雷达-红外双模制导的神经网络数据融合算法

在雷达 红外双模制导体制下 ,对雷达和红外数据进行融合时存在雷达和红外数据不同步的问题 ,对红外数据先进行异步融合处理使其与雷达数据保持同步 ,然后提出了利用神经网络作为同步融合中心的方法 .雷达和红外数据共同作为神经网络的输入 ,输出为目标的最优融合估计 .这种方法可以在融合中心不知道协方差信息的情况下进行数据融合 .仿真结果表明该方法有效     

基于神经网络的双模复合制导数据融合

利用神经网络研究了双模制导体制下数据融合问题．首先对每个传感器测得的数据分别求取PDA估计，再利用神经网络进行数据融合，给出了一种具体的融合算法。最后由计算机仿真证明算法合理。     

雷达/红外双模制导下的数据融合与可视化仿真

多模复合寻的制导技术已成为精确制导武器的发展方向．采用雷达／红外双模制导模式，可有效提高制导系统的精度．因为雷达导引头具有全天候、测角和测距等优点，红外导引头具有测角精度高，测量连续等优点．将两者的信息有效地融合可以实现性能互补，提高对目标的跟踪能力．利用Visual C 6.0和OpenGL工具可实现雷达／红外双模制导的可视化仿真．     

一种雷达/红外双模制导信息融合滤波算法

现代战争战场环境恶化,单一制导模式容易受到天气和干扰等影响,导弹制导性能降低,适应性差。雷达/红外双模制导模式综合了各传感器的优点,使制导系统具有更强的抗干扰能力、更高的命中精度。文中以工程化应用为背景,首先对主动雷达导引头和红外成像导引头测量信息采用方差自适应算法进行数据融合,再应用自适应的扩展卡尔曼滤波估计目标运动状态。最后,通过全弹道仿真证明了该方法的有效性。     

红外/毫米波双模制导数据融合方法

通过分析导引头视线角速度的获取方式和变化规律,建立了Kalman滤波所需的状态方程和观测方程;利用三维仿真提供的视线角速度观测值。对几种数据融合方法进行滤波仿真并进行分析、比较．对弹载滤波和数据融合的工程化设计提出一些见解。     

数据融合在雷达/红外复合制导中的应用研究

文中解决了数据融合在雷达/红外复合制导中的应用的几项关键问题.利用模糊集合来描述检测率和虚警率,提出了一种多传感器目标检测的模糊信息融合算法.利用神经网络研究了双模制导体制下目标跟踪数据融合问题,并也给出了一种具体的算法.     

国外雷达/红外双模复合导引头的应用概况

主要综合了国外有关导弹发展的资料,对雷达、红外型的制导情况作了比较,论述了两种制导体制相复合之优点,阐述了国外雷达/红外双模复合导引头的发展及应用状况。     

雷达/红外复合导引头信息融合技术研究

多模复合寻的制导技术已成为精确制导武器的发展方向,采用雷达/红外双模制导模式,可有效提高制导系统的精度。多传感器数据融合技术是双(多)模寻的制导的关键技术之一。对雷达/红外复合导引头数据融合研究现状进行了讨论,包括目标跟踪融合的关联和估计、数据对准、航迹关联、航迹融合、目标识别;并讨论了这些算法的基本原理、相关技术及方法、存在的问题和研究方向。     

单平台主/被动雷达制导异步数据融合算法研究

为改善主/被动雷达对目标的跟踪性能,在主/被动雷达双模制导模式下,对主/被动雷达的测量数据进行融合处理.由于主/被动雷达测量周期不同,导致主/被动雷达测量数据不同步,文中对于不同步的信息采用基于最小二乘法的时间配准方法,使之信息同步;对同步后的主/被动雷达数据采用带反馈的卡尔曼滤波算法,由于被动雷达仅测得目标的角度信息,而主动雷达可得到目标的角度和距离信息,本文将融合中心的状态估计和预测协方差反馈给被动雷达.仿真结果表明,融合中心能够实现对目标的状态估计,且反馈的利用可以明显改善局部传感器的估计精度,能够有效地减小系统动态误差.     

射频/红外双模系统

发明背景本发明是关于射频和红外寻的制导系统,更具体的说,是做成一个公共表面,用来辐射和吸收射频能量以及反射和聚束红外能量的射频/红外双模寻的制导系统。光电寻的制导系统(例如红外系统),由于它的高分辨率,例如窄波束,提供了极好的跟踪能力。可是,在坏天气时,这些系统的作用范围相对地减小。另一方面,射频系统在全天候条件下,作用范围大,但它不能提供光电系统那样的跟踪精度。一个射频/红外双模系统将具有两者技术之优点。然而,射频/红外系统所用的元件、材料和物理定理数据截然不同。许多要求似乎是互斥的。这些困难使得在这些技术组合中,所固有的潜在性能的优点不能实现。     

雷达／红外数据融合的机动目标跟踪算法综述

雷达与红外数据融合能够实现信息互补,提高目标跟踪精度、识别能力以及增强系统的抗干扰性,因此受到广泛关注。针对雷达和红外数据融合跟踪机动目标的体系结构,基于近几年国内外的研究,对整个体系中的算法进行了综述。     

交互式多模型算法在机动目标跟踪中的应用

文中首先介绍了目标跟踪的数学模型,然后研究了交互式多模型算法(IMM算法)的基本结构,最后应用IMM算法跟踪空中交通管制中的机动目标,通过仿真实例详细地分析了影响IMM算法的主要因素.仿真结果表明IMM算法可以有效地跟踪空中交通管制中的机动目标.     

单机动目标跟踪精度分析

文中通过对两种经典跟踪模型的对比分析，讨论了模型和算法对跟踪精度的影响。另外对机动目标加速度协方差对跟踪精度的影响进行讨论。最后，对一种新的自适应滤波算法进行介绍。     

一种全新的自适应机动目标跟踪算法

文中提出了一种以测量值和系统模型为"双中心"的局部平滑双航迹自适应算法.并利用VC++对一批雷达测量到的实际目标进行了比较处理,证明此算法在目标机动时比传统的自适应算法更具优越性.     

机动目标跟踪中自适应滤波算法的研究

文中对机动目标跟踪中的自适应滤波算法进行了研究,给出了一种适用于雷达导引头跟踪系统的修正的自适应卡尔曼滤波算法,通过全弹系统的数字仿真,对影响该算法滤波性能的各种因素进行了分析讨论.大量仿真结果表明该自适应滤波算法对于机动目标具有良好的跟踪性能和适应能力.     

基于多传感器数据融合的机动目标跟踪算法研究

在分析了机动目标跟踪的重要地位之后，探讨了两种时下常用的机动目标跟踪的方法，基于自适应相互作用多模型的算法和α—β滤波算法，试图对基于多传感器的机动目标跟踪和识别算法构建一个轮廓和框架。     

基于转换量测的水下目标跟踪

针对水下目标跟踪的实际应用情况，提出了基于转换量测误差统计分析的去偏转换量测和基于修正转换量测误差的无偏转换量测方法；给出了基于转换量测的球坐标一直角坐标下目标跟踪算法，并进行了性能仿真。结果表明：这两种跟踪方法都具有很高的跟踪精度和稳定性；基于修正转换量测的跟踪算法对角度量测误差的不同分布有较强的适应性，在角度量测误差较大的情况下，该算法的性能要优于基于误差统计分析的跟踪算法。     

基于粒子滤波器的多机动目标跟踪贝叶斯滤波算法研究

提出了一种新的基于粒子滤波器的贝叶斯滤波算法, 用于在非线性非高斯假设下跟踪多机动目标.对目标动态行为的已知描述构成了贝叶斯的先验知识.近来时序蒙特卡罗技术的发展, 特别是粒子滤波器算法, 使采用一个目标状态的集合对贝叶斯模型的后验知识进行建模和跟踪成为可能, 这个集合可以看作是这个后验密度函数的采样集合.这种新的贝叶斯滤波算法是粒子滤波器与划分采样技术和假设计算的有机结合.在与SIR/MCJPDA算法的比较仿真研究中, 证明该算法能够提高系统的跟踪性能.     

自适应交互多模型的PHD粒子滤波多机动目标跟踪

针对多机动目标跟踪中采用统一固定模型转移概率的问题,提出一种在线估计模型转移概率的自适应多模型PHD滤波(AIMM-PHD)。首先保留模型的采样粒子及其似然度;其次根据粒子的分类结果,计算出每个目标对应每个模型的状态输出;最后将输出交替作为模型输入进行滤波,计算出目标的模型转移概率。实验表明:相较于IMM-PHD,所提AIMM-PHD有较低的OSPA误差,目标个数估计更准确,且时间只增加了8.1%,从而证明了该算法的有效性。     

一种基于JPDAF的机动目标轨迹融合算法

多传感器目标跟踪是利用不同的平台获得有关目标的准确、连续的动态描述。PDAF(probabilistic data association filter)算法用于处理单目标跟踪问题，它假定所有的量测都是在特定的目标扩展门限中，即来自一个目标或杂波。如果另一个目标也在该门限中，就可能产生错误。为了解决混杂、密集环境下的多目标跟踪问题，本文利用JPDAF(joint probabilities data association filter)算法，通过考虑可利用的关联事件来简化处理过程．根据关联概率值来对假设进行估计。最后的仿真结果表明该算法对向量状态估计有明显改善。