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。     

基于两坐标雷达与红外传感器的融合跟踪

针对两坐标雷达与红外传感器的融合跟踪问题,提出一套基于航迹关联事件的后验概率最大化准则和"最近邻"思想的状态信息相关与融合估计的一体化实现方法,克服了两种传感器观测数据不完整给融合处理带来的困难,通过充分利用雷达的航迹,点迹和历史信息,融合高精度的红外测角和雷达测距信息,改善系统的跟踪能力.最后的仿真实验表明了该方法的有效性.     

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。     

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。     

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。     

主被动传感器异地配置下的航迹关联

在雷达和电子支援(ESM)传感器异地配置的情况下,提出了一种基于位置统计量和最大似然准则的异类传感器航迹关联算法。首先基于位置统计量对目标进行了航迹粗关联,排除掉一些虚假关联组合;然后采用最大似然准则对目标进行了航迹细关联,以求进一步提高雷达和ESM传感器航迹关联的检测概率。仿真结果表明,该算法能够快速、准确地完成对多目标的航迹关联。     

基于当前统计模型的VDA机动目标跟踪算法

针对天波超视距雷达环境下的机动目标跟踪问题,提出一种基于当前统计模型的VDA机动目标跟踪算法.该算法将当前统计模型与VDA(Viterbi数据关联)算法相结合,在VDA算法框架下,利用当前模型算法对目标出现的机动进行自适应滤波,以解决目标状态估计和数据关联两方面的问题.通过目标漏跟率、虚假航迹占有率、航迹自动起始时延、输出航迹条数和航迹跟踪精度等多种跟踪性能指标,对算法进行了全方面的仿真验证.仿真结果表明,对天波超视距雷达所面临的密集杂波环境,该算法能够较好地跟踪机动目标.     

制导雷达组网中航迹处理技术研究

简述了防空体系制导雷达组网中对目标航迹的处理过程,进行了大量的仿真试验,结合仿真试验的结果数据,分析比较了目标航迹相关与目标航迹融合的几种典型处理方法,并针对制导雷达的特点,提出了在制导雷达组网中适用的一种航迹处理方法。     

基于SDNN神经网络的多雷达目标航迹跟踪研究

现代雷达系统中,目标的航迹跟踪是Network)节点自删除神经网络的多雷达目标航迹跟踪的方法.仿真结果表明,这种方法能够很好地完成多雷达目标的数据融合,并比较有效地实现了多雷达目标的航迹相关.     

自适应阈值航迹关联算法与实现

航迹关联和航迹融合是分布式数据融合的重点。基于航迹间的χ2距离和一个固定阈值的比较来决定航迹是否关联这种算法在关联率上不够理想,针对该问题提出了自适应阈值算法。对于状态估计用高斯分布描述的航迹来说,通过找出一组2个独立的航迹系统之间关联的最大后验概率(MAP)集合,对固定阈值算法进行改进形成自适应阈值算法。仿真结果显示自适应阈值算法对正确关联率有所提升,表明该算法对提高航迹关联概率具有可行性。     

基于粒子滤波的多异步传感器检测前跟踪算法

针对弱目标检测跟踪问题,提出了基于粒子滤波的多异步传感器检测前跟踪算法。该算法通过对粒子的状态进行时间和空间递推,将雷达对于目标位于不同时刻的回波幅值映射到同一个粒子的权重中,从而通过对粒子状态及权重的融合,将多雷达的回波幅值信息进行融合,并在此基础上实现对目标的检测跟踪,获得目标航迹。仿真试验结果表明,与单雷达效果相比,所提算法能够有效提高目标跟踪精度和目标正确发现概率。     

一种新的多传感器多机动目标快速跟踪算法

基于FAFDA滤波算法,根据Houles和Shalom将PDA算法推广到解决两个传感器单目标的跟踪问题的思路中,构造一种两个同类传感器的序列观测数据的融合来跟踪多个机动目标的数据关联方法(MSFAFDA)。它主要使用的是点/航迹联合和序列估计法。算法计算量远小于原先的顺序和并行多传感器联合概率数据关联算法,蒙特卡洛仿真结果也表明它对多机动目标的跟踪具有比FAFDA更好的跟踪性能。     

多雷达多目标航迹跟踪中FMM神经网络的应用与仿真

提出了一种基于Fuzzy Min-Max (FMM)人工神经网络的多雷达多目标航迹跟踪的方法。仿真应用的实验结果表明,这种方法能够有效地完成多雷达多目标的数据融合,并比较理想地实现了多雷达多目标的航迹相关。     

基于灰色理论的雷达组网数据融合方法

在分析了灰色关联分析及其改进算法的基础上,针对雷达组网中多传感器数据融合问题,提出了一种新的基于绝对关联度的数据融合方法.该方法将灰色理论和多元概率信息合并理论相结合,计算各雷达之间的总关联度,并用一次平均融合后的数据替换掉总关联程度最差的雷达数据,组成最优融合组,然后进行数据融合.仿真结果表明,该方法在减小计算量的同时,减小了径向误差.     

一种基于IMM/MSPDAF的多传感器数据融合目标跟踪算法

基于交互式多模型和多传感器联合概率数据关联算法的机动目标跟踪,先用融合算法将红外和雷达的量测进行融合,然后利用融合后的数据,采用交互式多模型机动目标跟踪方法实现对机动目标的跟踪。仿真实验验证了算法具有良好的机动目标跟踪效果。     

被动声传感器网络模拟器的设计与实现

现代雷达防空体系对低空/超低空飞行目标的探测仍然是其弱点之一.被动声传感器网络数据融合理论和技术的快速发展,给这类目标的探测、识别和定位跟踪提供了新的方法.在对被动声传感器工作原理、目标运动模型和方位角检测模型分析的基础上,给出了一种被动声传感器网络模拟器的设计思路,同时给出了其软件平台的实现方法.模拟器考虑了大气环境因素的影响和传感器对目标探测的实时处理能力的要求,产生的仿真数据能够较好地逼近真实数据,为被动声传感器数据融合算法的研究提供了强有力的数据支持.     

雷达抗距离多假目标干扰的时域融合算法

针对现有雷达抗距离多假目标干扰算法主要根据一个时刻的信号特征识别真假目标,其判决门限设定主观性强,容易导致误判率高的问题,在D-S证据理论框架下提出了基于时间递推融合的抗距离多假目标干扰算法。首先对用于航迹更新的点迹进行基于卡方检验的分组,判定雷达是否遭受距离多假目标干扰,构建基于信噪比的点迹基本概率赋值函数,然后与前一时刻的航迹基本概率赋值函数进行递推融合,得到当前时刻的航迹基本概率赋值函数,最后基于航迹基本概率赋值函数进行了真假航迹判决。仿真结果表明,该算法能快速识别距离多假目标干扰,真假目标鉴别率较高。     

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。     

IMM-EKF雷达与红外序贯滤波跟踪机动目标

雷达与红外数据融合能够实现信息互补,改善对目标的跟踪、识别以及提高系统的生存能力.为了解决空中目标高速机动时,单一模型的雷达/红外序贯滤波跟踪发散的问题,提出了一种基于序贯滤波和交互多模型的雷达/红外融合跟踪机动目标的方法,通过在雷达与红外序贯滤波融合中引入交互多模型来跟踪机动目标.仿真结果表明,该方法与基于最优数据压缩的雷达与红外传感器融合跟踪机动目标相比,跟踪精度明显提高,是一种雷达与红外传感器融合跟踪机动目标的有效方法.     

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。