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。     

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。     

基于定位原理的雷达与ESM航迹关联算法

雷达与ESM传感器的数据关联是典型的异类传感器数据关联。将交叉定位原理引入到航迹关联算法研究中,将定位原理与统计双门限航迹关联思想结合起来,提高了正确关联率。最后,对该算法进行仿真实验,证明了该算法的正确性和有效性。     

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。     

系统误差对雷达和ESM航迹关联的影响

基于统计学原理,就系统误差在雷达和ESM航迹关联中的影响进行了研究分析,并对研究中发现的随着雷达探测精度的提高,雷达和ESM航迹关联的检测概率反而下降这一现象做出了合理解释.最后,仿真结果有效地验证了分析的正确性.     

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。     

一种用于 C~3I 系统的异类传感器数据融合算法

在文献〔８〕和〔９〕基础上研究了在不等样本情况下的异类传感器——雷达与ＥＳＭ——的航迹相关问题。首先,基于模糊综合函数找出两个最可能的雷达与ＥＳＭ航迹相关对,然后,利用统计理论并采用多门限决策方法进行雷达与ＥＳＭ航迹相关判决。仿真结果表明,与文献〔８〕的方法相比,在雷达航迹比较多的情况下,本文所提出的在不等样本情况下的雷达与ＥＳＭ相关算法具有与其很相近的性能,但计算量明显减少;而与文献〔９〕的方法相比,这里采用多门限决策方法又可同时减小两类错误概率。     

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。     

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.     

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。     

基于椭球模型的雷达/ESM联合定位算法

为了减少作战过程中雷达的开机时间,采用了ESM辅助的方法。在雷达关机条件下,利用多平台ESM对目标进行定位;当雷达开机时,采用雷达/ESM联合定位。本文首先分析了基于椭球模型的多平台ESM交叉定位算法,其次分析了雷达/ESM联合定位算法。通过仿真实验分析,这两种算法具有很高的定位精度;并分析了测量误差对定位精度的影响。该算法具有一定的应用价值     

分布式2D雷达网的航迹关联方法

针对分布式2D雷达网由于缺乏高度信息而不能对空中目标进行航迹关联的问题,研究了一种2D与2D雷达航迹关联算法。首先,利用雷达和目标之间的几何特性将来自两异地雷达的航迹有效地统一起来,建立航迹关联函数;然后,对关联函数进行一阶泰勒展开,得到关联函数与雷达量测噪声的线性关系,并根据雷达量测噪声的置信区间得到关联门限;最后,在航迹粗关联的基础上建立基于历史信息的关联代价矩阵,利用匈牙利算法对代价矩阵进行航迹最优分配,实现航迹精关联。仿真结果表明,该方法能够有效解决分布式2D雷达网对空中目标的航迹关联问题,具有一定的实际应用价值。     

系统误差下的模糊航迹关联方法

航迹关联对航迹融合结果具有决定性影响。为了解决组网雷达存在系统误差情况下的航迹关联问题,采用归一化的方法,构造了一种新的隶属度函数,采用模糊方法进行航迹关联,该算法简单易于实现,可以准确地实现密集目标的航迹关联。仿真结果显示了该算法的有效性。     

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。     

改进CHNN神经网络航迹关联算法

航迹关联和航迹融合是分布式数据融合的重点。基于Hopfield神经网络的航迹关联算法是建立在每个传感器都发现相同目标的基础上的,但是在实际应用中往往不是这样。改进了基于连续型神经网络的广义航迹关联算法,进一步地,该算法可以推广到多个传感器的情形。为了加速Hopfield神经网络的收敛速度,重新定义马氏距离。计算机仿真表示,改进算法适用于多传感器航迹关联问题,且适用于密集目标航迹交叉的情形。     

ESM量测间歇下雷达/ESM协同跟踪与辐射控制

为减少作战飞机目标跟踪过程中的雷达辐射,提出了一种ESM间歇量测情况下的机载雷达/ESM协同跟踪与辐射控制方法.采用基于IMM-EKF的雷达/ESM序贯滤波算法对目标进行滤波跟踪,利用跟踪过程中的预测协方差与预定门限进行比较控制雷达辐射,并给出了不同ESM间歇时间、控制门限与雷达辐射时间的关系.研究结论有助于提升作战飞机的隐蔽性和生存能力.     

面向航迹中断的模糊航迹关联算法

针对海战场态势中,由于系统误差、电磁干扰、地理环境隔绝、电子静默等原因,出现的传感器信号长时间中断、目标丢失,导致态势中航迹不连续的问题,提出了一种改进的模糊航迹关联算法.该算法通过采用统一速度模糊因素和方向模糊因素、改进加速度模糊因素、制定二级关联策略和自动调整隶属度函数关联阈值等方法,实现了在目标机动性较强、中断时间较长等情况下的航迹关联,保证了态势的稳定.通过Monte Carlo仿真实验表明,该算法具备较高的关联性和鲁棒性.     

雷达抗距离多假目标干扰的时域融合算法

针对现有雷达抗距离多假目标干扰算法主要根据一个时刻的信号特征识别真假目标,其判决门限设定主观性强,容易导致误判率高的问题,在D-S证据理论框架下提出了基于时间递推融合的抗距离多假目标干扰算法。首先对用于航迹更新的点迹进行基于卡方检验的分组,判定雷达是否遭受距离多假目标干扰,构建基于信噪比的点迹基本概率赋值函数,然后与前一时刻的航迹基本概率赋值函数进行递推融合,得到当前时刻的航迹基本概率赋值函数,最后基于航迹基本概率赋值函数进行了真假航迹判决。仿真结果表明,该算法能快速识别距离多假目标干扰,真假目标鉴别率较高。     

基于粒子滤波的多异步传感器检测前跟踪算法

针对弱目标检测跟踪问题,提出了基于粒子滤波的多异步传感器检测前跟踪算法。该算法通过对粒子的状态进行时间和空间递推,将雷达对于目标位于不同时刻的回波幅值映射到同一个粒子的权重中,从而通过对粒子状态及权重的融合,将多雷达的回波幅值信息进行融合,并在此基础上实现对目标的检测跟踪,获得目标航迹。仿真试验结果表明,与单雷达效果相比,所提算法能够有效提高目标跟踪精度和目标正确发现概率。