相关噪声情况下航迹的关联及融合算法

本文研究了量测噪声与系统噪声相关情况下同步多传感跟踪系统的航迹关联及融合技术.考虑线性连续时间系统中过程噪声及量测噪声相互独立的情况,通过线性系统的离散化表明了在多传感跟踪系统中,由于公共噪声的影响而使离散化的量测噪声及过程噪声之间存在一定的相关性.根据假设检验的理论,本文推导了噪声相关情况下的多传感器跟踪系统航迹关联及融合的算法,Monte Carlo仿真结果表明了该算法的有效性.     

目标航迹融合的一种方法及其实现

本文结合通信对抗的实际需要，较详细地给出了目标航迹融合的一种简洁、有效的方法，并给出了有关的计算公式、目标航迹融合的实现步骤及相应的数据结构。     

过程噪声对融合航迹性能的影响

本文研究动态系统过程噪声对航迹统计距离和状态融合估计性能的影响。由过程噪声产生的航迹互协方差矩阵的运算量较大,甚至占到航迹融合总运算量的一半,所以在实现系统时应尽量避免互协方差矩阵的在线计算。文中估计并比较了互协方差矩阵、统计距离及状态融合估计的运算量,仿真研究了观测噪声对航迹统计距离和状态融合估计性能的影响。仿真结果表明在过程噪声较小而对融合航迹性能的影响有限时,可考虑忽略过程噪声的影响,这样将大大降低运算量,反之则不能忽略。     

一种基于分步式滤波的数据融合算法

本文提出了一种基于分步式滤波的多传感器动态系统数据融合算法.在由多传感器组成的分布式动态系统中,当对目标状态的所有观测值到来时,首先基于系统先前信息对该时刻目标状态进行预测估计,利用Kalman滤波器和各局部观测值依次对该时刻目标状态的估计值进行更新,从而得到该时刻目标状态基于全局信息的融合估计值.文中详细推证了融合算法的具体形式,并与传统的集中式数据融合算法在计算复杂度上进行了比较,计算机仿真表明该算法与传统的集中式算法对目标状态具有相同的估计精确度.     

基于噪声方差确定非线性扩散除噪声的最优停止时间

该文采用非线性扩散进行图像除噪声并在这个计算框架下提出利用噪声方差选择最优停止时间的方法。在利用非线性扩散进行图像除噪声时,每次迭代平滑掉的图像的方差大于平滑掉的噪声的方差时,迭代应该停止。为了在除噪声过程中正确地估计噪声的方差,该文构造一幅纯噪声图像跟实际的观测图像同步进行迭代计算,并把纯噪声图像的方差作为图像中噪声方差的估计值来辅助计算最优停止时间。针对非线性扩散的各项异性,提出了能够保持两种噪声同步变化的特殊的规整化项。新的规整化项在迭代纯粹噪声图像时使用,这样确保每次迭代都可以保持合成噪声与实际图像噪声的统计特性相一致。实验证明新的算法可以非常有效地选择合适的停止时间。     

一种改进的基于预测融合的跟踪航迹融合模型

针对基于预测融合的跟踪航迹融合模型(FP-TFM)在多传感器航迹融合时由于大量的矩阵运算导致的跟踪发散或失效问题提出了一种改进的基于预测融合的跟踪航迹融合模型(FP-ITFM),采用加权融合思想改进了FP-TFM的融合规则,使得改进后的FP-ITFM具有了较高的融合精度、较低的计算负载,同时增加了FP-ITFM的可扩展性、实时性以及稳定性。最后,Monte Carlo仿真结果验证了所提出模型的有效性。     

一种自适应天波超视距雷达航迹融合算法

 针对天波超视距雷达在雷达坐标系下跟踪目标时,多路径传播效应下的各模式航迹起始与终结时刻不同而造成航迹缺失条件下的航迹融合问题,本文给出一种自适应天波超视距雷达航迹融合算法,通过应用当前时刻获得的新信息与历史时刻获得的信息联合确定最优关联假设,从而获得最优的目标状态估计.仿真表明,与多假设航迹融合算法相比,本文的算法大大降低了融合结果误差.     

一种基于航迹光滑滤波的目标跟踪方法

针对高频雷达数据率低、系统特性和目标运动复杂的应用背景,文中提出了一种航迹滤波方法来改进对目标航迹的跟踪质量.依据目标运动所形成的航迹应该是连续光滑的原理,对动态特性完全未知的运动过程,利用回归分析建立结构简单、鲁棒性强的估计模型,通过平滑滤波获得目标运动状态的估计值,建立目标航迹.实验数据处理结果表明航迹滤波方法具有适用性广、稳健性好的特点.     

基于自适应区域方差的图像融合方法

基于自适应区域方差的图像融合方法。根据具体图像采用自适应方法确定区域方差的求取范围。图像融合的方法是区域方差融合,图像采用Contourlet变换。实验结果表明,采用区域方差融合的方法能有效提高图像的信息熵和平均梯度。与传统的直接融合方法相比,在完成了图像融合的功能的前提下提升了图像的细节信息。     

基于区域协方差的图像特征融合方法

考虑到不同特征代表图像的不同信息,融合后的特征更能体现图像的本质,概括总结了国内外各类图像特征融合方法,重点阐述分析了基于区域协方差的特征融合方法,该方法可以自然地融合多个相关特征,协方差计算本身具有滤波能力且效率高,最后通过设计合适的目标特征,基于区域协方差融合特征实现舰船目标识别。实验表明,协方差描述子可以较好地融合舰船可见光图像或红外图像的目标特征,提高目标识别能力。     

On Posterior Distributions for Signals in Gaussian Noise With Unknown Covariance Matrix

A Bayesian approach to estimate parameters of signals embedded in complex Gaussian noise with unknown color is presented. The study specifically focuses on a Bayesian treatment of the unknown noise covariance matrix making up a nuisance parameter in such problems. By integrating out uncertainties regarding the noise color, an enhanced ability to estimate both the signal parameters as well as properties of the error is exploited. Several noninformative priors for the covariance matrix, such as the reference prior, the Jeffreys prior, and modifications to this, are considered. Some of the priors result in analytical solutions, whereas others demand numerical approximations. In the linear signal model, connections are made between the standard Adaptive Maximum Likelihood (AML) estimate and a Bayesian solution using the Jeffreys prior. With adjustments to the Jeffreys prior, correspondence to the regularized solution is also established. This in turn enables a formal treatment of the regularization parameter. Simulations indicate that significant improvements, compared to the AML estimator, can be obtained by considering both the derived regularized solutions as well as the one obtained using the reference prior. The simulations also indicate the possibility of enhancing the predictions of properties of the error as uncertainties in the noise color are acknowledged.     

基于CNN 的多目标航迹融合算法

针对传统的航迹融合算法精度较低、计算过程需要先验状态估计的缺点,提出了一种基于卷积神经网络(CNN)的航迹融合算法。各局部航迹在融合中心已经过时空校准和航迹关联。由于目标运动轨迹具有时间相关性的特点,采用连续多周期的局部航迹估计,结合深度学习积累经验的能力,解析出当前时刻的更精确的系统航迹估计,实现航迹融合。实验表明,该种融合算法能够处理具有共同过程噪声复杂环境干扰下的综合误差,并且在不同传感器和环境情况下,以相同的CNN模型结构训练,融合后的系统航迹误差均方差都低于各局部航迹误差均方差,证明了该算法能够提高航迹精度,具有可行性。     

基于信噪比软信息的协同频谱感知算法

针对协同频谱感知方法中假定各基站信噪比近似相同,使信噪比差异较大时检测概率性能无法得以明显提升的问题,本文提出一种在OFDM系统下,结合信噪比信息进行融合判决的协同频谱感知算法。该方法首先利用OFDM系统的循环前缀提出一种适合认知无线电系统的盲信噪比估计方法;然后,利用检测概率在信噪比-5dB~-13dB的区间内近似线性变化的特性,依据估计所得信噪比值对检测概率曲线进行软信息量化,作为各基站判决信息的置信度,从而使权重分配更加合理化,同时,相比于判决融合方法,并不明显提高传输带宽。仿真结果表明,相比与传统方法,此方法能有效利用信噪比信息,在不同信噪比环境下均有较优性能,尤其在各基站信噪比差异较大时,其性能已接近数据判决精度。      

基于协方差加权的卡尔曼滤波融合跟踪算法

针对卡尔曼滤波融合跟踪对系统模型准确度和先验信息精度要求较高的问题,提出一种基于协方差加权的卡尔曼滤波融合方法,利用最小二乘准则作为误差加权的标准,使误差小的传感器加权因子大。基于此,再利用卡尔曼滤波融合,充分保留有用信息,抑制噪声干扰。在目标跟踪应用中,即使噪声统计信息未知且噪声互相关,利用该方法仍能够获得最小均方误差准则下的最优目标状态跟踪估计。     

雷达情报综合中的航迹处理方法

近年来,基于雷达网的雷达情报综合处理的研究和应用日益受到重视。本文以具体雷达情报处理系统综合软件设计的实践为基础,着重讨论雷达情报自动综合处理的实现方法。本文内容包括自动综合处理以及综合软件设计。在进行航迹相关判断时采用了动态多因子相关算法;在目标跟踪中．采用了α-β滤波器与机动检测器相结合的方法,其中机动检测采用了偏离距离法和偏离速度法。这样既保证了良好的航迹平滑效果,又较好地解决了目标机动检测问题。本文侧重于工程上的应用,目的是为雷达情报自动综合处理提供一种合理而全面的处理方法,所涉及到的算法与方法也适用于雷达情报融合,文中所提出的理论均在实际雷达情报系统中得到了验证。     

多雷达点迹融合前目标跟踪方法研究

为适应目标机动性强、探测概率低、信号噪声比低的现代战争复杂作战环境,提出一种基于三维霍夫变换与多假设跟踪、充分利用信息融合前从雷达获得的点迹信息的多雷达点轨融合前运动目标跟踪方法,有效地降低计算复杂性,准确检测和跟踪各种复杂环境中的目标.     

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。     

小波变换域估计观测噪声方差的Kalman滤波算法及其在数据融合中的应用

众所周知,卡尔曼滤波的成功应用需要事先准确知道观测噪声的统计特性.本文首先简要分析了不准确的观测噪声统计特性对卡尔曼滤波性能的影响,然后利用小波变换可以实时分离信号和噪声的特性,提出了一种在未知观测噪声条件下的卡尔曼滤波算法,该算法可以实时跟踪观测噪声的变化,即实现了对观测噪声方差的实时估计,从而解决了在未知观测噪声的条件下卡尔曼滤波失效问题.最后讨论了提出的方法在信息融合中的应用,仿真结果证明了本文方法的有效性和实用性.     

基于协方差矩阵重构的离网格DOA估计方法

针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR).首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计.数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR(SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度.