基于H∞滤波的主/被动雷达模糊自适应融合算法

在主/被动雷达复合制导背景下,提出一种基于H∞滤波和模糊逻辑的自适应融合算法,算法结合了H∞滤波和模糊推理的优点.为了克服卡尔曼滤波对模型和传感器噪声特性的依赖性,应用H∞滤波实现目标的状态估计.与卡尔曼滤波相比,H∞滤波不需要对噪声作任何假设.由于模糊推理方法具有很强的处理不确定性问题的能力,基于协方差匹配技术应用模糊推理方法在线估计每个H∞滤波器的性能,融合中心根据每个H∞滤波器的性能融合来自两滤波器的状态估计值.数字仿真结果表明了算法的有效性.     

一种主/被动雷达模糊数据融合算法

提出一种基于模糊逻辑的主/被动雷达传感器数据融合算法。首先将单个雷达的测量值通过时间校准后,将它们作为卡尔曼滤波器的输入分别滤波,然后再对滤波后的目标状态估计进行融合。融合算法基于卡尔曼滤波的协方差匹配关系,采用模糊推理得到数据融合的权值。最后将各传感器的卡尔曼滤波状态估计进行加权融合得到所需要的目标状态信息。采用该融合算法可以有效提高目标跟踪系统的抗干扰能力。仿真结果表明该算法有效。     

一种模糊自适应最小方差数据融合算法

文中提出了一种基于模糊规则的噪声方差自适应算法,较大的提高了融合算法对测量噪声干扰的适应性和鲁棒性.该算法还具有计算简单,易于实现的优点.最后将该算法应用于主/被动雷达多传感器数据融合系统.仿真结果表明,这种算法融合精度高并对噪声干扰具有较强的鲁棒性.     

一种基于模糊逻辑的主/被动雷达数据融合算法

提出一种基于模糊逻辑的主/被动雷达传感器数据融合算法。首先将单个雷达的测量值通过时间校准后,将它们作为卡尔曼滤波器的输入分别滤波,然后再对滤波后的目标状态估计进行融合。融合算法是基于卡尔曼滤波的协方差匹配关系,采用模糊推理得到数据融合的权值。最后将各传感器的卡尔曼滤波状态估计进行加权融合得到所需要的目标状态信息。采用该融合算法可以有效提高目标跟踪系统的抗干扰能力。仿真结果表明该算法有效。     

基于主/被动雷达双传感器的自适应跟踪融合算法

在主、被动雷达双传感器目标跟踪背景下，提出一种自适应数据融合算法。跟踪同一个目标的主、被动雷达观测数据由线性卡尔曼滤波器来处理，与主／被动雷达对应的两个跟踪器的输出数据被发送到一个中央节点，在这个节点中，包含了两个由在线跟踪信息构成的指标变量．将这些指标与设定的阈值进行对比．即通过二者的逻辑判断结果来选择用于得到整体评估的方法，其中对周值的选择决定了融合算法融合精度与计算量的平衡点。仿真结果表明，这种融合算法有很好的融合效果。