多无源传感器之属性信息数据关联的规则与结构模型

属性信息具有提高数据关联算法性能的巨大潜力,是多无源传感器信息数据关联研究的趋势之一。对属性信息在多无源传感器数据关联问题中的应用进行了综述,分析了基于属性信息的数据关联问题的研究进展,抽象出属性信息应用的问题模型,给出了基于统计、不确定推理的属性信息关联规则,总结了属性信息应用于多无源传感器数据关联的处理结构模型,并比较了各处理结构的优缺点,最后指出了未来属性信息辅助数据关联要解决的关键问题。     

无源多传感器多目标融合的关联算法研究

无源多传感器多目标融合在信息融合技术中具有非常重要的意义,而测量数据的关联问题则是其中的一个关键问题。本文从实际的工程研究入手,探寻无源多传感器多目标融合的关联算法。首先基于目标属性参数进行关联,再对已定位目标进行位置相关,最后通过模糊评估获得最佳关联目标。     

基于综合相关判别的无源航迹关联算法

航迹关联是多目标航迹处理中的重要问题,综合利用无源传感器获取的其他信息是改善航迹关联的重要途径。利用辐射源航迹得到正确的目标关联航迹较困难,因此,提出了一种辐射源航迹自关联和目标平台航迹互关联的两步关联综合相关判别算法,在充分运用无源传感器获取到的角度信息的同时,利用丰富的综合属性信息对航迹进行关联。仿真结果表明,该算法能够有效解决多无源传感器的航迹关联问题,并且有较高的关联正确概率。     

多源置信综合的雷达与ESM协同跟踪方法

跟踪空间邻近目标时，仅依靠运动学信息不足以实现可靠的数据关联，而基于动目标指示器（Moving Target Indicator，MTI）雷达和电子支援措施（Electronic Support Measurement，ESM）的多源异类传感器数据融合可以通过提升数据关联性能达到改善跟踪性能的目的。通过构建基于五种成比例再分配规则（Five Proportional Conflict Redistribution Rules，PCR5）置信度量的数据关联策略，将目标运动学信息和属性信息结合做多特征推理，解决异类传感器数据的不确定性和不一致性；利用Dempster-Shafer（DS）证据理论方法进行属性融合更新，完成属性信息在时间序列上的相干积累，实现空间邻近目标的可靠跟踪。该方法从数据关联和状态估计两方面联合进行改进，通过引入属性信息提升数据关联的正确性，从而提升跟踪性能，实现多源异类信息下的协同跟踪。仿真表明，相比于仅雷达跟踪、雷达和ESM序惯跟踪等方案，该方法可有效提升跟踪精度和关联性能。     

基于灰关联无源多目标跟踪系统航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本上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、脉冲重复间隔等),应用灰关联理论,提出了一种基于灰关联的分布式无源多目标跟踪系统的航迹关联算法.由于利用了目标多特征信息,算法具有关联速度快、正确率高、而且能够适应密集目标环境的优点.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.     

多目标纯方位定位和跟踪

当采用多个无源传感器对多个目标进行测向交叉定位时 ,首先需要考虑的是各个无源传感器之间的测量同步问题 ,通过上述问题以及复杂环境下的方位数据关联、目标位置信息融合等问题的研究 ,建立了复杂环境下多站多目标、纯方位和跟踪的数学模型 ,并通过仿真分析验证了该模型的可行性和有效性。     

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。     

一种改进的基于模糊聚类分析的数据关联算法

基于模糊聚类分析的无源传感器数据关联中,当目标集合中所有目标的属性差异较小时,通常不能正确得到目标关联结果。论文提出了一种改进的基于模糊聚类分析算法,并对该算法进行了推导和仿真。仿真试验结果表明该算法能有效解决辐射源特征值取值接近或单目标环境中的属性关联问题。     

基于软件架构设计的多源信息融合系统

以往对多源信息融合系统的研究大多是基于某种算法,针对某一层级或某一类传感器数据的特征信息进行分析、处理和综合。为优化多源信息融合系统综合处理及集成能力,针对多级多源信息融合处理系统进行领域工程分析,提出了该领域的通用软件架构模型,对软件构件化技术在多级多源信息融合系统中的应用进行了初步探索。     

基于多目标多特征信息融合数据关联的无源跟踪方法

在多目标无源跟踪中,传统的数据关联方法只利用那些与目标状态向量计算直接相关的信息(如DOA、TOA信息等).本文提出了一种新的数据关联算法——基于多目标多特征信息融合的数据关联算法,该算法同时利用了更多的目标特征信息(如频率、PRI等),应用D-S证据理论进行单目标多特征信息融合,在此基础上,再进行多目标综合数据关联.它是一种基于多特征信息的全局最优的算法.计算机仿真表明,基于该算法的无源跟踪性能要优于传统的NN方法和扩展的NN方法.     

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。     

多传感器信息融合研究综述

多传感器信息融合是实现无人驾驶的核心技术,多个传感器之间协同收集车辆周围环境的数据信息,经过多传感器融合结构的转换和处理,使用融合算法进行联合分析,能够使车辆全面地感知驾驶环境,帮助车辆完成自主导航、变道、控制速度等智能决策。基于多传感器信息融合的基本定义,从功能模型和结构模型介绍多传感器信息融合的基本形式;重点梳理多传感器信息融合的算法,分为随机类和人工智能类两个大类,详细分析各方法的原理及特点;最后总结出多传感器信息融合策略在实际应用时的主要步骤,同时分析其在无人驾驶场景中的应用,为多传感器信息融合未来理论研究方向和应用实践方向提供参考,从而完成多传感器信息融合的综合分析。     

一个快速的被动式传感器数据关联算法

本文针对仅能获得关于目标角度信息的被动式传感器、且允许传感器漏检、虚警、以及监视空域目标位置和数量未知的静态数据关联问题,提出了一个基于空间交点属性强度的快速数据关联算法.与现有算法相比,本方法较好地改进了数据关联算法的精度和运算速度.最后,通过仿真实验给以验证.     

基于强跟踪滤波器的多传感器非线性动态系统状态与参数联合估计

本文将强跟踪滤波理论与多传感器数据融合技术相结合,提出基于强跟踪滤波器的多传感器状态与参数联合估计新算法;对拥有相同采样率的分布式多传感器单模型非线性动态系统,应用强跟踪滤波器,得到目标状态基于全局信息融合估计结果,并利用计算机仿真结果对算法的有效性进行了验证;这些工作初步解决了Kalman滤波中由于模型的不确定性而造成估计误差值偏大情况下的状态融合估计问题,从而丰富和发展了多源信息融合理论.     

基于虚拟现实技术的激光传感器数据多维可视化方法

传统的基于WebVR的激光传感器数据多维可视化方法,基于几何模型的激光传感器数据多维可视化方法与基于三维GIS空间的激光传感器数据多维可视化方法均存在数据处理速度慢的问题,为此设计一种基于虚拟现实技术的激光传感器数据多维可视化方法。采集激光传感器数据,对数据预处理,利用八叉树方法对数据空间进行划分,并定义传递函数,目的是为了获得三维数据场的数据属性,建立三维对象渲染模型,根据虚拟现实技术中的点、线、面等构建模型,以此完成激光传感器数据多维可视化处理。实验对比结果表明此次设计的基于虚拟现实技术的激光传感器数据多维可视化方法比传统的三种方法处理速度快,能够快速地传递激光传感器数据信息。     

一种基于随机集的PHD多目标多传感器关联算法

针对复杂电磁环境下的多目标关联计算量大、准确率低的问题,提出了一种基于随机集概率假设密度(PHD)的多目标多传感器关联算法。该方法首先采用高斯混合PHD(GMPHD)对多传感器的量测信息进行滤波,再对滤波结果做最近邻数据关联处理,从而得到多目标航迹。杂波环境下的仿真实验表明,该方法在保证滤波精度的同时,能够有效降低运算量,提高数据关联的准确度。     

面向关联属性的差分隐私信息熵度量方法

针对差分隐私非交互式多属性关联的合成数据集发布问题,基于信息熵、汉明失真提出了发布数据集隐私度、数据效用、隐私泄露风险的量化方法.首先,利用互信息量分析属性相关度,并以关联依赖图模型表达属性关联.其次,基于图中关键隐私泄露路径构建马尔可夫隐私泄露链,并结合信息熵提出一种关联属性隐私度量模型及方法,可以有效的度量由关联属性引起的隐私泄露量.最后,通过具体实例验证了模型与方法的有效性,并对比分析了该方法的优势.     

基于随机有限集理论的无源多站联合定位与跟踪算法

针对无源多站目标跟踪中涉及到复杂的数据关联以及测向交叉定位处理,提出了基于随机有限集理论的无源多站联合定位与跟踪算法( RFS-JLT)。该算法采用伯努利随机有限集形式构建目标状态和多站量测随机有限集模型,依据目标运动特性以及随机有限集卷积公式计算出多目标状态转移密度函数和多站量测似然函数,然后基于多目标贝叶斯估计理论推导了目标后验概率密度的递推式,避免了多站测向数据关联以及交叉定位处理。仿真结果表明,在无源多站目标跟踪中,RFS-JLT算法能够显著提升目标跟踪精度。     

基于地面传感器的数据融合技术应用研究

研究了多传感器优化布设,提出了几种典型拓扑结构。比较了Bayes方法和Dempster-Shafer证据理论,采用证据理论对目标进行身份识别。研究了地面运动目标融合算法、模型,能够对各种传感器的报警数据进行处理,得到目标的属性信息和运动轨迹。进行了低空飞行目标航迹融合研究,对传感器上报的低空目标方位角数据进行综合处理,得到目标航迹信息。实际运行结果表明,这些算法是有效的。     

基于多源数据多特征融合的弱小目标关联研究

异质传感器弱小群目标关联是传感器协同探测首先要解决的问题。即使在同视场下,由红外光电系统和雷达组成的异质传感器探测目标也不完全一致,特别是远距离探测时,雷达探测目标多而密集,红外光电系统探测目标相对较少,此时目标航迹关联结果具有很大不确定性。针对这一难题,采用基于多源数据多特征融合的弱小目标关联方法,首先基于多模型估计方法筛选同类型目标作为潜在关联目标,再基于航迹关联算法对同类型目标粗关联,最后基于多特征最大联合概率分布对目标精细关联。经红外光电系统/雷达同站址探测仿真试验验证,相比于仅利用航迹进行目标关联,该方法有效提高了弱小目标关联的准确性。