基于D-S证据理论的无源航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本照搬多传感器数据融合的理论,仅利用目标的状态信息。文中利用了目标的多特征信息（载频、脉宽、脉冲重复间隔（PRI）等）,应用Dempster-Shafer（D-S）证据理论,提出了一种基于分布式无源多目标跟踪系统的多特征信息融合航迹关联算法。算法具有以下优点：关联速度快,正确率高,而且能够适应密集目标的环境。仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法。     

对海无人机数据融合技术研究

研究了数据融合技术在对海无人机侦察探测与目标指示过程中的应用,提出一种具有工程应用价值的对海目标航迹融合算法。通过时空对准、数据关联、航迹合成及航迹文件管理、融合跟踪滤波等处理,完成了对机载传感器探测目标的航迹融合;形成了统一的战场态势信息及高精度的目标指示信息,为战场态势感知及目标打击提供了强有力的信息支撑。通过仿真验证,证明了算法的有效性及其较高的工程应用价值。     

综合利用各类信息的异类灰色航迹关联算法

异类传感器航迹关联是航迹融合中的一个难点,红外传感器与雷达的航迹关联是典型的异类传感器航迹关联。综合利用角度和其他特征信息是改善异类传感器航迹关联的一个重要途径。针对异类传感器数据关联用于关联的信息量少的问题,对于雷达在直角坐标系对目标进行跟踪,红外传感器在修正的球坐标系对目标进行跟踪的情况,综合利用角度、角度变化率和ITG信息,提出了一种基于灰色理论的航迹关联决策方法,计算机仿真结果表明新的关联算法与只利用角度信息的关联算法相比具有更好的关联性能。     

基于逻辑推理的地面目标融合算法研究

研究了基于地面传感器的地面运动目标数据融合问题。依据地面运动目标的类型和传感器上报的数据,应用Dempster-Shafer证据理论对地面运动目标进行身份识别。分析了地面运动目标跟踪的典型场景,采用逻辑推理方法进行目标跟踪。针对目标轨迹为折线的情况,选择最小二乘法进行目标的轨迹平滑。实际运行结果表明,地面运动目标数据融合算法是有效的。     

基于类型辅助灰色关联度的红外传感器和ESM航迹关联算法

红外传感器与ESM是军事多传感器信息融合系统的重要组成部分。针对二者之间的航迹关联问题,提出了一种综合利用灰色关联度和类型信息的航迹关联算法。该算法将红外传感器和ESM的航迹序列看作离散时间函数,通过计算各航迹间的灰色B型关联度,形成灰色关联矩阵;通过归一化信息熵判断目标和辐射源类型信息的有效性,结合目标和辐射源的配属关系并利用VBS理论将不同框架下的证据转换到相同框架下,然后采用Jousselme距离度量证据的一致性,从而形成类型关联矩阵;最后,综合利用灰色关联矩阵和类型关联矩阵进行航迹关联判别。仿真结果表明,当可用数据点较多时,基于灰色关联度的航迹关联算法具有较高的关联正确率;当传感器分类效果较好时,基于类型辅助灰色关联度的航迹关联算法具有更好的关联性能。      

基于航迹隶属度的分布式系统数据融合算法

航迹关联与航迹融合是分布式目标跟踪系统数据融合的关键.本文研究了基于航迹隶属度的数据融合算法.综合各传感器航迹估计形成的目标运动状态特征向量与传感器分辨率,根据模糊聚类算法建立各观测时刻航迹隶属度矩阵与系统航迹关联决策矩阵,解决融合中心航迹关联问题.根据加权融合算法思想,结合各观测时刻航迹隶属度矩阵,实时、动态分配航迹号集合中各局部航迹权值,解决目标航迹融合问题.蒙特卡罗仿真表明,算法航迹关联效果明显优于加权航迹关联算法,并得到与简单航迹融合算法一致的目标融合航迹.     

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。     

D-S证据理论和粗集理论在数据融合中的应用

提出了一种由粗集理论和D S证据理论结合的多传感器数据融合方法 ,并将其应用于目标识别中。在目标识别的数据融合中 ,利用粗集理论对大量的传感器数据进行处理 ,判断出冗余传感器 ,得到传感器的最简组合 ,从而简化特征数据。然后利用D S理论实现目标的分类 ,改进分类的效果。因此 ,将两种方法结合起来应用于数据融合技术中来进行目标识别 ,为解决传感器数据超载以及不完整传感器信息融合提供了一种方法 ,且提高了识别的速度和效果     

小波分析在多传感器多目标跟踪的航迹相关算法中的应用

在多传感器多目标融合跟踪系统中,航迹关联是对目标进行连续跟踪最重要的关键技术。在融合中心,对多传感器获得的目标航迹数据进行航迹关联处理,判断哪些航迹数据源于同一个目标。利用小波分析的方法提取航迹信号的趋势项信息,再结合传统的航迹关联处理方法对这些趋势信号进行关联判决。仿真实验表明这种方法是可行的。     

多传感器数据关联与状态跟踪算法分析

本文针对给定区域内目标运动状态跟踪检测环节,多传感器跟踪系统获取测量数据与实际状态间存在较大偏差的问题,拟提出一种建立多目标数据关联、支持多传感器航迹融合的目标运动状态跟踪算法。将全局最近邻算法与改进后的全局最近邻算法进行组合,构建给定空间内不同目标间相对距离测量算法,建立目标测量结果与预测值间的相似度矩阵,保证数据关联结果的准确度;基于粒子滤波算法在利用单传感器检测目标时因干扰因素出现的偏差,引入FOA算法实现对融合系数的优化,获得目标状态的精准估计结果;在此基础上,利用粒子滤波优化算法建立分布式结构下多种电化学传感器的航迹融合算法,经均质化处理实现多个传感器航迹的融合与加权处理,最终仿真实验结果显示该算法可有效提升对融合航迹下目标的跟踪精度,为多传感器跟踪系统的开发设计提供重要参考。     

基于地面传感器的低空目标跟踪算法研究

研究了用地面声阵列传感器进行低空飞行目标跟踪问题。采用了3种类型的关联门,即初始波门、小波门和中波门,使用Kalman滤波算法来实现对方位角的跟踪。充分考虑声音传播的延时,进行传感器的方位角数据匹配,计算目标的位置。通过判断上报方位信息的各传感器是否在同一有效探测范围内,降低了计算量。仿真结果表明,该低空飞行目标数据融合算法是有效的。     

多传感器自适应滤波融合算法

该文提出了一种在线调整权值的多传感器自适应滤波数据融合跟踪算法,用于解决复杂背景下机动目标跟踪问题。首先自适应寻找各个传感器所对应的最优加权因子,确定融合后某一时刻目标最优观测值;其次,以输入信号作为相关自适应滤波器的观测信号,通过新息相关自适应滤波算法根据状态方程及观测方程中误差的变化,实时动态地调整增益矩阵,同时依据自适应滤波状态偏差输出信号及当前观测数据,应用模糊推理在线调整各传感器权值,最终系统输出即为测量轨迹在两级自适应调整融合下最优轨迹。仿真结果证明了算法有效性。     

一种基于小波变换的航迹关联算法

多传感器的航迹关联问题是多传感器数据融合理论研究中关键的难题之一,针对传统基于统计理论的航迹关联算法的错漏关联和没有考虑到目标航迹的走势等问题,通过在原来航迹关联方法的基础上,结合目标航迹的整体走势,利用小波去噪的功能,提出了一种新的航迹关联方法,通过与传统的航迹关联方法相比较和工程验证,证明了该算法的有效性。     

基于互信息的航迹对准关联算法

针对系统误差对目标航迹的影响,研究了在组网雷达存在系统误差情况下的航迹对准关联问题,并将该影响表示为目标航迹的旋转量和平移量;提出一种基于互信息的系统误差配准前航迹对准关联算法,该算法采用最大互信息理论来估计目标航迹数据的相对旋转量和平移量,将雷达组网中雷达上报的目标航迹数据对准到融合中心,从而避开了估计雷达组网系统误差,实现了误差配准前的航迹对准关联,能够为后端的系统误差配准提供可靠的关联航迹数据。     

基于DP-TBD 的不同分辨率传感器集中式异步融合算法

主要运用检测前跟踪动态规划(DP-TBD)算法解决不同分辨率的多传感器多目标融合问题,提出了一种基于DP-TBD的不同分辨率的传感器集中式异步融合算法。该算法分为两步:第一步将不同分辨率的传感器取得的回波数据统一对齐到相同单元格尺寸的量测空间;第二步将具有不同采样间隔的传感器得到的量测数据按照时间顺序传送至融合中心进行集中式融合。接着,用动态规划检测前跟踪算法来处理所得到的数据,并且进行航迹恢复。同时,为了提高异步融合的有效性,文中还提出了一种基于变转移状态数的算法。仿真结果说明基于DP-TBD的集中式异步融合算法的有效性,并且和单个传感器的性能比较,该算法大大改善了目标跟踪的性能。     

一种基于模糊理论的雷达与视频融合交通目标跟踪方法

为了解决单传感器在道路监测中存在的局限性以及交通环境多样化等问题,基于模糊集理论的一种目标决策标准对传统的数据融合算法进行改进。该方法利用决策层模糊集理论的多传感器融合算法对交通目标进行跟踪,采用Z型隶属函数用于决策分支的优化。与传统的算法相比,改进后的数据融合算法对雷达航迹冗余、视频干扰和目标分割等问题都有所改善,并且进一步提高了跟踪精度。收集了大量的实际交通数据来验证雷达和视频跟踪算法的有效性,实验结果表明多传感器融合算法优于单传感器的目标跟踪算法。     

基于无源定位的多目标航迹融合技术研究

针对无源定位系统定位误差大、数据更新率不规则等问题,研究了一种通过定位数据辅助信息特征进行多目标航迹融合的新方法。该方法利用信号侦察获取的目标辅助信息作为航迹关联判决准则,并与传统的航迹关联方法相结合,从而实现了对侦察区域内多目标的航迹融合。对该算法的性能分析和仿真验证表明,新算法具有更好的航迹融合性能,更强的通用性和可扩展性;并且在密集多目标环境下可实时、有效地跟踪几十批次的目标。     

基于序贯修正灰关联度的全局最优航迹关联算法

航迹关联是分布式多传感器航迹融合的前提。针对融合中心无法获得目标状态估计协方差的情形,该文提出一种基于序贯修正灰关联度的全局最优航迹关联算法。该算法取消数据列的区间值化,对数据列指标绝对差进行序贯积累,对灰关联系数计算式进行可交换性修正,得到各传感器航迹间的序贯修正灰关联度,以此关联度为全局统计量进行全局最优的航迹关联判决。仿真结果表明,在密集平行编队、随机交叉目标和存在非共同观测目标环境下,该算法的性能和稳健性明显优于传统方法。