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。     

基于模型转换的异步空间配准算法

在分布式融合系统中,融合中心在对传感器发送过来的航迹数据进行融合处理前,需要采用空间配准算法来消除航迹数据中可能存在的系统误差.已有的空间配准算法未考虑滤波处理中的状态方程对配准过程的影响.对不同传感器具有不同状态方程条件下的异步空间配准实现进行了研究,采用将模型误差和系统误差合并处理的思路,提出了基于模型转换的异步空间配准(AMCBA)算法.仿真结果表明AMCBA算法能够实现对模型误差和系统误差的准确估计.     

分布式干扰下分布式雷达网目标跟踪技术

针对分布式干扰下雷达对目标的检测概率降低导致跟踪航迹不连续的问题,提出了一种分布式干扰下分布式雷达网目标跟踪技术。首先将组网各雷达跟踪滤波后的航迹数据上报到融合中心进行时空对准,然后在融合中心对分布式干扰下上报的不同航迹类型进行关联检验,最后对通过关联检验的航迹滤波融合。该技术能提高分布式干扰下目标跟踪航迹的连续性和稳定性,仿真结果证明了该技术的可行性和有效性。     

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。     

通信受限下分布式多传感器协同跟踪算法

在分布式多传感器目标跟踪系统中,由于局部融合中心(LFC)的物理限制(如:有限的频率信道、处理器容量有限等),只能接收有限个传感器的传送数据。此外,信息传输的方式也将影响传感网的使用寿命,因此,研究了通信受限下的分布式多传感器目标协同跟踪问题。首先对监视区内分布的传感器进行聚类分簇形成若干个子网,接着从通信能耗的角度出发,对传感器采集信息的传递路径进行最优路径规划;进而对子网局部状态进行估计,在子网信息融合中,分别采用最大距离和、最大化信息增量两种准则进行最佳传感器选择,最后通过各子网全局航迹融合实现分布式多传感器协同跟踪。仿真验证了算法的有效性。     

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。     

分布式情报指挥系统中空中目标航迹的上报与管理

本文从多类传感器的航迹相关问题出发 ,对分布式层次型结构的情报系统中航迹上报与管理问题进行了研究。在航迹上报与管理问题的研究过程中 ,系统建立了两个模型(ModelA、ModelD)并引入真实跟踪概率对空中目标航迹进行管理、较好地解决了系统的通信负担和航迹上报过程中的延时问题。     

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.     

多传感器数据融合系统中的序贯航迹相关算法研究

提出了一种适合于分布式多传感器数据融合的序贯航迹相关算法,对算法进行了仿真,并和最临近法进行了比较。仿真结果表明,该算法性能与传统方法比有很大改善。     

基于区域覆盖度的航迹灰关联算法

研究了在雷达存在系统误差情况下的航迹关联问题,分析了时变系统误差对航迹形成的影响,将系统时变误差的影响用灰区域来描述。提出了一种基于区域覆盖度的航迹关联算法,研究了算法在不同条件下的适用性,并将该算法拓展应用到异步等速率情况下,带有时间误差和系统误差直接进行关联,仿真结果显示关联正确率较高。     

模糊决策融合的红外弱小目标序列检测

针对红外序列图像中运动弱小点目标的检测问题,重点研究序列关联检测算法.在多帧关联检测的基础上,引入决策融合概念,建立了基于模糊决策融合的序列关联检测方法.基于贝叶斯最小风险准则建立分布式决策模糊融合方法,有效融合单帧检测的结果,提高序列检测算法的性能.实测数据的实验结果验证了基于贝叶斯最小风险准则的分布式决策模糊融合方法的可行性和有效性.     

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。     

分布式多传感器联合Viterbi数据互联算法

为了提高分布式多传感器对密集杂波环境下多目标的跟踪效果,基于Viterbi算法的思想,研究了分布式多传感器联合Viterbi数据互联算法,并与顺序处理结构的集中式多传感器联合概率数据互联算法和分布式多传感器联合概率数据互联算法进行了仿真性能比较.经仿真验证,该算法能够在密集杂波环境下对目标进行有效跟踪,综合性能优于顺序处理结构的集中式多传感器联合概率数据互联算法和分布式多传感器联合概率数据互联算法.     

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。     

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。     

网络分布式分级数据处理技术

针对现代战争中多平台多传感器协同作战的特点,提出了一种网络分布式分级数据处理技术。首先,通过网络分布式技术提升了整个作战系统的抗毁性,实现了指控作战的无缝交接。其次,通过分级融合技术解决了传统单级融合模式中由于数据回吐而造成的信息冗余问题,同时也降低了网络负载;最后,通过理论分析和仿真实验验证了分布式分级处理技术的可行性和有效性,具有较强的工程应用价值。     

分布式火控网的数据融合研究

针对火控网的特点,采用了分布式结构。分析了自适应滤波算法的原理,采用航迹融合算法对各探测器的跟踪航迹进行了融合,仿真分析融合前后的距离、方位、俯仰的误差大小。仿真结果表明,分布式火控网经过航迹融合后,系统的精度有较大改善,跟踪性能比融合前有大幅度提高。     

雷达与声数据的融合

洛克希德·桑德斯公司正在研究综合声与雷达数据的融合过程。声和雷达数据是高度互不相关的,它们可提供有关每个目标的互补信息。因此,融合过程使之有可能利用组合分类器的输出产生一种可信度高的目标识别(可靠的ID),分类器的输出包括:声波形、雷达信号特征和航迹形状 而由单个分类器进行可靠的识别是不可能的。通过融合过程可以减少目标位置误差和改善量测与航迹的互连过程。 由于融合过程是高度非线性和自适应的,因此,仿真是必不可少的。用多次重复的具有嵌入式传感器模型的仿真来建立多目标情景,以便激励融合过程。在仿真情景期间,用测量的声和雷达数据产生传感器输出的逼真描述。融合过程对分类和传统的跟踪器使用了神经网站。使用与目标ID有关的数据,以便选择最优的跟踪器参数。 对雷达和声数据的特定实例,验证了使用仿真来设计传感器融合处理的方法。然而,这种方法对于各类型的传感器或数据融合也是有价值的。例如:可在非军事应用中使用仿真,在这种应用中有关复杂系统状态的多源数据可用来控制其他数据和收集并做出最优决策。一般,仿真可用任务级指标,如成本、生存概率和杀伤概率来评定融合过程的好处。仿真对于优化融合过程的任何自适应“子部件”如神经网络来说是必不可少的。     

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。