基于变结构多模型思想的航迹融合自适应切换算法

在航迹融合问题中,以往的次优航迹融合算法和互协方差融合算法存在融合时间和融合精度的矛盾问题.提出了一种基于变结构多模型思想的航迹融合自适应切换算法,用以解决航迹融合过程中存在的计算量和融合精度之间的矛盾.该算法根据切换规则自适应地选择具体的航迹融合算法以优化计算时间.仿真结果表明,该算法在保证融合精度的前提下节省了融合计算时间.     

一种多约束条件下的分布式多传感器协同规划算法

在编队作战中,如何对分布在不同作战平台、拥有众多约束条件的传感器进行协同规划,具有重要的研究意义。基于协方差控制的基本思想,运用分布式多传感器航迹融合算法计算协方差矩阵,分析可能存在的多种作战约束条件,提出一种多传感器多目标分配步骤和方法。算法可针对动态变化的目标期望协方差和约束条件,及时地调整分配策略,在保证协方差控制作用的同时,着眼于提高分配结果的稳定性,并对此进行仿真。仿真结果证明了算法的合理性和有效性。     

航迹与航迹的最优融合

在多传感器融合中,航迹与航迹融合占有重要的地位。人们在这方面做了大量工作,丛氏等人[5-7]给出了任意通信模式下的最优融合公式。对于确定性来说,该公式是最优的,这里指的确定性是:过程噪声为零或使用全速率通信(即两传感器每接到一次新数据就通信一次)。但在实际操作中,因目标机动而不能完全忽略过程噪声;或者为节约通信宽带,传感器间不采用全速率通信。这两种情况下,系统都存在公共过程噪声,因此两传感器的量测不是条件(给定目标预先状态)独立的,所得融合公式[7]只是近似最优。文献[1]中也谈到这种情况,作者推导出了一个公式来计算不同传感器的两条航迹估计的协方差、基于[1]的结果,文献[2]考虑了两个传感器航迹估计的相关性,并得到一个融合公式来组合局部估计。遗憾的是,文献[2]中进行贝叶斯推导时,所做的假设并不符合实际。本文中,我们指明[2]中结果潜在的近似性,并证明该结果只在ML{最大似然}意义下最优。然后,我们提出一种性能评估方法来研究各种航迹与航迹融合方法的性能。其结果给出各种操作条件下不同融合方法的性能范围。     

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...     

基于态势熵的战场情报融合系统建模与仿真

战场情报融合系统抽象为由传感器、融合两类节点经信息链路互连的网络化结构模型,参考信息熵的概念提出态势熵对传感器节点所获取态势信息进行定量计算,将交叉信息融合作为情报融合过程的核心环节,通过协方差修正矩阵解算融合节点的联合态势熵。仿真结果表明:传感器节点扫描频率、融合节点关联信息处理能力是影响系统态势信息质量和融合速率的重要因素;减少信息共享链路能够缩短时延使系统更快获取信息优势。     

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.     

高斯马尔可夫融合算法在卡尔曼滤波中的应用

针对目前常用的按标量、对角阵、矩阵加权融合方法过程较复杂,计算负担较重的问题,结合三维目标跟踪模型提出一种高斯马尔可夫融合方法来融合卡尔曼滤波估计值,不需要计算局部稳态滤波误差互协方差,只需要知道传感器的观测噪声方差就可以了。计算方法和操作相对简单,省略了很多繁琐步骤也能达到不错的滤波融合效果,通过仿真证明了此方法的可行性和高效性。     

使用位置和速率量测值的三状态卡尔曼跟踪器

本文叙述了跟踪类似飞机的运动目标的三状态卡尔曼跟踪器,该跟踪器利用使用脉冲多普勒处理过的边跟踪边扫描雷达传感器获得的位置和速率量测值,例如,提供清晰的多普勒数据的动目标探测器就是这种雷达传感器。在白噪音机动能力的假设条件下,已经解析地获得了稳态滤波器参数。这些参数的数值计算与用递归卡尔曼滤波器矩阵方程得到的数值计算完全一致。在只能得到距离量测值的情况下,作为这种模型的特殊情况获得了这种情况的解。为了举例说明这个解是怎样取决于不同的参数,本文还介绍了归一化的协方差和增益图象。     

块Toeplitz矩阵低复杂度求逆的卫星导航空时抗干扰算法

采样协方差矩阵求逆是空时抗干扰算法的基本运算单元,但由于其运算量随时域抽头个数急剧增长,直接限制了空时抗干扰技术在卫星导航接收机中的应用。针对该问题,提出了基于块Toeplitz矩阵快速求逆的空时抗干扰方法。通过采用新的协方差矩阵近似计算方法,使得该矩阵同时为块Toeplitz矩阵与Hermite矩阵,并运用块Toeplitz矩阵的快速求逆算法,将时域抽头个数为K的计算复杂度从O[K3]降至O[K2]。理论分析和仿真结果表明,在阵元数为4、时域抽头为15的典型情况下,相比现有矩阵求逆方法,该算法的抗干扰性能损耗小于1d B,但计算量可降低约2/3。     

多传感器融合系统航迹号管理方法

多目标杂波环境下 ,多传感器探测形成的航迹之间呈现错综复杂的关系 ,多传感器系统融合中心航迹管理成了迫切需要解决的问题。在原有单航迹号分配方法的基础上 ,提出多航迹号分配方法 ,并扩展到立体图航迹号管理方法。尤其是航迹号立体图的引入 ,为航迹管理提供了一个新的思路。     

分布式多传感器融合跟踪

针对传感器观测的非线性问题,引入了无迹卡尔曼滤波算法,它在稳定性和精确性等方面均高于卡尔曼滤波,进一步,针对其弱可观测性,采用多个传感器分布式融合跟踪策略.而协方差交集算法,它不需要考虑每个传感器之间的相关度,根据实际要求选择好合适的权值后,可以直接进行融合,并且达到很好的精度,于是,提出了基于协方差交集算法的分布式多...     

SPA和DS证据理论的多传感器航迹关联方法

针对多传感器航迹关联问题,提出了一种基于集对分析和DS证据理论的解决方法。利用集对分析理论将不同传感器之间航迹信息按照集对处理,建立航迹间的联系度表达式,在集对贴近度的基础之上,构建集对贴近度矩阵。利用DS证据理论来解决航迹关联问题。实例表明,能够较好地解决多传感器航迹关联问题。     

大地坐标系的超视距目标指示系统

超视距目标指示系统是为舰载导弹攻击本舰雷达视距以外目标而设计的.其主要功能是融合多方传感器的情报信息,解算出目标相对于导弹发射平台的距离和方位.在进行多传感器信息融合时,首先要做的工作就是把来自不同平台的多传感器数据转换到统一坐标系中.若选用大地坐标系为统一坐标系,直接在大地坐标系下进行时间对准、航迹滤波以及航迹融合,可以避免坐标系间的多次转换,节省大量的时间,并提高目标指示的精度.     

稳健的单平台多传感器数据融合体系结构设计

一个好的数据融合系统应该是算法与系统结构并重。针对当前数据融合研究的薄弱环节——融合体系的研究及其存在的问题,对数据融合系统结构进行了优化研究,提供了一个以目标原始航迹数据库、目标状态转移矩阵、主航迹表三个数据结构为中心的数据融合系统结构模型:单平台多传感器并联输入格式化存储与目标状态转移模型,说明了系统的组成结构及其先进性。     

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。     

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。     

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。     

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。     

多输出性能下的重要性测度指标及其求解方法

针对基于马氏距离的重要性测度存在的问题,提出了基于谱分解加权摩尔彭罗斯马氏距离的重要性测度指标,通过构造多输出协方差阵的广义逆矩阵以及谱分解的策略,有效解决了协方差阵求逆奇异情况以及由于未能充分考虑多输出之间的相互关系而导致的错误识别重要变量的问题,克服了基于马氏距离指标的局限性。数值算例与工程算例结果表明:所提重要性测度可以更加准确地获得输入变量对结构系统多输出性能随机取值特征贡献的排序,从而为可靠性设计提供充分的信息。     

基于Q-MMSPF的海杂波多重分形互相关分析和目标检测

提出一种研究长程互相关和多重分形的新方法——Q阶混合矩结构分割函数法(Q-MMSPF),并利用Q-MMSPF分析了海杂波时间序列的多重分形互相关特征。通过对实测海杂波数据的计算分析发现,海杂波互相关多重分形特征较弱,目标信号之间的互相关多重分形特征明显,而目标信号与海杂波之间的互相关多重分形程度介于二者之间。据此,本文采用一种新的特征值进行海杂波背景下的目标检测。通过对不同条件下的实测海杂波数据验证,表明使用本文提出的特征值测量方法可以十分有效地检测出海杂波背景下的小弱目标。