纯方位目标运动分析的离散时间可观测性和可估计性分析(续)

6 源速度变化的未知时刻 到目前为止(第四、五部分),假定源机动的时刻是已知的。下面,象上述那样,假定一个边接边的源轨迹,我们把前面的可观测性分析推广到源速度变化的未知时刻。 我们考虑下面的阶跃线性系统(参见(5)、(14)、(24)、(30)式)     

论用于控制和估计的某些神经网络结构和要求

虽然在自动目标识别(ATR)和其他模式识别/分类应用领域有成功地使用神经网络(NN)算法的巨大潜力,但是(如本文所述的)遇到了在反馈控制设计中至今不能严格使用NN的一些值得注意的障碍。本文介绍与控制和估计理论(以及与INS/GPS导航系统中实际的故障检测)有关的涉及NN的若干问题和矛盾的现状。为了促进发展和给出综合展望,我们也介绍应用控制和估计理论中的技术和结果所取得的许多新的值得称赞的NN结果。     

海军航空训练决策支持系统(NATDSS)

对训练决策者和分析者的支持:海军航空训练决策支持系统(NATDSS)在预测航空训练和使命准备、确定计划优先权、分配资源、验证要求和维持检查痕迹方面辅助训练决策者和分析者。NATDSS是面向使命并以标准为基础的。评定标准是为确定训练和使命的准备状态、不足和要求。启动要执行的动作以纠正不足并满足要求。排序各种计划,然后分配资源和增强现有的准备状态。     

有波动目标幅值探测前航迹的最大似然

目标跟踪中的一个重要问题是在信噪比(SNR)非常低的环境中探测和跟踪目标。以前,使用过包括最大似然的几种方法。本文的主要创新点是把波动目标幅值模型与跟踪等速目标的最大似然方法相结合。与逼真的传感器模型相结合,这种方法可利用同一帧中分辩单元之间以及相邻两帧间的信号相关。 波动幅值模型是反映帧间相关的一阶模型。用卡尔曼滤波器获得幅值估计,由此导出似然函数。以增加计算量为代价,数值最大化技术避免了以前由于假设的和实际的目标速度失配而在“速度滤波”方法中遇到的问题。对不变的已知幅值,导出克莱默—劳下界(CRLB)。即使幅值未知时,估计误差也接近这个CRLB。结果表明,对未知信号幅值的航速探测性能与用正确信号模型获得的性能几乎相同。     

评价实际雷达跟踪环境中的六种跟踪器

本文评述六种跟踪器并比较其性能。本研究中使用实际的雷达目标数据,这些数据是从各种条件下的民用和军用飞机上收集来的。因为不可能获得真正的目标轨迹,所以把预测RMS误差作为性能判据。根据性能和计算复杂性比较这六种跟踪器。评价结果表明非模型跟踪器性能通常优于基于模型的跟踪器。给出简要的讨论。     

跟踪大量重叠目标的多分配算法

本文叙述用于跟踪大量密集(和重叠)物体的使用多分配的数据互连新技术。从促进该项工作的一个生物医学问题入手,即从一个图像序列跟踪一组纤维细胞(组织)单元来说明该算法。由于它们互相靠近以及难于从质量不好的图像序列精确地分割出图象,这些单元实际上是密集物体(CSO)。该算法介绍了一种新的二叉迭代多分配方法,它利用了带有修正成本的递减尺寸的逐个一对一分配。导出根据当前分配级“深度”和跟踪结果调整的成本函数。用所得到的分配来形成,保持和终止具有修正型概率数据互连(PDA)滤波器的航迹,除互连多个量测到单条航迹之外,它还可以处理多条航迹对单个量测的竞争。给出估计结果并与标准二维一对一分配算法的结果相比较。说明了迭代的多分配产生较好的量测到航迹互连。本文介绍的算法可用于其他一般的跟踪问题,包括密集空中交通警戒和控制。     

神经网络在多目标跟踪中的应用

在典型的多目标跟踪中,随机干扰的出现给量测源带来了不确定性。因此需要用数据互连技术使每个量测与相应目标互连或当出现杂波或虚警时放弃该量测。本文介绍使用Hopfield网络的基于神经网络的多目标跟踪算法。通过把数据互连问题的约束和著名的“旅行推销员问题”(TSP)的约束相比校,导出Hopfield网络的能量函数。通过模拟退火过程使能量函数最小化,由此计算数据互连概率,并应用于每个目标的卡尔曼滤波器跟踪器。将所提出算法的性能与传统技术相比较。仿真结果表明:所提出的神经网络跟踪器与联合概率数据互连滤波器相比较有令人满意的性能。