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。     

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.     

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...     

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。     

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.     

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.     

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。     

基于遗传算法的分布式多传感器航迹关联算法

以分布式多传感系统中的两节点序贯航迹关联方法为基础,把多节点情况下的航迹关联问题转化为多维分配问题。而多维分配问题是典型的组合优化问题,其计算量随着维数的增加而出现指数爆炸现象,进而根据遗传算法能够解决组合优化问题的能力,提出了利用遗传算法解决此多维分配问题的一种方法。仿真实验结果表明,遗传算法能够有效地求解此多维分配问题,使航迹关联具有较高的成功率。     

一种基于航迹类型的传感器管理算法

目标航迹类型包含了丰富的战术信息.针对目标验证、跟踪和火控等战术任务的需求,将目标航迹分为临时目标航迹、稳定目标航迹、已锁定目标航迹、已攻击目标航迹,在此基础上提出了一种基于航迹类型的传感器管理方案和算法,阐述了方案的工作原理,并给出了相应的性能评估指标.仿真研究表明该算法能够满足不同目标对传感器资源的不同需求.     

多传感器信息融合的谢弗－登普斯特方法

利用了谢弗－登普斯特方法讨论了两重假设下的多传感器信息融合问题。各个传磁器报告目标存在或目标不存在,所有的传感器报告都传输到信息融合中心,在这里利用了谢弗－登普斯特的组合法则,得到了信息融合中心的最终决策规则,并同多传感器信息融合的Ｌ－Ｒ试验方法进行了比较。     

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。     

信息融合系统中算法管理理论研究

信息融合系统中,数据源千差万别,多种多样;而众多的信息融合算法也具有不同的适应性.通过对实验数据的分析说明了数据源以及融合算法的选择显著影响了最终的融合结果.针对数据源、融合算法和融合结果之间的关系,以优化融合结果为目的,提出了信息融合系统中算法管理(Algorithm Management)的理论,阐述了算法管理的目标、算法管理可能的方法和算法管理的实现结构.最后讨论了信息融合领域中与算法管理理论相关的其他问题.     

目标识别系统中的一种多传感器数据融合算法

Dempster证据组合规则在D-S证据理论中具有十分重要的作用。但在将Dempster证据组合规则应用于多传感器数据融合时,理论上仍有值得探讨之处。在对Dempster证据组合规则进行分析的基础上,提出了解决目标识别系统中多传感器数据融合的“一次Dempster联合法”,避免了原有算法中需多次采用Dempster证据组合规则来计算的问题,从而减少了计算量。     

舰载多传感器数据融合系统的层次设计

简述了信息技术对未来海战战斗力的影响,分析了数据融合系统的基本工作流程,提出了一种舰载多传感器数据融合系统的层次设计方法,对于数据融合算法的选择、优化、仿真及工程实践具有一定的参考价值．     

机载多传感器数据融合技术

阐述了数据融合技术的基本概念、方法和应用。重点讨论了数据融合在空空作战中的应用,对其工作原理、融合方式、显示格式和扩展功能都作了说明。同时也介绍了一种引入人工智能化技术的多传感器系统,对数据融合发展方向作出了预测。     

多传感器信息的表决融合

介绍了一种多传感器信息综合方法─—表决融合。这种方法的前提是各传感器自身的处理器完成对各自的原始探测信息的处理,处理结果以合乎要求的形式输入融合中心,以便融合中心能以表决的形式进行融合处理。由于融合中心没有复杂的信息处理任务,因此,十分便于工程实现。作为例子,本文给出的是一个３传感器目标检测系统,每个传感器都定义了置信级别。融合中心的工作就是利用各传感器的检测结果和相应的置信水平来进行融合处理的。最后,还对文献１进行了探讨。