密集目标有偏航迹整体匹配关联方法

针对密集目标和传感器探测存在较大系统偏差的复杂条件下的分布式融合中航迹关联问题,设计了一种整体匹配航迹关联方法,首先将所有航迹划分成若干个关联聚,对各传感器都有多个目标航迹的关联聚采用多目标点图整体匹配,对某传感器只有单目标航迹的关联聚采用航迹段整体匹配,从而获得关联聚内所有航迹的关联关系。在仿真分析中,随机产生态势,分别计算新算法在不同情形下的漏关联、正确关联率、错误关联率。仿真验证结果表明该算法在不同目标密集程度、系统误差情形下都有较好的适应性。     

航迹关联算法仿真中的几个假定

航迹关联是多传感器信息融合的前提和基础,来自不同传感器的航迹数据只有在确定相互关联之后,才能进行目标运动状态信息和属性信息的融合处理。航迹关联仿真分析时往往人为地设定一些假定条件,导致算法的仿真结果出现比较大的偏差。对航迹关联算法仿真分析中的一些常见假定进行分析,结合实际应用情景,探讨航迹关联率的定义,明确了关联正确率、关联错误率和漏关联率的计算方法。     

主被动传感器异地配置下的航迹关联

在雷达和电子支援(ESM)传感器异地配置的情况下,提出了一种基于位置统计量和最大似然准则的异类传感器航迹关联算法。首先基于位置统计量对目标进行了航迹粗关联,排除掉一些虚假关联组合;然后采用最大似然准则对目标进行了航迹细关联,以求进一步提高雷达和ESM传感器航迹关联的检测概率。仿真结果表明,该算法能够快速、准确地完成对多目标的航迹关联。     

基于三角形拓扑相似性的航迹关联算法

针对多个传感器量测航迹在系统误差下关联融合困难的问题,提出基于拓扑4交差模型和三角形拓扑相似度的航迹关联方法,将传感器探测目标分成若干个拓扑三角形结构,使用4交差模型排除不同传感器探测中相关可能性小的三角形;然后定义三角形相似度,对归属于不同探测源的拓扑三角形相似程度进行度量,从而得出目标之间的相关程度,获取航迹关联结果。仿真结果表明,在目标密集编队时,该算法具有有效性。     

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。     

异类传感器动态数据关联算法北大核心

数据关联是异类传感器系统中最核心且最重要的内容之一,典型的数据关联算法可以归结为特定的分配为问题,然而现有的S维分配算法只考虑同一时刻的每个传感器量测的互联。将此静态关联推广到动态关联中,提出了一种适用于异类传感器的(S+1)维动态数据关联算法。该算法首先将同一时刻各传感器的量测与目标轨迹的一步预测值合并,把问题转化为(S+1)维分配问题,然后将各传感器量测估计的位置信息与目标航迹的预测值的差值作为关联代价,并利用LP-SOLVE工具包解决多维分配问题,最后利用求得的全局最优关联解进行滤波和航迹的更新。仿真实验表明提出的关联代价能更精准地反映数据关联的可能性,能够对多目标进行稳定的跟踪。     

异类传感器动态数据关联算法

数据关联是异类传感器系统中最核心且最重要的内容之一,典型的数据关联算法可以归结为特定的分配为问题,然而现有的S维分配算法只考虑同一时刻的每个传感器量测的互联。将此静态关联推广到动态关联中,提出了一种适用于异类传感器的(S+1)维动态数据关联算法。该算法首先将同一时刻各传感器的量测与目标轨迹的一步预测值合并,把问题转化为(S+1)维分配问题,然后将各传感器量测估计的位置信息与目标航迹的预测值的差值作为关联代价,并利用LP-SOLVE工具包解决多维分配问题,最后利用求得的全局最优关联解进行滤波和航迹的更新。仿真实验表明提出的关联代价能更精准地反映数据关联的可能性,能够对多目标进行稳定的跟踪。     

一种新的多传感器航迹关联算法

提出一种基于多传感器航迹的关联算法.首先根据雷达和目标球极投影后的几何位置关系,利用三角形的几何性质分别建立两个航迹关联函数,并利用加权思想进一步建立相似度函数;在此基础上,利用一阶泰勒展式对航迹关联函数理论分析获得航迹粗关联门限;然后依次通过粗关联和精关联实现航迹关联.仿真结果表明了该算法的时效性和稳定性.     

基于属性信息融合的概率多假设跟踪算法

通过引入辅助的属性信息与属性数据来弥补目标跟踪信息量的缺失,提出了一种适用于目标近距离环境下的基于属性信息Homothetic-PMHT目标跟踪算法。该算法将传感器获得的目标属性信息与目标状态信息之间的关联以概率的形式给出,从而实现了运动状态信息、属性信息联合应用。仿真结果表明,所提算法在航迹关联成功率上与Homothetic-PMHT算法相比有明显的提升,同时在跟踪精度上也有所提高,证明该算法是有效的。     

自适应阈值航迹关联算法与实现

航迹关联和航迹融合是分布式数据融合的重点。基于航迹间的χ2距离和一个固定阈值的比较来决定航迹是否关联这种算法在关联率上不够理想,针对该问题提出了自适应阈值算法。对于状态估计用高斯分布描述的航迹来说,通过找出一组2个独立的航迹系统之间关联的最大后验概率(MAP)集合,对固定阈值算法进行改进形成自适应阈值算法。仿真结果显示自适应阈值算法对正确关联率有所提升,表明该算法对提高航迹关联概率具有可行性。     

多类传感器航迹参数关联研究

采用层次型数据融合结构,研究了防空作战(AAW)系统中多类传感器航迹相关问题。首先对目标航迹的真实跟踪概率(TTP)进行了讨论,在两个模型假设的基础上给出了TTP的计算公式。提出利用渐近分析理论研究多类传感器相关参数及其在时间域上参数方程的航迹参数关联问题。在此基础上设计了多类传感器系统中上层处理节点航迹相关算法。     

一种异类多传感器航迹关联新算法

针对传统航迹关联方法在航迹密集条件下易发生关联错误的缺点,提出了一种异类多传感器航迹关联新算法。首先,基于航迹专属信息实现完美关联,其次,在完美关联失败的情况下,基于航迹共有信息实现非完美关联,并提出了航迹关联的流程和航迹关联的计算方式,最后,给出了关联冲突的判定方法和基于分段法的冲突解决方法。数值试验表明,相对于传统算法,新算法能够较好地解决航迹密集环境下的关联错误问题,计算方法简单,便于工程实现。     

逼近理想灰关联投影多目标决策的点迹-航迹关联算法

点迹-航迹数据关联是多目标跟踪的重要组成部分。将多目标决策思想和灰关联分析方法引入点迹-航迹关联的研究,提出了一种基于逼近理想灰关联投影多目标决策的点迹-航迹数据关联算法。仿真实验表明,该算法在密集多目标情况下有一定的实际应用价值。     

系统误差下航迹关联算法

针对系统误差对目标航迹的影响,提出了一种新的系统误差下航迹关联算法,该算法采用模糊综合决策的思想,抓住目标航迹的不变信息建立模糊因素集,通过构建目标航迹紧密度矩阵提取最有可能的航迹关联对,从而达到系统误差下航迹关联的目的,通过典型环境下的仿真,验证了该算法在传感器组网存在系统误差情况下进行航迹关联的优越性,其具有较好的航迹关联效果和较强的鲁棒性。     

模糊聚类法改进异类传感器航迹关联

针对ESM与雷达的异类传感器航迹关联的准确性问题,提出了一种基于模糊聚类方法的异类传感器航迹关联算法。首先,将测得的航迹看作方位信息的时间序列,由不同航迹最终构成一个时间序列集合;再以当前时刻与历史时刻为模糊因子进行相似计算并得到模糊相似矩阵,并求得模糊等价矩阵;最后采用全局最优的判别准则确定航迹关联对,达到航迹关联的目的。仿真结果表明,基于模糊等价关系的异类传感器航迹关联算法能够有效提高ESM与雷达的航迹关联性能。     

自适应天波超视距雷达航迹融合算法仿真研究

针对天波超视距雷达在雷达坐标系下进行目标跟踪时,滤波器输出的各传播模式航迹起始与终结时刻的不同所造成的航迹缺失条件下的航迹融合问题,研究自适应天波超视距雷达航迹融合算法,通过应用当前时刻获得的新信息与历史时刻获得的信息联合确定最优关联假设,随着新信息的不断累积,对后向或前向不同时刻的航迹、传播模式以及目标的最优关联假设不断地进行修正,从而获得最优的目标状态估计。仿真表明,与多假设航迹融合算法相比,自适应天波超视距雷达航迹融合算法大大降低了融合结果误差,并对于电离层模型的误差具有很好的适用性和鲁棒性。     

模糊聚类法改进异类传感器航迹关联北大核心

针对ESM与雷达的异类传感器航迹关联的准确性问题,提出了一种基于模糊聚类方法的异类传感器航迹关联算法。首先,将测得的航迹看作方位信息的时间序列,由不同航迹最终构成一个时间序列集合;再以当前时刻与历史时刻为模糊因子进行相似计算并得到模糊相似矩阵,并求得模糊等价矩阵;最后采用全局最优的判别准则确定航迹关联对,达到航迹关联的目的。仿真结果表明,基于模糊等价关系的异类传感器航迹关联算法能够有效提高ESM与雷达的航迹关联性能。     

基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法

针对因深度学习自身局限性和递归预测策略产生的累积误差,导致航迹预测精度不高的问题,提出了一种基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法。首先,引入卷积模块用于提取航迹数据之中具有潜在关联的空间位置特征,利用双向长短时记忆网络提取航迹数据中的时序特征,并实现对空中目标的实时单步预测和多步超前预测;其次,引入整合移动平均自回归为残差修正模型,对实时单步预测产生的残差建模,计算混合神经网络模型多步超前预测时的残差值;最后,将混合神经网络模型和残差修正模型的输出结果进行融合,得到最终的航迹预测值。实验结果表明,该算法大大降低了神经网络因自身局限性产生的误差和因递归策略预测产生的累积误差,能够显著提高空中目标航迹短期预测的精度。     

大时空差条件下高超声速目标检测关联算法

针对临近空间高超声速目标因产生等离子体鞘套导致航迹中断的问题,提出了一种大时空差条件下的目标检测与航迹关联算法。在三维空间中将量测点坐标变换为径向距离-时间坐标,后通过Hough变换进行非相参积累,设置低门限提取分航迹。根据分航迹间的时间、速度、方位角多信息融合,关联属于同一条真实航迹的分航迹并输出最终航迹。仿真结果表明,算法具备对多个高超声速目标中断航迹检测关联的能力,具有一定的工程实践意义。     

被动多传感器阵列中复合观测数据的数据关联

被动多传感器阵列是现代化战争中对雷达等主动传感器的重要补充手段。针对被动多传感器阵列的观测数据特点,提出了一种基于复合观测数据的量测与航迹的关联方法。该方法根据被动传感器对目标的位置量测数据以及运动属性的描述信息,利用模糊积分的方法对观测数据与备选航迹进行关联度量,以实现量测数据与航迹的关联。试验表明该方法是切实可行的,可以有效地进行量测与航迹的关联。