷达采用间歇工作方式可以减少敌方导弹拦截概率和电子支援措施锁定概率。文中在导弹复合制导跟踪中提出了一种雷达间歇工作下的雷达与红外序贯滤波融合算法,该算法针对雷达、红外量测时间不一致的特点,采用顺序处理结构的多传感器集中式融合方法对目标进行跟踪,在跟踪中使用了基于交互多模型和扩展卡尔曼(IMM-EKF)的序贯滤波方法,利用滤波过程中的状态估计协方差与测量误差方差进行比较控制雷达间歇工作。该算法可以自动适应雷达间歇工作,不需要在单/双传感器跟踪模式之间切换,最后通过仿真的方法分析了传感器数据率和雷达间歇工作对跟踪精度的影响。     

基于REKF的异类传感器异步数据融合算法研究

提出了一种基于异类传感器(R和IR)的数据融合目标跟踪算法,两种传感器具有不同的测量维数,量测数据异步采样并以不同的速率传输到融合中心站点.通过时间匹配技术,完成两种异步数据的融合,然后实现滤波器的状态更新.同时文中讨论了一种REKF(旋转推广卡尔曼滤波:Rotation Extended Kalman Filter)算法,可以有效地解决量测非线性和降低计算量的问题.     

基于虚拟平面的米波组网雷达测高算法

随着反隐身技术的发展,米波雷达凭借其反隐身、反辐射导弹方面的天然优势,再度进入科学界的视野。但米波雷达在探测低仰角目标过程中受多路径效应影响严重,导致测高结果易出现较大偏差,无法满足实际需要。而组网雷达数据融合技术的发展为此问题找到了一个解决办法。该文采用组网雷达数据融合技术,仅利用米波雷达测得的距离和方位信息实现了目标的3维定位,从而解决米波雷达测高困难的问题。考虑地球曲率的影响。该文所提出的米波组网雷达测高算法利用大地坐标变换、坐标系变换和数据变换,把各雷达数据统一到一个合理的工作平台,即虚拟平面上,在该平面上对目标进行测高计算。对极小误差法加以改进,采用分辨率不高,但数据稳定性好的方位角信息确定算法的搜索范围;应用分辨率较高的目标距离信息来获取最终的目标经度、纬度、海拔高度估值。由于地面强反射的原因,目标的距离估值有些时候是不准确的,该文设立了置信度判决准则以验证定位的有效性。通过仿真验证,该算法具有较好的测高精度,可作为组网雷达行之有效的测高方法。     

基于分级信息融合的引信多模融合

为了提高引信的准确性,结合当前微型毫米波雷达、激光传感器、微机电系统( MEMS)传感器对目标的探测能力,提出了一种引信多模融合策略。以传感器受环境影响的主要因素为输入,构建环境影响贝叶斯网络,形成传感器可靠性权重分配;通过建立传感器量测加权融合,形成测距与加速度两级融合综合处理获得目标准确位置信息,从而提高量测可靠性,为准确引爆提供支撑。实验表明该算法可提高测距准确性且对不同环境具有较好的适应性。     

机载雷达和ESM系统误差下的融合跟踪

针对机载雷达和ESM系统误差下的融合跟踪问题,提出了一种基于数据压缩和间歇式雷达管理的异类传感器融合跟踪算法。首先通过数据压缩的方法对雷达和ESM间断量测进行融合跟踪,接着在此基础上利用融合跟踪中预测协方差和预定门限的比值对雷达实施开关机处理,以求有效提高作战飞机在融合跟踪中的抗干扰和反侦察能力。仿真结果表明,该算法可有效地实现系统误差下的目标融合跟踪。     

雷达/红外复合导引头信息融合算法

毫米波雷达/ 红外成像复合制导已成为当前多模复合制导技术的研究热点。从毫米波雷达/ 红外成像复合导引头系统的特点及其工程应用出发,建立了一种基于联邦滤波(FF)的分布式雷达/ 红外复合导引头信息融合算法。首先,针对扩展卡尔曼滤波存在线性化误差以及雷达测量噪声非高斯的特点,采用粒子滤波算法(PF)设计雷达子滤波器;针对红外传感器不能测量目标距离的特点,采用伪线性卡尔曼滤波算法(PLKF)设计红外子滤波器。然后通过主滤波器进行信息融合,并对两个子滤波器进行信息分配和重置。仿真结果表明,该信息融合算法能够有效地提高雷达/红外复合导引头系统的目标跟踪精度及系统的稳定性。     

基于视线测量改进的主被动联合探测数据关联

针对主被动传感器异地配置情况,利用视线测量转换过程,对主被动联合探测的数据关联算法进行了改进:首先,计算视线垂足至主动传感器的距离,以方位测量与该距离之差(测量差)构造新的统计量,通过视线间距以及测量差两个统计量检验初选出候选关联集;接着,主被动视线交叉将不完整的被动测量补充为完整测量,用精度加权法实现多角度测量之间的融合,得到候选集的定位点估计,计算各定位点与目标的关联概率;然后,以视线间距和测量差构造测量距离,利用测量距离之和表征关联集内部各视线的紧密度,给出视线关联度;最后,用视线关联度修正关联概率,最大值搜索正确关联组合。仿真实验结果验证了算法的有效性。     

主被动传感器异地配置下的数据关联

在雷达和ESM传感器异地配置的情况下，分别基于角度统计量和距离统计量提出了二种异类传感器数据关联算法，对算法进行了讨论，进行了计算机仿真。仿真结果表明：二种算法有基本相同的正确关联概率，但基于距离统计量的异类传感器数据关联算法有相对较低的错误关联概率。