基于灰色理论的雷达组网数据融合方法

在分析了灰色关联分析及其改进算法的基础上,针对雷达组网中多传感器数据融合问题,提出了一种新的基于绝对关联度的数据融合方法.该方法将灰色理论和多元概率信息合并理论相结合,计算各雷达之间的总关联度,并用一次平均融合后的数据替换掉总关联程度最差的雷达数据,组成最优融合组,然后进行数据融合.仿真结果表明,该方法在减小计算量的同时,减小了径向误差.     

基于关联度的多目标同一性识别

针对分布式多站探测系统在跟踪多目标过程中所面临的测量数据组合模糊问题,提出了基于关联度的多站多目标两级同一性识别方法。首先根据主站测量数据建立判决门限,对系统的多目标测量数据进行一次预关联,之后建立关联函数计算预关联后各测量数据组合的关联度,进行细关联,最后依据最大关联度准则获取最优的关联组合。仿真试验表明,在考虑系统误差、目标小间距编队、精确测量信息缺失的情况下,该方法实现了很高的正确识别概率,具有较高工程应用价值。     

改进的组网雷达目标跟踪数据关联算法

基于高逼真多假目标干扰在组网雷达进行数据处理时可能会极大地增加中心站的计算量,降低数据关联正确率,提出一种改进的双门限快速数据关联算法,利用无源侦察设备所测的目标属性参数与空间状态参数的联合统计距离,对有源雷达与无源侦察装备协同的数据关联进行改良。通过仿真比较得出改进算法不仅可以对目标成功地进行跟踪,降低目标位置均方根误差,而且运算时间要比传统的JPDA大为缩短,验证了算法的有效性。     

复杂环境下数据关联算法的研究现状及发展趋势

系统地介绍了机动目标跟踪中数据关联算法的发展现状、发展方向及其与模糊理论和神经网络相结合的发展趋势,通过分析当前的数据关联算法本身存在的一些问题,指出了一些改进方法的可行性,进一步介绍了数据关联算法与模糊理论、神经网络以及遗传算法相结合进行目标跟踪的发展情况,并对以后数据关联算法研究方向进行了初步探讨.     

基于QMC-IPF-JPDA的多目标无源协同定位算法

针对杂波环境中多目标的检测跟踪问题,提出一种基于拟蒙特卡罗智能粒子滤波联合概率数据关联的无源协同定位算法。该算法建立双基站无源协同定位系统目标检测跟踪的数学模型。通过拟蒙特卡罗技术使粒子分布更加均匀,并对更新阶段的粒子进行交叉变异以提高粒子多样性。结合测量信息,利用联合概率数据关联算法实现多目标检测跟踪。仿真结果表明,所提算法能有效解决杂波环境下多目标检测跟踪问题,提高跟踪性能。     

基于网络雷达的目标定位跟踪

网络雷达实现了有源与无源探测一体化及雷达情报与电子对抗情报一体化,具有良好的目标定位跟踪性能。首先分析了网络雷达工作在有源无源一体模式的目标定位原理及定位的CRLB,并通过仿真说明了网络雷达的定位优势。然后根据网络雷达的特点,提出了一种基于目标状态和属性联合最近邻的数据关联算法,该算法合理地利用了目标的电子属性信息(如载频、重频、脉宽和脉内特征等)。对小角度交叉运动目标进行了跟踪仿真试验,该算法得到了很好的关联跟踪效果。     

一种改进的联合概率数据关联算法

联合概率数据关联算法(JPDA)是密集杂波环境下一种有效的多目标跟踪算法,但该算法的复杂度会随着目标和观测值的增加而显著增长。为了减少JPDA算法所需要的存贮空间和计算时间,提出了一种改进的联合概率数据关联算法(I-JPDA)。首先通过合理选取跟踪门门限的阈值,去除小概率事件,然后再根据跟踪门内目标的关联概率对关联事件的概率密度值进行衰减,计算出跟踪门内各目标的关联概率。经过理论分析和仿真试验,证明了该方法在保证跟踪成功率的同时,还具有算法简单、计算量小和易于工程实现等优点。     

数据关联算法性能评估的一种方法

数据关联算法性能的优劣直接影响跟踪系统的性能.因此在给出一种算法后,必须对该算法的性能进行评估,全面地了解该算法的优点以及缺点.以一种多目标数据关联算法为例,给出对数据关联算法的性能进行评估的一种仿真设计方法,包括设计思想及具体实现,并给出对该数据关联算法的评估结果.该方法同样适用于对多目标跟踪算法的性能进行评估.     

一种新的避免航迹合并的比例联合概率关联算法

通过对传统的联合概率数据关联算法(JPDA)在平行临近及小角度交叉目标的关联跟踪中引起的航迹合并问题的分析,提出了一种基于最大交互概率的改进比例联合概率数据关联算法.该算法找出距离两逼近目标的交互概率中心最近的有效观测,引入一比例因子对该观测与所有目标的关联概率进行修正,将逼近目标“拉开”,从而抑制了航迹的合并.仿真结...     

目标多特征信息的模糊数据关联算法

传统的解决密集杂波环境中多目标跟踪的数据关联算法主要是基于目标的距离特征。由于利用的信息有限,容易导致目标的误跟和失跟。提出一种基于目标多特征信息的数据关联算法,将目标的距离特征、方位特征和雷达散射截面积特征进行模糊信息融合,实现对雷达目标的关联。仿真结果表明了该算法的有效性。     

多传感器多机动目标跟踪方法研究进展

讨论了多传感器多机动目标的研究现状,分析了几种跟踪滤波器的性能,着重探讨了交互多模型(IMM)算法的发展状况和应用。同时还研究了多传感器跟踪多机动目标过程中的数据关联方法。最后指出,寻求采用自适应变结构的IMM算法,研究模型切换过程中算法的过渡性能,以及在数据关联中引入混沌、遗传算法等智能控制方法,将是未来多传感器多机动目标研究的方向。     

用于数据链信息处理的PDA算法设计与实现

数据链系统处理雷达数据信息时,要求一个跟踪算法能够更有效地滤除杂波,消除虚警。在单传感器环境下,若落人相关波门内的回波多于一个,那么这些候选回波中可能都是来自目标,也可能由杂波产生。概率数据互联算法(PDA)能充分利用跟踪门内的回波,具有较小的误跟、丢失目标的概率和计算量较小的优点。通过实现 PDA 算法,证明了它在杂波环境下可以取得好的跟踪效果。     

水声传感器信息处理技术

水声传感器信息融合是为潜艇、水面舰艇提供完整、准确、清晰战术态势的关键技术。结合各类声纳的特点,研究数据互联,水下被动定位与跟踪算法,纯方位系统的可观测性,跟踪坐标系的选择以及机动目标跟踪,是解决水声传感器信息处理的关键。首先对前人在这些方面的工作进行了总结和评述,然后根据现代海战的战术背景分析了水声传感器信息处理存在的一些技术难点和值得进一步研究的问题。     

一种新的多传感器多机动目标快速跟踪算法

基于FAFDA滤波算法,根据Houles和Shalom将PDA算法推广到解决两个传感器单目标的跟踪问题的思路中,构造一种两个同类传感器的序列观测数据的融合来跟踪多个机动目标的数据关联方法(MSFAFDA)。它主要使用的是点/航迹联合和序列估计法。算法计算量远小于原先的顺序和并行多传感器联合概率数据关联算法,蒙特卡洛仿真结果也表明它对多机动目标的跟踪具有比FAFDA更好的跟踪性能。     

基于三级数据关联的红外点目标跟踪方法

介绍了目前红外系统的目标跟踪方法；在目标跟踪时的数据关联阶段，提出了三级门限数据关联算法，根据门限级别所划分的疑似目标点位置，算法采用不同的数据关联策略。该算法能减少轨迹分叉时的计算量，能有效地检测出速度〈1像素／帧的运动点目标。实验结果证明了该算法的有效性。     

密集杂波环境下用于多目标跟踪的改进PDA算法

概率数据关联(PDA)算法在密集波环境下跟踪单目标时具有良好的效果,但当跟踪多目标时,由于未能考虑相邻目标间的相互影响,因此效果不佳,针对PDA算法的不足,基于多目标跟踪中相邻目标间相互影响的特点,提出了一种新的改进概率数据关联(NIPDA)算法.新算法引入量测J属于目标t的概率Bjtk,并用其对关联概率进行修正,从而在计算互联概率时考虑了相邻目标间的影响.仿真结果表明,新算法在计算量与PDA算法相近的情况,提高了目标跟踪成功率.     

杂波环境下多目标跟踪数据关联的快速算法

数据关联是实现杂波环境下多目标跟踪的关键问题,目前公认较好的方法是联合概率数据关联（ＪＰＤＡ）,但是其计算和存储量很大,故在实际中寻求一种快速或近似的算法是十分必要的。本文提供一组有效快速算法,并在我们有关课题中得到初步验证。     

基于极坐标的稳定UKF单站无源目标跟踪算法研究

单站无源目标跟踪系统中存在着可观测性弱、初始误差大的问题,目标跟踪算法的稳定性和快速收敛性显得尤为重要.结合利用空频域信息的单站无源目标跟踪系统的特点,提出了一种稳定的改进UKF算法,采用一组新的状态变量替代了原有状态变量,选取径向速度作为系统状态量,并将其初始估计误差控制在一定范围内,明显改善了目标跟踪算法的稳定性和收敛性.增加二次采样过程,取代了传统UKF算法的状态变量扩展,降低了算法的计算量,实现更容易.与现有的单站元源目标跟踪算法(如EKF、UKF)相比,算法具有稳定性好、收敛速度快、跟踪误差小的特点,是一种稳定的单站无源目标跟踪算法.数值仿真结果表明了算法的正确性和有效性.