多传感器量测噪声对航迹融合性能影响分析

针对多传感器量测噪声相关性和量测噪声方差比值对航迹融合性能有影响的问题,分别采用凸组合航迹融合、最优航迹融合和小航迹融合算法进行融合,对融合性能和单个传感器滤波性能进行分析对比.仿真实验表明:(1)当量测噪声相关系数趋向-1时,融合性能良好;当量测噪声相关系数趋向1时,融合性能退化.(2)当量测噪声方差比值大致处于[0.1,10]时,融合性能良好;当量测噪声方差比值超出此范围时,融合性能退化.     

不确定性目标运动的航迹互联和航迹融合

在各种程度不确定的目标运动即过程噪声以及各种程度的不确定初始条件下,运用一个简单的线性-高斯-泊松模型,进行定量比较典型的航迹融合算法和航迹互联量度.用解析法比较航迹融合算法,而航迹互联量度通过蒙特卡罗模拟来估计.     

一种基于时变噪声统计的异步多速率传感器信息融合算法

以异步多速率传感器信息融合理论和同步单速率传感器时变噪声统计理论为基础,提出了一种适用于时变线性系统的异步多速率传感器时变噪声统计系统的信息融合算法.通过原理分析和数学推导,将异步多速率传感器动态系统建模为同步同速率系统.进而利用噪声统计估值器和相应的自适应Kalman滤波方法进行状态估计,利用联邦分布式数据融合方法进行信息融合,获得基于所有现测信息的最优估计.理论分析和仿真结果均表明,该算法的融合效果优于任一单传感器Kalman滤波的效果.     

多传感器系统中的航迹合成

本文系统地研究了线性离散系统中的航迹合成和分层估计问题。第一,推出全局最优集中估计解;第二,提出一种新形式的最优航迹合成解,并介绍了它的特点和性质;第三,系统地讨论了一种次优合成算法;第四,导出了次优与最优合成算法的关系。理论分析和仿真研究表明,在过程噪声较小的条件下,次优解与最优解的性能非常接近。     

自适应航迹融合算法及其仿真

在简单融合算法和协方差加权融合算法的基础上给出一种自适应航迹融合算法,并对这一算法进行了仿真.首先根据已关联的多个传感器的航迹状态估计计算得到第一个距离测度S1,并与门限T1比较.若S1小于门限T1则融合节点将选择本地航迹估计作为全局航迹估计;否则计算距离测度S2.这里S2也是局部航迹状态估计的函数.若S2小于门限T2则判决融合节点执行简单融合算法;否则判决融合节点执行协方差加权航迹融合算法.这里门限值T1,和T2代表了系统对融合航迹质量的要求以及系统可用资源对融合算法的综合影响.仿真结果表明自适应融合算法能够根据融合系统不同时刻对融合质量的不同要求以及系统资源的变化来自适应地选择满足要求的融合算法,从而降低航迹融合算法的计算复杂度.     

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。     

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。     

基于局部估计误差相关的多传感器异步航迹融合

由于不同传感器采样率不同、工作起始点可能不同、通信延迟和本身固有延迟等原因,使得研究多传感器异步融合比同步数据融合更贴近实际需求,且通常情况下,各传感器局部估计误差是相关的,利用融合中心状态融合误差协方差阵迹最小准则,提出了一种局部估计误差相关的多传感器异步航迹融合算法,并从理论上进行了推导,最后通过仿真验证了该算法的...     

多传感器航迹融合的有效算法

本文介绍了一种通过把不同传感器产生的航迹之间的互协方差结合在一起进行航迹对航迹融合的有效算法。若考虑跟踪同一目标的传感器之间的互相关,这个问题的解析解是很复杂的。根据某个积分推导出稳态的互协方差矩阵的显解。可以看出,这个积分的解包含着某矩阵的逆,其中的各个元素是每个跟踪器参数的函数。分析了这个矩阵的结构,得到了这个矩阵逆的有效解析解。对于相同传感器的数据融合,已证明,这个矩阵可简化为劳斯—霍尔维茨矩阵,它是在研究线性定态系统稳定性时提出的。通过考虑融合候选航迹之间互相关效果,本文还介绍了表明减少融合航迹协方差时的数字结果。     

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。     

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。     

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。     

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。     

模糊技术分布式多传感器系统量测-航迹相关算法

给出了一个在分布式多传感器多目标跟踪系统中的新的全邻近模糊逻辑量测-航迹相关算法,该算法是基于FCM算法开发的。全邻近模糊逻辑数据相关算法在预测的目标状态的控制门内用合并所有观测来对状态估计进行修正。这里提出的全邻近模糊相关算法用可能性值对测量和航迹进行相关。可能性值作为隶属度通过FCM算法确定。     

再探运动目标航迹的灰色预测

本文根据笔者在[1]中所提出的航迹灰色预测中的两个问题:机动目标的跨象限运动及GM(1,1)预测模型对噪声的抑制能力进行若干计算研究。     

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。     

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。     

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。     

利用多传感器跟踪机动目标:数据越多总意味着估计越好吗?

在文献中考虑利用多传感器跟踪机动目标一类的问题时,支持特定目标跟踪的传感器数量及类型通常相对于目标假定位置是固定的。然而,在许多多传感器系统中,支持某一特定目标跟踪的传感器数量及类型,可由于各个传感器的机动性、类型及资源的制约而随时变化。这种在传感器系统配置上的变化性,在跟踪机动目标时造成严重的问题,这是由于目标运动模型存在不确定性。卡尔曼滤波器通常用于滤波位置测量,以估计目标的位置,速度和加速度。在设计卡尔曼滤波器时,过程噪声(加速度)方差Qk的如此选定以致于65％到95％的概率区间能包含目标的最大加速度水平。然而,当目标机动时,加速度以一种确定性方式变化。于是,与过程噪声相关的白噪声假设发生偏离,滤波器在目标机动期间产生状态估计偏差。如果选定一个较大的Qk,则在机动时的状态估计偏差较小。但当目标不作机动时,此时的Qk只能粗劣地表征目标运动,而且滤波性能远远偏离最优了。这里,举出了目标在单一坐标系运动的例子,说明了利用多传感器跟踪机动目标存在的问题,从中表明两传感器(在确定条件下,其中包括各传感器的正确配置)具有较之单一传感器更糟糕的跟踪性能。将交互式多模型算法(IMM)应用于该范例中,证明了它是一种解决跟踪滤波器性能问题的潜在方法。     

转向机动条件下利用拖船航迹的拖线阵阵形估计

针对水动力模型(water-pulley模型)适用范围有限的问题,提出一种对拖船航迹进行平滑得到拖线阵声阵段运动轨迹,进而实现阵形估计的方法。通过分析缆的稳态振荡响应特性,近似认为声阵段上各点沿同一轨迹运动;设计平滑窗将拖船回转机动航迹平滑为声阵段航迹,并将其拓展应用于拖船转向机动的情况;利用平滑窗的一部分对距离拖船不足平滑窗宽度的航迹部分进行平滑得到当前拖缆段阵形,从而实现转向机动过程中全阵阵形的实时估计。仿真结果表明:若拖线阵由间隔为5 m的81个阵元构成,所提出的方法与朴素water-pulley模型相比可以使转向机动过程中的平均阵增益提高约0.8 dB,平均方位估计偏差减小约4.7°。利用仿真结果分析算法的输入敏感性,对阵形估计方法进行简化使其更易于工程实现,海试数据验证表明简化的方法可行、有效。