使用多传感器的融合数据进行数据互联

数据互联利用融合的多传感器数据为基础,多传感器融合提供了一个简洁的图形,该图形由当前出现在监视区域中的目标的数字的和非数字的两种属性组成。数据互联技术包含两个过程。第一个过程是,活化的成群过程-在这个过程中,根据已有的航迹在预期的量测附近找到一个群,融合该群中的数据以获得组成群的目标的简洁的图形。第二个过程是,目标类型匹配过程-在该过程中,将已有航迹中包含的目标类型与包含在活化的群中的目标类型进行匹配。本文所提出的数据互联提供了一种手段,把量测得到的可信度值赋给每一条航迹(以接收的数据为基础),并以直接了当的方式推广到处理多目标跟踪数据互联。     

用多维数据互联的有效多传感器融合

本文介绍多目标跟踪的用多维数据互联的多传感器融合算法的发展。这项工作是受大规模监视问题的推动,在这种监视问题中,来自具有不同采样间隔(电子扫描阵(ESA)雷达)的异步传感器观察值用于集中式融合。用多维分配的多传感器融合的综合,对于由分配算法处理的S个表,除了“传感器宽度”外,还要使“时间层次”最大化。在有S个传感器的情况下,将来自最近到达的S-1个帧的量测值与已经建立的航迹互联的标准方法可能有零时间层次。对于S维数据互联(S≥3),所介绍的新技术保证最大效率,即对于没有损失融合重叠传感器的每一个传感器,保证最大时间层次(S-1)。使用滑窗(长度为S)技术,在每一个量测帧之后更新估计。对于使用具有多维分配数据互联的多传感器融合,该算法提供多目标跟踪的自动航迹形成、保持和结束的系统方法。对于一个大规模空对地目标跟踪问题,介绍了使用模拟数据的估计结果。     

水面舰艇指控系统信息融合原理与算法

本文从水面舰艇传感器配置及量测特性出发,研究了单舰和编队指控系统信息融合的体系结构;在简要介绍实用的单站多目标数据互联方法的基础上,重点给出了实用的单舰及编队多站多目标信息融合算法。     

多平台纯方位信息融合结构及关联估计联合优化模型

在多平台纯方位信息融合中,存在多平台的方位关联和单平台的参数估计(或目标定位)困难,因为两者相互依赖和制约。造成相对不同平台的方位不能进行时间空间对准、虚假目标不能消除。为此,提出了一种分布式信息融合结构,并建立了相应的数据互联与参数估计联合优化模型。在这种结构和模型中,首先由各平台对本地传感器探测的纯方位信息完成融合并输出方位序列,然后在融合中心按分层节点对方位序列的数据互联与参数估计进行联合优化处理,每个融合节点仅处理两个平台信息,最后节点输出融合结果。仿真计算结果表明,这种优化模型是解决关联和估计问题的一个有效方法,可以提高多平台纯方位信息融合的性能。     

基于表决算法的空间预警系统数据融合建模/仿真

空间预警系统中包含红外、可见光等多种类型的传感器,每种传感器对不同目标的探测均有相应的优势和不足.数据融合技术对来自多个传感器的探测数据进行综合处理,从而缩短系统整体的目标发现时间,提高探测精度等性能.采用表决融合算法对空间预警系统中的数据融合问题进行研究,建立了多传感器串联、并联以及混合结构3种不同组合的融合模型,重点对采用混合融合结构时,系统在保证一定检测率的同时,能最大程度减小虚警率的算法进行了探讨,计算证明这种结构具有最佳的整体融合效果,最后还给出了融合仿真系统的结构方案.     

使用并行博尔兹曼机计算互联概率

在传统的估计理论中,确切地知道量测与哪些参数或者状态互联。但是,在多目标跟踪这样的问题中,事先不知道量测将与哪一个目标的状态矢量互联。因此,为了实现跟踪算法,必须得到量测源于给定目标的概率估计。当可以用序列算法精确求解这种数据互联问题时,对于大量的目标和杂波点,这种方法可能变得难以处理。本文介绍使用并行博尔兹曼(Boltzmann)机求解数据互联问题的新计算方法。该方法证明,如果能得到充分数量的并行博尔兹曼机,就可以用任意小的误差计算互联概率。第i个量测源于第j个目标的概率β~ji可通过观察神经元v(i,j)在两维网络各层中“激活”的相对频率简单地得到。本文还介绍一些简单的例子,以便对博尔兹曼算法和精确的数据互联解的性能进行比较,还与使用霍普菲尔德(Hopfield)神经网络的另一种并行方法的性能进行了比较。     

基于递推CRLB的被动定位跟踪精度分析

针对无源探测下存在探测概率低、数据率低、精度较低等问题,为了提高目标定位跟踪精度,利用克莱默下界(CRLB)理论,推导了不完全量测下最优估计方差下界公式。从而分析以上因素对目标跟踪的影响,为设计跟踪系统提供指标参考。理论仿真与KALMAN滤波数值仿真表明,在无法提高观测器精度的情形下,通过提高系统灵敏度以提升信号截获概率,增加分布式布站组网探测关联融合提高信息数据率,能显著提高被动定位跟踪精度。     

PDF多目标跟踪器

本文介绍用于多目标跟踪问题的概率密度函数(pdf)方法。输入数据是来自前端探测器的随时间变化的量测。期望的输出是出现的目标数目和每个目标的参数。同样的方法以前已用于时间延迟探测和跟踪问题并适用于多目标跟踪问题。本方法可取代以量测为基础的传统“互连”和“跟踪”方法。     

多目标跟踪的数据互联——使用分层博尔兹曼机求解

数据互联是确定多目标跟踪算法中的量测源和分配概率β_i~t问题,其中β_i~t是表示第i个量测来自第t个目标这一事件的概率。本文介绍使用一个分层博尔兹曼机求解数据互联问题的新并行计算方法。研究证明,如果能得到充分多的二元神经元层数,就可以用任意小的误差计算互联概率。特别是,证明了概率β_i~j等于分层的两维网络中神经元v(i,j)激发的相对频率。文中还介绍一些简单的跟踪例子,这些例子将对用于精确的数据互联解的博尔兹曼算法的性能与使用Hopfield神经网络的另一种并行算法的性能进行比较。     

重力场中低可观测弹道导弹的被动测距

本文介绍跟踪重力场中低观测目标运动的一种估计算法。例如,利用纯角量测跟踪接近的弹道导弹。这种量测可以从一个单一的固定传感器获得,但它仅在短时间内可用。而且,低目标发现概率和高虚警密度造成一种困难的低观测环境。一种算法采用概率数据互联并结合最大似然估计法,可以控制误警和小于一的目标的发现概率。本文还介绍杂波中的克拉默—拉奥下界,它确定了在虚警存在和发现概率小于一的情况下,估计器在解这个问题时可以达到最好的精度。本文建议的估计器被证明是有效的,即它满足克拉默-拉奥下界,即使对于低可观测的有6dB平均信噪比的波动目标也是有效的。对于单扫描发现概率为0.6的自由飞行的弹道导弹,其跟踪探测概率可以达到0.99而假航迹认可概率却很小。     

临近空间升力式再入飞行器跳跃空域预测

远程预警相控阵雷达在探测临近空间升力式再入飞行器时受到地平线限制,当雷达在远端发现目标后,飞行器由于纵向跳跃和侧向偏移可能机动至雷达水平波束屏以下,从而造成情报中断。为了维持情报连续,提出了一种基于目标三自由度弹道方程的跳跃空域预测方法,以辅助预警系统补盲照射。首先,将穿屏过程中的量测信息通过坐标变换转换到对应坐标系,得到目标飞离地平线的运动参数初值;然后,根据这些量测信息估算目标飞离地平线时的控制量,并对其进行预测,基于数值仿真获得了目标可能的跳跃点空间分布;最后,通过仿真验证了该方法的有效性。     

航迹/量测融合的数学原理研究进展

本文首先讨论了数据融合的概念,接着综述了航迹融合、量测融合的数学公式系,给出了融合假设检验统计量,比较了同质传感器、同步传输、同维目标、及时通信条件下的融合性能。     

一种基于IMM/MSPDAF的多传感器数据融合目标跟踪算法

基于交互式多模型和多传感器联合概率数据关联算法的机动目标跟踪,先用融合算法将红外和雷达的量测进行融合,然后利用融合后的数据,采用交互式多模型机动目标跟踪方法实现对机动目标的跟踪。仿真实验验证了算法具有良好的机动目标跟踪效果。     

用批递归估计器纯方位跟踪机动目标

本文介绍一种新的批递归估计器用杂波中的纯方位量测跟踪机动目标(即,低信噪比(SNR)目标)。标准的递归估计器跟广义卡尔曼滤波器(EKF)一样由于缺乏初始目标距离信息而造成粗劣收敛和不稳定状态。另一方面,批估计器不可以处理目标机动。为了纠正这些缺陷,本文用概率数据互联将批最大似然——概率数据互联估计器(ML-PDA)同递归交互多模型(IMM)估计器组合,在有杂波的条件下产生较好的航迹初值和航迹保持结果。还论证,批递归估计器可以用于基于目标状态估计的自适应己舰机动决策,以提高目标的可观测性。跟踪算法对有8dB信噪比的目标被证明是有效的。     

基于RCS的空间目标识别研究

空间目标的雷达探测与识别技术在航天监测、开发利用空间资源方面具有广阔的应用前景。空间运动目标RCS序列为非平稳时间序列,常用时间序列分析方法很难对其进行特征提取和识别。针对空间运动目标RCS序列的变化规律,引入小波变换以及模糊分类对空间目标的RCS序列进行特征提取和识别。实测数据处理结果表明,对于空间目标的旋转姿态识别,该方法取得了较好的实验结果。     

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。     

对空情信息融合软件测试与评价标准的思考

空情信息指探测设备所探测到的空中目标的方位、距离、高度、速度等相关信息。空情信息融合是将来自多源的空情信息数据进行检测、关联、估计和综合等多级多方面的处理,以得到对被测对象精确的状态、身份的估计、完整及时的态势及威胁程度的判断。防空C3I系统中指挥中心的任务主要是根据空情信息进行分析判断,适时进行决策,并以命令形式下达给作战分队,以便对敌空中目标实施火力打击。这种任务特性直接决定了空情信息融合软件在防空C3I系统中的重要作用和关键地位。目前,关于信息融合的理论与技术,已有许多研究成果问世,并且已经在许多装…     

基于多机载预警雷达的机动目标融合跟踪方法

机动目标跟踪是多机载预警雷达数据融合中的一个难点,传统的卡尔曼滤波本身不足以解决该问题.基于量测噪声协方差估计设计了一种可适用于机动目标的卡尔曼滤波器;引入了协方差交集,提出了一种针对多机载预警雷达数据融合中机动目标跟踪的新方法.仿真实验表明,该方法能够成功稳定地跟踪机动目标,与现有的主流方法相比,该方法的误差性能是最佳的.     

基于最小二乘支持向量机的测控数据融合

提出利用最小二乘支持向量机方法研究GPS和雷达系统对机动目标联合测量中的数据融合问题,GPS数据经过时间配准处理与雷达数据达到时间同步,经过空间配准和坐标系变换,进行卡尔曼滤波,以滤波估计坐标值作为支持向量机的输入,以最小二乘支持向量机为同步融合中心,输出为目标轨迹的融合估计值,仿真结果表明这种方案可以达到比融合前数据更贴近真实值的效果.     

用于多目标跟踪的m-最佳S-D分配算法

本文描述了一种称为m-最佳S-D(即m—最佳S维)的新数据互联算法,这种算法在O(mSkn3)(m个分配,长度为n的S≥3个序列,k次松弛)时间内得到对于S维分配问题的(近似)m-最佳结果。m-最佳S维算法应用于以下的跟踪问题:要么传感器是同步的,要么传感器和/或目标运动非常缓慢。此项工作的意义在于m-最佳S-D分配算法(以滑窗模式)可以通过避免所需列举的令人不堪忍受的指数数目的联合假设,从而有效实现次优多假设跟踪(MHT)算法。本文首先描述了m-最佳S-D所应用的一般问题。特别是根据来自S个传感器的视线(LOS)(即不完全位置)量测,求取完全位置量测集合,即通过求解一个静态S-D分配问题可得到第1、第2、…、第m个最佳(在似然意义下)完全量测集合。使用用于得到m-最佳S-D分配解的联合似然函数,就可用类似JPDA(联合概率数据互联)技术来度量复合量测的正确概率。来自连续扫描的复合量测序列以及它们相应的概率,轮流用于一个动态2-D分配算法的状态估计器中,以估计随着时间变化的运动目标状态。基于一个似然函数获得动态分配权系数,此似然函数包含了从(静态)m-最佳S-D分配解中得到的“真实”复合量测概率。通过把m-最佳S-D分配的解法用于一个仿真的多目标被动传感器航迹起始与航迹维持问题,展示了m-最佳S-D分配解法的优点,其