一种航迹数据高维特征矩阵提取方法

针对雷达航迹数据特征提取不充分使得对空中目标分类识别准确率低的问题,提出了一种航迹数据高维特征矩阵提取方法.首先从机动性、巡航性、飞行区域以及高阶特征进行航迹数据分析,进而在不同维度统计数据特征、提取多维航迹数据特征参数,最终形成航迹数据高维特征矩阵.通过实测航迹数据实验表明对特征提取充分,多类机器学习方法验证识别率统...     

基于网格聚类的弹道目标航迹起始算法

针对传统航迹起始算法起始弹道目标航迹时存在虚假航迹和起始速度慢的问题,提出了一种基于网格聚类的起始算法。该算法采用网格核技术和边界点提取技术来处理高、低密度网格中的雷达探测点迹,从而产生更加准确的簇,然后对簇中的点迹进行相似度聚类,最后采用修正逻辑法对每个聚类中的点迹进行航迹起始。仿真结果显示,该算法在较高密度的杂波环境下能够快速、准确地起始多个弹道目标航迹。     

采用编码降维及DTW算法改进的船舶航迹聚类

船舶航迹的时序特性在船舶航迹异常检测中至关重要,为了提取船舶航迹的时序特性,提出了一种基于编码降维及DTW(dynamic time warping)算法改进的船舶航迹聚类算法。为了避免二维时间序列DTW度量容易失去属性之间相关性的问题,该算法提出一种编码降维方法将船舶二维时间序列转化为一维时间序列;为了满足计算效率要求,该算法首先从最小粒度压缩角度对DTW算法进行了改进,然后又从度量搜索角度对DTW算法实现进一步的改进。实验结果表明编码降维后的时间序列有效保留了属性之间的相关性;改进后的DTW算法有效提高了计算效率;同时该航迹聚类算法有效提取出船舶航迹的时序特性。     

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。     

多尺度聚类Hough变换航迹起始方法

针对基于Hough变换航迹起始方法存在的航迹簇拥现象,提出了一种基于多尺度聚类的Hough变换 (MSC-HT)航迹起始方法.该方法首先对量测进行Hough变换,利用较低的阈值得到备选航迹;然后对备选航迹进行多尺度聚类,通过变化尺度参数寻优,自适应确定起始航迹数目和航迹参数,仿真结果表明了算法的有效性.     

基于K-Means聚类算法的空中态势威胁挖掘

战场环境复杂多样,各种探测手段层出不穷,空中威胁属性指标种类繁多,增大了指挥员对空中态势威胁分析难度。正确、快速地对空中态势进行威胁分析,将给战场部署提供有效的决策依据。建立基于K-Means聚类算法的空中目标威胁等级聚类模型,通过对空中目标威胁属性特征的数据进行分析,对威胁目标聚类进行深度挖掘,将目标威胁等级问题转化为最优聚类问题。实例分析表明该算法在对威胁目标等级聚类中有效,提高了目标威胁等级聚类的可靠性、精确性。     

基于线性预测的雷达航迹压缩算法

雷达通信手段遭到破坏时,目标航迹数据无法传输,可以采用北斗短报文进行应急传输。针对北斗短报文通信容量有限的问题,提出一种基于线性预测的雷达航迹压缩算法。采用线性预测的方法将雷达获取的目标航迹进行分段直线拟合确定航迹的特征点,用特征点代替航迹进行传输实现对航迹的压缩。仿真结果表明:该算法具有非常好的航迹压缩效果。     

模糊聚类的多雷达航迹关联算法

为了解决传统滤波跟踪算法对多雷达航迹预测定位误差较大的实际问题,通过对基于关联矩阵的聚类算法进行分析,提出了基于模糊聚类多雷达、多目标航迹定位跟踪仿真模型提出改进的矩阵聚类算法,并且与传统滤波跟踪算法做对比分析。实验结果表明,所提算法的性能在时间和空间上有所提高。较之传统算法精度较高,运算效率亦有所提升。     

模糊聚类的多雷达航迹关联算法北大核心

为了解决传统滤波跟踪算法对多雷达航迹预测定位误差较大的实际问题,通过对基于关联矩阵的聚类算法进行分析,提出了基于模糊聚类多雷达、多目标航迹定位跟踪仿真模型提出改进的矩阵聚类算法,并且与传统滤波跟踪算法做对比分析。实验结果表明,所提算法的性能在时间和空间上有所提高。较之传统算法精度较高,运算效率亦有所提升。     

基于改进C-均值聚类算法的空中目标分类

空中目标的正确分类对防空作战效果有着重要的影响。在分析了空中目标类型和目标的表征方法之后,构建了动态聚类中的一种分类算法———改进C-均值算法。该算法改变了以前算法中只用一个聚类中心作为一类的代表的做法,而采用的是类核函数代替类心的方法。类核函数较一个聚类中心更能够表现出某一类的分布信息,从而提高分类的正确率。     

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。     

特征敏感度与模糊度的弹道目标聚类识别评估

针对现有弹道导弹目标聚类识别算法中,很少同时考虑目标特征敏感度与模糊度的问题,提出了一种基于特征敏感度与模糊度的弹道目标聚类识别算法。该算法通过目标特征类内类间距离,定义目标特征聚类识别敏感度,将两类目标形成的类看成两个圆,利用圆之间的位置关系,定义目标特征聚类识别模糊度,将所定义的特征敏感度与特征模糊度合理组合,作为目标特征对聚类识别好坏的评估因子。仿真实验从特征评估分析和特征组合分析两个方面验证了算法的有效性。     

基于决策图的轨迹运动趋势提取

在军事应用中,为了提取群体目标的整体运动趋势,提出了一种基于决策图的轨迹聚类来提取轨迹运动趋势的方法。该方法不需要预设参数,且聚类中心的个数既可以通过决策图人工确定,又可以通过数值检测策略自动确定,由此减轻了算法对领域知识的依赖,增强了算法的适用性。仿真实验表明:该方法能正确确定轨迹聚类簇,且对轨迹噪声有一定的抑制作用。     

用于雷达监视的贝叶斯及登普斯特－－谢弗目标识别法

本文探讨了雷达监视系统中目标航迹的识别问题,为了跟踪器旁边建立目标识别器,这里使用了可用于空中监视系统实时处理的四个特征:从敌我识别系统(IEF)得到的目标标识符(TID).来自雷达的仰角量测、目标速度以及跟踪器估计的加速度。将这四个特征组合起来,可将空中目标分成五类:友方商用目标、友方军事目标、敌方商用目标(或未知目标)、敌方军事目标及假目标(雷达杂波)。两种流行的基于统计的技术,即贝叶斯和登普斯特——谢弗方法,用于开发本文的雷达目标识别算法。真实及仿真的空中监视雷达数据用于评估雷达监视系统的这种航迹识别方法的适用性及效能。     

基于点模式匹配的雷达航迹与航行计划匹配算法

在雷达航迹与航行计划匹配时,针对传统算法对单点信息依赖程度较高,在信息缺失、目标机动等情况下匹配效果差的问题,提出了一种基于滑窗的改进点模式匹配算法。首先,提取了雷达航迹多特征点,利用特征点集弥补单点信息的不足,通过简化匹配分数的计算,降低了点模式匹配复杂度。仿真实验结果表明,改进的点模式匹配算法显著提高了信息缺失、目标机动等情况下的匹配正确率。     

基于运动状态和敌我属性的空中目标融合识别

研究了基于实时跟踪器的空中目标航迹身份识别问题。从分析目标运动状态和敌我属性的不确定性出发 ,建立了空中目标身份统计模型 ;根据建立的模型 ,通过采用Dempster Shafer证据理论方法 ,对空中目标进行融合识别。仿真实验结果证明了模型和算法的有效性。     

群目标侦察航迹规划方法

针对群目标侦察中的航迹规划问题,提出先采用聚类算法将目标群分成若干个子目标群,然后采用分层规划方法进行求解。第1层为目标群之间的路径规划,将问题转化为多旅行商问题并采用遗传算法求解确定最短航迹;第2层为子目标群内部的航迹规划,由于传感器通常是以一定宽度进行扫掠式侦察,因此,首先用Delaunay三角剖分算法求出包含子群内所有目标的最小凸多边形,再利用区域覆盖扫掠算法求出凸多边形内机动次数少、路径最短的航迹。仿真结果表明,所设计的航迹规划方法能够实现群目标侦查中无人机的航迹规划,证明了模型的可行性和算法的有效性。     

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。     

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。     

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。