异类传感器信息融合的分布式滤波算法

基于联邦滤波算法,对雷达/红外双模导引头数据融合算法进行了研究,给出了基于雷达/红外双模导引头跟踪系统的结构及算法模型。针对典型工作状况参数,对匀速、匀加速、机动等目标运动状态进行了蒙特卡罗追踪仿真。仿真结果表明:基于联邦滤波的分布式融合跟踪算法,对各种目标运动状态下的位置、速度跟踪精度和抗干扰能力都相对于雷达单模跟踪的较好。     

分布式多传感器融合跟踪

针对传感器观测的非线性问题,引入了无迹卡尔曼滤波算法,它在稳定性和精确性等方面均高于卡尔曼滤波,进一步,针对其弱可观测性,采用多个传感器分布式融合跟踪策略.而协方差交集算法,它不需要考虑每个传感器之间的相关度,根据实际要求选择好合适的权值后,可以直接进行融合,并且达到很好的精度,于是,提出了基于协方差交集算法的分布式多传感器融合跟踪算法,最后分别以2个和4个被动站跟踪为例进行仿真研究,结果表明所提出的分布式融合算法能够达到很好的跟踪精度.     

用于机动目标跟踪的分布式多传感器异步融合算法

目前,随着目标机动性能的不断提高,单个传感器越来越难于对目标进行有效地跟踪.分布式多传感器网络是当前国内外研究的热点,也是解决机动目标跟踪的有效途径之一.提出了一种适用于机动目标跟踪的异步融合算法:融合中心采用交互式多模型(IMM)算法,在给定融合周期的基础上,对多传感器数据进行异步融合,得到有效跟踪航路.蒙特卡罗仿真表明,该算法可以有效地改善对机动目标的跟踪性能,可为工程应用提供有益参考.     

分布式多传感器多目标跟踪融合算法

在多传感器多目标跟踪系统中,通常采用分布式融合方法和集中式融合方法。分布式融合方法具有结构简单、计算量小等优点,采用分布式融合方法更为广泛。对分布式多传感多目标跟踪融合方法、关联和估计算法进行了分析和综述,并重点讨论了传统的关联算法和神经网络、模糊技术关联算法,指出了有待进一步研究的方向。     

机载雷达目标搜索和跟踪中的坐标系问题

雷达对目标进行搜索和跟踪时,由于雷达的体制、安装方式(运载体还是地面固定位置)、工作方式等的不同,涉及到许多坐标系。结合实际工程问题,对雷达搜索与跟踪中坐标系问题进行了深入探讨。包括坐标系的定义、作用、坐标系转换问题,坐标转换中的误差定量分析,所得出的结论对于雷达对目标进行搜索与跟踪,尤其是对安装于运载体上的雷达坐标系问题有很大的参考价值,并给出了某型直升机载雷达挂飞时的实测姿态数据。     

分布式多频带雷达数据融合目标高分辨分析方法

宽带雷达接收的目标散射回波提供了目标散射点的散射类型及距离高分辨.由于条件限制,很难获得宽带及超宽带回波数据.采用状态空间法融合不同频带下的雷达回波数据得到目标高分辨分析.仿真证明,该方法能够有效地利用多部不同频带雷达的回波来获得目标的散射特征,明显优于同条件下单部雷达所得到的结果.该方法提供了一种以多部窄带雷达等效获得宽带、超宽带雷达的可行方法.     

分布式多传感器联合Viterbi数据互联算法

为了提高分布式多传感器对密集杂波环境下多目标的跟踪效果,基于Viterbi算法的思想,研究了分布式多传感器联合Viterbi数据互联算法,并与顺序处理结构的集中式多传感器联合概率数据互联算法和分布式多传感器联合概率数据互联算法进行了仿真性能比较.经仿真验证,该算法能够在密集杂波环境下对目标进行有效跟踪,综合性能优于顺序处理结构的集中式多传感器联合概率数据互联算法和分布式多传感器联合概率数据互联算法.     

基于ECEF坐标转换的AEWS数据配准算法

数据配准是多传感器数据融合的先期处理过程。基于地心地固坐标系(ECEF)研究了预警机系统(AEWS)与地面雷达数据处理中心的数据配准问题。首先给出AEWS与地面雷达数据处理中心数据配准几何坐标转换算法;然后利用卡尔曼滤波实时估计出预警机对地面雷达数据处理中心的系统偏差,从而实时对预警机系统(AEWS)进行配准,计算机仿真结果证明了该算法的正确性和有效性。     

面向多目标跟踪的PHD滤波多传感器数据融合算法

针对密集杂波环境下单传感器应用高斯混合PHD算法进行多目标跟踪时性能下降的问题,提出一种面向多目标跟踪的PHD滤波多传感器数据融合算法。首先构建了基于高斯混合PHD滤波的多传感器数据融合系统框架,各传感器利用高斯混合PHD滤波算法进行局部状态估计,然后对各传感器的状态估计结果进行关联度计算,最后通过构建自适应混合参数,引入协方差交叉算法对关联状态进行融合。仿真实验表明,与单传感器高斯混合PHD多目标跟踪算法相比,所提算法有效提高了目标数量和状态的估计精度。     

大地坐标系的超视距目标指示系统

超视距目标指示系统是为舰载导弹攻击本舰雷达视距以外目标而设计的。其主要功能是融合多方传感器的情报信息,解算出目标相对于导弹发射平台的距离和方位。在进行多传感器信息融合时,首先要做的工作就是把来自不同平台的多传感器数据转换到统一坐标系中。若选用大地坐标系为统一坐标系,直接在大地坐标系下进行时间对准、航迹滤波以及航迹融合,可以避免坐标系间的多次转换,节省大量的时间,并提高目标指示的精度。