基于多传感器异步数据融合的目标跟踪方法

在具有伪测量次优滤波器的基础上，提出多传感器异步融合的目标跟踪算法。通过蒙特卡罗模拟结果证明了该算法的有效性。     

基于光电跟踪系统的联合Kalman滤波器算法研究

传统光电跟踪系统中,采用单传感器方式进行目标跟踪存在跟踪不稳定及传感器切换时跟踪精度大幅度下降等问题.利用融合光电跟踪系统多个传感器信息可以提高系统性能的特点,研究了采用联合Kalman滤波器的融合算法.首先对各传感器获取的目标轨迹数据进行局部滤波,然后由全局滤波器对各局部滤波器的目标轨迹估计进行融合处理,得到目标状态估计的更新.实验仿真结果表明,该融合算法实现了目标的稳定跟踪,其跟踪精度高于传统单传感器跟踪模式,并且有效地解决了传感器失效造成的跟踪精度严重下降问题.     

机载雷达红外传感器集中式融合与管理

提出一种机载多传感器集中式序贯融合与管理的方法.传统扩展卡尔曼滤波融合算法滤波精度不高,因此先利用雷达传感器的量测,采用修正扩展卡尔曼滤波算法对目标状态进行估计,再把估计值作为红外传感器的预测值进行序贯融合.在此基础上采用分辨力增益的方法对传感器进行管理.仿真结果表明该方法能够提高对目标的跟踪精度,增强跟踪系统对环境变化的适应能力.     

雷达辅助光电跟踪系统协同跟踪算法

针对光电跟踪系统对目标探测过程中发生的不完全量测现象,采用雷达辅助光电跟踪系统进行协同跟踪保证量测的连续性。首先给出光电跟踪系统的不完全量测模型以及雷达辅助下的协同互牵引模型,提出基于粒子滤波的序贯融合算法;其次,利用粒子滤波求取传感器在每一时刻的Renyi信息增量作为协同过程互牵引准则,确定互牵引触发时机,确保协同过程的自主性。仿真结果表明:通过选择合适的互牵引门限,能够在尽量少的雷达辐射的条件下改善对目标跟踪性能并保证对目标探测的稳定性。     

目标数据融合方法

对多探测器探测得到的多目标航迹数据进行数据融合处理，以获得统一、真实可靠、高精度的飞行目标航迹参数。本数据融合算法采用改进运动模型的基于多站联测异步数据序贯Kalman滤波的最近邻跟踪算法，以便得到高精度的处理结果。     

多扩展目标跟踪中基于多特征优化的传感器控制方法

针对多扩展目标的优化跟踪问题,该文在有限集统计(FISST)理论框架下,提出一种能够综合优化多扩展目标跟踪性能的传感器控制方法。首先,该文给出加权广义最优子模式分配(WGOSPA)距离构造多扩展目标跟踪多特征估计在其统计平均周围的广义离差,进而研究提出多特征融合下的传感器控制最优决策方法,并利用序贯蒙特卡罗(SMC)技术研究传感器控制最优决策过程的数值求解方法,然后利用伽马高斯逆威沙特多伯努利(GGIW-MBer)滤波器实现所提出的传感器控制策略。最后通过仿真实验验证了所提算法的有效性。     

一种改进的分布式弱目标检测前跟踪算法

针对融合粒子权重的计算实现和传感器局部粒子间融合对应关系的确定问题,本文提出了一种改进的基于粒子滤波的分布式检测前跟踪(PF-DTBD)算法.算法重新推导了融合粒子权重的计算公式,得到一个近似计算式,保证计算结果正确的同时简化了计算;设计了一种基于Gibbs采样的参数估计算法解决了多传感器局部粒子间融合对应关系的确定;依据融合粒子权重与传感器局部粒子权重间的关系引入了结合序贯概率比检验和固定样本长度似然比检验的弱目标检测算法,明确实现了弱目标的检测.与单传感器处理的仿真试验对比,验证了本文算法的有效性,降低了弱目标检测时延,提高了状态估计精度.     

基于强跟踪滤波的传感器目标跟踪算法

为了提高运动目标的跟踪精度,提出一种基于强跟踪滤波的传感器目标跟踪算法.首先通过传感器节点测量目标的状态值,并通过融合中心对信息进行融合,然后利用Cholesky分解技术变换成噪声独立的量化融合系统,并采用强跟踪滤波算法对目标状态进行估计,最后与其它目标跟踪算法进行对比实验.结果表明,本文算法不仅提高了目标跟踪的精度,而且具有更好的鲁棒性.     

光电跟踪系统高精度模板匹配跟踪算法

为实现在光电跟踪系统条件下的高精度测量并且满足复杂环境下高精度目标匹配，本文选用去均值归一化互相关匹配算法。为提高匹配速度以及跟踪实时性，利用和表法计算公式中图像求和、平方和图像匹配互相关来简化计算复杂度；采用小波分层金字塔法作为搜索策略，并将模板质心作为参考点进行十字形搜索，引入终止阈值减少误匹配点进一步提高搜索速度。为验证该算法的有效性，实验中将光电跟踪系统放置在二维转台上，调整转台利用该算法跟踪目标靶板。实验结果表明，目标脱靶量控制在3个像素以内，该算法在光电跟踪系统上可实现高精度稳定跟踪。     

雷达光电智能协同探测技术研究

对低慢小目标的探测,当前雷达光电协同跟踪算法存在较大缺陷,特别是当目标发生强机动时,协同跟踪精度大大降低,主要原因是雷达给出的距离预报精度较差。针对低慢小目标,首先提出了雷达光电协同跟踪流程,然后给出了基于雷达光电数据的距离解耦算法,为光电设备提供高精度的距离信息,最后采用基于IMM-BLUE序贯集中式融合算法,有效地提高了雷达光电协同跟踪的精度和数据率,同时该算法给出了目标的高度,为低慢小目标的打击,提供高质量引导数据。     

一种改进的机载多普勒雷达目标跟踪算法

针对传统的基于多普勒雷达量测转换的目标跟踪算法只适用于静止雷达的问题,将该算法推广至机载多普勒雷达。在每个递推周期里,首先将机载导航数据转换到东北天坐标系中;然后,将距离量测转换成东北天系下的位置伪量测,由此完成对目标的位置滤波;最后,联合目标位置滤波值及多普勒量测对目标进行运动状态滤波,由此得到目标的位置最终估计值。仿真实验结果表明,改进后算法的跟踪精度优于传统的多普勒雷达目标跟踪算法。     

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.     

Sequential sequence estimation for trellis-coded modulation onmultipath fading ISI channels

A new receiver structure is proposed for trellis-coded modulation on multipath fading intersymbol interference (ISI) channels that permits the use of large-state trellis codes. The receiver uses a sequential sequence estimator with the Fano algorithm, and a channel estimator consisting of a fast nonrecursive start-up algorithm for training and the LMS algorithm for tracking. During the tracking mode, the channel estimates are updated dynamically by using recent tentative decisions produced by the sequential sequence estimator. This approach results in good tracking even on rapidly varying channels, and reduces the degradation in performance of the sequential sequence estimator due to channel estimation error. The effect of fading is mitigated using both implicit time diversity in the form of interleaved trellis-coded modulation and explicit antenna diversity     

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。     

集中式BLUE滤波器在组网雷达中的应用

为解决组网雷达对目标跟踪中的量测非线性问题,提出基于最佳线性无偏估计器(BLUE)准则的融合滤波方法。建立以融合中心为原点的组网雷达对目标定位的量测方程,推导出极坐标系与球坐标系下跟踪目标的BLUE滤波模型。理论分析表明,集中式BLUE滤波架构在估计单个雷达量测转换误差统计特性的同时,还估计出雷达间量测转换误差的统计特性。因此,跟踪精度和置信度较分布式BLUE滤波方法有显著提高,计算量较其他算法也有明显优势。不同场景下的仿真分析证明:该方法在不同状态噪声水平下的表现优异,是一种很有竞争力的跟踪算法。     

A Novel Distributed Sensor Fusion Algorithm for RSSI-Based Location Estimation Using the Unscented Kalman Filter

We address the Bayesian sensor fusion approach for distributed location estimation in the wireless sensor network. Assume each sensor transmits local calculation of target position to a fusion center, which then generates under a Bayesian framework the final estimated trajectory. We study received signal strength indication-based approach using the unscented Kalman filter for each sensor to compute local estimation, and propose a novel distributed algorithm which combines the soft outputs sent from selected sensors and computes the approximated Bayesian estimates to the true position. Simulation results demonstrate that the proposed soft combining method can achieve similar tracking performance as the centralized data fusion approach. The computational cost of the proposed algorithm is less than the centralized method especially in large scale sensor networks. In addition, it is straightforward to incorporate the proposed soft combining strategy with other Bayesian filters for the general purpose of data fusion.

     

局域跟踪的测速雷达网量测融合弹道解算

 组网测速雷达覆盖地域较广,火箭飞行初始段,只有局域雷达网捕获目标,没有足够速度量测,无法独立解算弹道.本文利用测速雷达精度较低的角度量测,以交会方法先获得初步的目标位置估计作为伪定位量测,利用无迹卡尔曼滤波(UKF)将其与高精度速度量测融合对弹道进行估计.蒙特卡罗仿真表明,该方法可以弥补角度量测的精度,获得满足精度要求的弹道估计.     

Information fusion Wiener filter for the multisensor multichannel ARMA signals with time-delayed measurements

For the multisensor multichannel autoregressive moving average (ARMA) signals with time-delayed measurements, a measurement transformation approach is presented, which transforms the equivalent state space model with measurement delays into the state space model without measurement delays, and then using the Kalman filtering method, under the linear minimum variance optimal weighted fusion rules, three distributed optimal fusion Wiener filters weighted by matrices, diagonal matrices and scalars are presented, respectively, which can handle the fused filtering, prediction and smoothing problems. They are locally optimal and globally suboptimal. The accuracy of the fuser is higher than that of each local signal estimator. In order to compute the optimal weights, the formulae of computing the cross-covariances among local signal estimation errors are given. A Monte Carlo simulation example for the three-sensor target tracking system with time-delayed measurements shows their effectiveness.     

Data fusion for ballistic targets tracking using least squares

The paper deals with the problem of state estimation of continuous-time nonlinear system using discrete-time measurements from multiple sensors. In particular, the problem of multi-radar tracking of artillery ballistic objects is considered. A batch estimator based on the iterative least squares approach is developed using simplified and accurate models of ballistic flight. The estimator is applied to process the sequences of measurements from radars tracking the same ballistic target. Estimates of the target state over time are computed and their accuracy is compared to the estimates yielded by the extended Kalman filter. Partial estimates from multiple radars are combined using track fusion approach and propagated using the 3 degree of freedom model of ballistic flight. Accuracy of target's firing point estimation is also analysed with respect to the data rates and locations of the radars with respect to the target. Practical aspects of the proposed method are also discussed.     

一种基于异步传感器网络的空间目标分布式跟踪方法

为解决传感器网络在空间目标分布式跟踪过程中的异步采样及通信延迟问题,该文提出一种异步分布式信息滤波算法(ADIF)。首先,局部传感器与相邻节点之间以一定的拓扑结构传递带采样时标的局部状态信息和量测信息,然后将收到的异步信息按时间排序,使用ADIF算法进行计算,分别对目标状态进行估计。该方法实现简单,传感器间通信的次数少,支持网络拓扑的实时变化,适用于空间目标监测中的多目标跟踪问题。该文分别对空间单目标、多目标跟踪进行了仿真,结果表明算法可以有效解决异步传感器滤波问题,分布式滤波精度一致逼近于集中式结果。