低检测概率条件下的多传感器机动多目标跟踪方法研究

为解决低检测概率条件下的多传感器非线性、机动、多目标检测、数据关联及滤波问题,首先对目标数量进行随机过程建模,其次应用模型参数以及目标数量对目标状态进行了增广,最后应用多模型粒子滤波器（MMPF）对多传感器在低检测概率条件下的机动多目标跟踪进行了仿真。仿真结果表明：基于MMPF的低检测概率目标跟踪方法能够有效检测目标数量,同时对机动多目标具有良好的跟踪性能。     

一种改进滤波算法及其在目标跟踪中的应用研究

针对无迹卡尔曼滤波算法在滤波迭代过程中可能存在状态协方差矩阵非正定情况,导致跟踪误差较大甚至滤波易发散等问题,对无迹卡尔曼滤波算法进行了改进设计。在滤波迭代过程中对状态协方差矩阵进行QR分解和Cholesky分解,通过分解后的协方差平方根矩阵来进行滤波迭代,从而保证状态协方差矩阵的正定性,并利用加权最小二乘法进行量测数据同步融合。为验证改进算法的有效性,设计了雷达红外联合跟踪系统数据融合仿真测试实验,并与传统无迹卡尔曼滤波算法进行了比较。仿真实验结果表明：改进算法能够有效抑制跟踪误差、提升目标跟踪系统的鲁棒性,可应用于防空武器系统多传感器航迹信息融合系统设计。     

一种红外与雷达信息融合跟踪算法及其性能分析

为了提高目标跟踪系统的性能,在吸收雷达和红外跟踪传感器各自优点的基础上,提出一种雷达/红外传感器信息融合方法,该方法综合了雷达测量信息全面以及红外测角精度高的特性,对雷达与红外量测进行融合形成融合量测,基于融合量测设计了状态估计滤波器。在不同假设条件下,分别对融合系统与单传感器跟踪精度进行了仿真比较。结果表明:融合系统的跟踪精度高于单个传感器的目标跟踪精度,可有效提高目标跟踪精度。     

一种新的红外激光联合跟踪滤波算法

红外跟踪与激光测距的联合跟踪系统在实际工程中得到越来越多的应用,但两类传感器采样不同步是比较常见的,从而带来了一些新问题.激光测距机的采样频率远远低于红外测角的采样频率,并非每个采样时刻都可以得到测距信息,因此,目标跟踪存在可观测性问题.提出了一种新的红外激光联合跟踪算法,即先对测角数据进行基于变长有限记忆最小二乘的预估计,然后将预估计后的测角结果与激光测距信息一起代人转换测量Kalman滤波方程中进行滤波.由于该算法有效的利用了全部测角信息,因此有利于改善跟踪估计性能.仿真实验表明,该算法具有较高的跟踪精度,且计算量较小.     

UKF滤波在INS/无源北斗组合导航系统中的应用

为解决无源北斗量测方程的非线性问题,提出将Unscented卡尔曼滤波(UKF)用于惯性导航系统(INS)/无源北斗组合导航系统,避免了利用传统的泰勒展开式逼近法对量测方程进行线性化处理所带来的截断误差.仿真结果表明,UKF方法有效地解决了卡尔曼滤波中系统量测方程的非线性问题,并使INS/无源北斗组合导航系统的导航精度得到大幅提高.     

一种基于粗糙集证据理论深度融合的局部冲突快速合成方法

传统证据理论在进行多焦元属性融合时可能产生组合爆炸,当待合成证据体冲突时容易导致一票否决。针对以上两个问题,通过将待合成证据体转换为知识信息系统,应用粗糙集理论对多源信息进行规则约简,得到约简后的知识规则信息系统,计算出信息系统对每条证据体的支持度;在证据合成中,基于规则信息系统引入证据体支持度、焦元可信度、焦元一致性等因素来表示证据体之间的局部冲突,在此基础上给出冲突证据合成规则。通过测试算例对所提方法进行了测试验证,结果表明：该方法具有较快的收敛速度,计算时间消耗能够得到大幅度降低,在冲突证据合成中具有较强的鲁棒性。     

一种新的基于局部冲突分配的证据合成规则

文章在综合考虑融合系统中2个证据体各焦元在辨识空间所占比例,以及待合成的2个证据体对同一事件基本概率指派的相似性条件下,获得了对局部冲突的分配系数.然后通过冲突局部分配的方法对证据进行合成.计算结果表明:该算法克服了现有证据合成规则对冲突证据融合结果不理想的情况,有效地降低了决策风险,具有良好的收敛性.     

基于IMM-UKF的非线性机动目标跟踪仿真研究

在处理非线性强机动目标跟踪问题时,扩展卡尔曼滤波方法跟踪误差大、容易引起滤波发散,同时其系统模型可能随时间变化,不能应用传统的线性滤波方法以及单一状态模型来处理该类问题.假设在整个跟踪过程中,运动由水平匀速运动、俯冲运动和爬升运动3部分组成,目标量测由斜距、方位角和高低角组成,并基于此建立了目标运动状态模型和观测模型,给出了模型转换矩阵,设计了基于IMM-UKF滤波器,并进行了仿真.结果表明,该方法可以以较高精度跟踪非线性机动目标运动状态,同时具有较高的收敛速度.     

粗糙集和证据理论相结合的数据挖掘方法

在粗糙集和证据理论相结合的数据挖掘技术中,常用的方法是以证据理论为主,而将粗糙集作为获取证据权重的辅助手段.这种结合方法既不能有效发挥证据理论的数值计算作用,也不能很好利用粗糙集理论的分类功能.因此,文章提出一种新的粗糙集和证据理论相结合的数据挖掘技术.首先通过粗集理论对决策表进行约简,消除系统冗余,得到决策规则.其次对经过约简所得到的决策表进行数值处理,降低预测代价,并构建证据焦元空间.最后将证据焦元空间用合成规则进行融合.计算结果表明,文中所提出的粗糙集与证据理论相结合的数据挖掘方法,不但细化了决策规则,而且给出了决策系统规则的定量描述,有效地补充和扩展了证据理论的应用范围.