被动传感器系统分层快速关联算法

被动传感器系统的核心问题是测量数据关联问题.在被动传感器系统中,多维分配算法是一种有效的关联算法,但多维分配本身是一个NP-hard问题并且建立候选分配树需耗费大量时间.为解决被动传感器系统中测量数据快速关联问题,本文提出了分层快速关联算法.该算法通过统计量检验减少候选关联,分层搜索寻找正确关联.仿真实验结果表明,分层快速关联算法是一种有效的关联算法,正确关联率高于拉格朗日松驰算法.     

网状被动传感器系统视线交叉目标定位方法

在被动传感器系统中,快速、准确的定位技术对于数据的关联、目标的跟踪至关重要。为解决网状被动传感器系统中目标定位问题,该文提出了垂线定位法。仿真实验结果表明,垂线定位法是一种有效的目标定位方法,其定位误差的方差能达到Cramer-Rao下界。     

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。     

改进的主/被动传感器协同探测跟踪方法研究

针对主动传感器辅助的被动传感器跟踪系统,为了提升系统的跟踪精度,改进主动传感器工作控制的实时性和精确性,结合地空导弹武器跟踪系统中的"粗跟"与"精跟"模式,提出了一种改进的主/被动传感器协同探测跟踪方法。在主动传感器开机时,利用曲线拟合推理出目标的运动轨迹;关机后,利用拟合的"估计量测"值和滤波预测值产生新息残差,并将其作为评价因子,结合信息熵理论设计"粗跟"和"精跟"模式下的航迹质量评价准则。实现了主/被动传感器间的实时切换以及"粗跟"和"精跟"模式间的自适应切换,克服了被动传感器距离量测的不可观测性。采用Monte Carlo仿真,同跟踪门法作比较,结果验证了改进方法的合理性和优越性。     

主被动雷达数据融合及跟踪

主、被动雷达同时工作阶段,导引头需要处理的数据包括两个不同数据率且非对准的角度数据,应用主被动数据融合处理的思想和方法进行精确的跟踪将是这一段时间导引头的主要任务。文中提出了一种利用目标先验信息改变权值的“基于最近邻简单方差融合算法”,当主动雷达受干扰时,利用目标运动的先验信息判断干扰出现,然后改变融合权值,使受干扰雷达观测数据所占比重减小,进行干扰抑制和跟踪。经过理论分析和仿真试验,证明了该方法能有效地抑制干扰并进行目标跟踪,且具有算法简单、计算量小的特点。     

基于角度余切值的多被动传感器数据关联

本文针对被动多传感器的量测数据关联问题,提出一种新颖的基于角度余切值的快速数据关联算法.该算法直接采用角度信息进行数据关联,不需要计算异面直线之间的距离,避免了将角度换算成距离,有效提高了计算效率.首先通过方位角与俯仰角检测对所有可能关联组合进行筛选,然后采用指示函数法对候选关联集进行分析,挑选出正确的关联组合.仿真实验表明,该算法在不影响性能的前提下,运算时间上明显少于传统算法.     

主被动联合声呐性能测试方案设计

对研制和使用的声呐系统和设备都应进行性能的检验和测试,以保证满足实际工作的需要.针对主被动联合声呐的设计要求和技术指标,结合项目实际情况,设计了一种检验主被动声呐性能的湖上测试方案.通过湖上试验验证,设计完成的测试方案有效检验了主被动声呐系统的性能和技术指标,达到了项目提出的考核指标.     

基于多传感器的多目标联合概率数据关联被动跟踪算法

文章根据多传感器被动跟踪的特征,对传统的联合概率数据关联算法进行了修改,给出了求解联合事件概率的方法.利用同类数据的特点,采用了位置量测合并的方法,避免了计算量的增加.还开发了适用的生成可行矩阵的Matlab程序.最后,进行了MonteCarlo仿真实验,验证了文中算法能够很好地对多个目标进行精确跟踪.     

三维空间被动传感器的快速数据关联算法研究

这篇文章主要研究的是三维被动传感器的静态测量数据关联问题.多维指派算法以及它的诸多近优改进型方法已被证明可有效解决数据关联问题,但它们的缺点是候选关联代价的计算复杂且计算量大.我们提出了一种快速数据关联算法即基准线最小代价算法,该算法实质上是基准线算法与改进的三维指派算法的结合.它的优点是可快速削减候选关联集合的数目,并可简化关联代价的计算.仿真结果表明,该算法的计算量小于标准的三维指派算法.     

基于椭球聚类的毫米波主被动复合探测信息融合

在毫米波主被动复合探测数据融合中,考虑信号在特征空间中各向异性的分布情况,将描述模式不确定性的隶属度函数引入到证据理论中,提出椭球聚类的方法来确定隶属度及基本概率赋值函数,再根据组合规则进行融合。实验表明该方法是一种有效的数据融合方法,能获得较高的目标识别率。     

主被动传感器实时信息融合的STMHM算法

主、被动传感器实时信息融合是同时实现目标跟踪和目标识别的重要途径,构建STMHM(空时二维多假设模型)算法来解决该问题.首先,设计主、被动传感器的融合数据模型,并分别构建两类传感器的目标量测空间,设计STMHM的融合空间;其次,提出主、被动传感器量测空间时间初始化方法,并设计模型的滤波算法,给出适应于该算法的信息融合评判规则;最后,设计空中态势,运用该算法对数据进行融合,验证算法的有效性.     

基于主动探测与被动截获协同的多源异类数据融合定位算法研究

针对当前主动雷达在复杂电磁环境下的使用风险,以及无源被动定位精度较差的问题,本文提出了一种基于极大似然意义下的雷达主动探测与电子侦察被动截获相结合的数据融合最优定位算法,该算法有效地提高了目标定位精度.通过Monte Carlo仿真表明,在信噪比适当的情况下,所提算法能够达到CRLB界,验证了该算法的有效性.     

被动传感器组网模糊综合贴近度的数据关联算法

针对被动传感器采样非周期且采样数据缺乏距离信息等特点,提出了一种用于解决目标航迹与传感器量测相关联的模糊综合贴近度的数据关联算法.由于被动传感器的量测没有距离信息且传感器探测范围小,本算法首先设置两个关联波门进行量测筛选;然后采用航向确定法得出航向角信息,并综合方位角、俯仰角信息,使用模糊综合的方法进行最终的关联,以解决关联错误率高的问题;最后使用扩展卡尔曼滤波进行目标状态与协方差的更新.实验结果证明了该算法方法的有效性.     

基于IMM-UKF的主/被动雷达融合算法

在主/被动雷达双传感器目标跟踪背景下,提出一种基于IMM-UKF滤波的加权数据融合算法。该算法采用UKF对观测数据进行滤波估计,避免了计算雅克比矩阵,克服EKF滤波方法受滤波初值影响大、易发散的缺点。与单一传感器进行仿真比较,结果表明该算法可以比任一单传感器滤波精度高,稳定性更好。     

一种基于GA的无源交叉定位数据关联算法

针对多站无源测向交叉定位的多目标辐射源数据关联问题,提出了一种基于遗传算法的无源多站多目标交叉定位数据关联算法。利用遗传算法在解决组合优化中NP问题的优势,将遗传算法引入到数据关联算法的求解过程中,对基于残差的数据关联算法进行了优化改进,给出了求解步骤。仿真结果表明,在考虑虚警和漏检的情况下,由于遗传算法充分利用了全局信息,所以基于遗传算法的数据关联算法能以较快的速度实现收敛,并且正确关联率明显提高,从而能够更有效地分辨真实目标和虚假目标。     

谐振型SAW无线无源传感器的测试系统研究

采用一种低成本、高效率的电路系统实现对谐振型无线无源声表面波(SAW)传感器的测试。该电路利用直接数字频率合成(DDS)技术产生不同频率的射频信号用以激励SAW传感器。在接收端采用功率探测器检测回波信号的包络,通过包络的变化得到待测物理化学参量的变化。该测试系统产生的激励信号功率最高可达10dBm,测试时间约为0.5s,与矢网测试结果相比,其测试相对误差仅为0.002 4%。实验结果表明,该系统能够稳定、可靠地实现谐振型SAW传感器的快速检测。     

基于代价函数修正的异类传感器数据关联算法

针对现有异类传感器数据关联算法在构造关联代价时未充分考虑最大似然估计引入误差的问题,提出了一种修正代价函数的异类传感器数据关联算法。基于主、被动传感器各自的优势信息构造观测矩阵,得到目标的位置估计,继而根据异类传感器融合系统的观测模型得到伪量测信息,并利用一阶泰勒展开近似推出伪量测的方差信息,再用其对关联代价函数进行修正,改进后的代价函数能更加准确地描述量测之间的关系。仿真结果表明,修正后的关联代价函数能更精确地反映数据关联的可能性程度,所提算法可获得更好的关联正确率。