基于半定规划的无源跟踪最佳传感器选择

在多站测向定位系统中,观测站与目标的几何位置影响目标定位跟踪精度。以目标估计的克-劳美罗下界(CRLB)行列式最大值为优化指标,在考虑传感器自身的探测能力等实际约束的前提下,建立了无源协同跟踪下最佳传感器选择优化模型。提出了一种基于半定规划(SDP)算法将上述组合优化问题转换为凸优化问题,进行优化求解。仿真结果验证了算法的有效性,与松弛算法和随机选择算法相比,基于SDP的传感器选择可以进一步提高无源协同跟踪的精度。     

改进的拉格朗日松弛数据关联算法

在多传感器多目标跟踪领域中,当传感器为被动式的,传统的多维分配算法利用拉格朗日松弛算法求解.拉格朗日乘子更新一般用次梯度方法,但每次迭代都要进行多次极小化运算来求对偶解,导致实时性差.针对这个问题,提出了一种改进的基于拉格朗日松弛的数据关联算法,通过代理修正次梯度方法更新拉格朗日乘子,并在允许时间内获得近似解.仿真实验...     

分布式多站雷达协同定位功率分配改进凸松弛算法

针对分布式多站雷达协同定位下的功率分配问题,提出一种改进凸松弛的启发式算法。给出了分布式多站雷达定位误差的克劳美罗下界(CRLB),建立功率约束下最小化CRLB迹的功率分配模型。设计了一种改进凸松弛算法,通过迭代修正松弛参数和快速功率调整策略解决非凸优化问题消除松弛带来的误差。仿真实验表明,相对于均匀功率分配算法和基于凸松弛的功率分配算法,改进凸松弛启发式功率分配算法下目标的定位性能更优。     

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。     

异步雷达组网协同跟踪动态传感器分配算法

针对异步雷达组网下的协同跟踪问题提出了一种基于异步顺序融合的动态传感器分配算法。该算法对异步雷达的量测值按采样时刻顺序滤波,根据滤波协方差和目标期望协方差的接近程度动态选择下一时刻跟踪的最优传感器集合。仿真分析表明该算法和基于伪量测的异步雷达组网协同跟踪传感器分配算法相比具有较少的计算量和较高的目标跟踪精度。     

改进预测协方差门限法的采样周期自适应选择算法

传感器采样周期是影响目标跟踪的一个重要参数。现有自适应采样周期策略中,一些算法运算量比较大,计算效率低,不具有一般性。为此提出了一种改进的预测协方差门限法。该算法改进传统采样周期的全遍历寻优策略。最后与几种自适应采样周期算法与固定采样周期算法通过交互式多模型(IMM)滤波算法进行仿真比较。仿真结果表明该算法在目标跟踪过程中能满足跟踪需求,具有较少的计算量,较高的运行效率,比固定采样周期算法更能节约资源。     

基于时变量测方差的多传感器多目标优化分配算法

在目标跟踪过程中,目标的动态模型通常在笛卡尔坐标系中,而量测是在极/球坐标系中得到的。在基于卡尔曼滤波及其一些改进算法中,设定量测方差固定不变,可能导致滤波发散。为此提出了一种基于时变量测方差的多传感器资源管理算法。该算法通过统计方法求出转换测量值误差的均值和方差,利用转化卡尔曼滤波算法估计误差协方差,基于协方差的效能函数进行多传感器多目标分配。仿真结果显示该算法在目标跟踪过程中满足跟踪精度要求,并实现传感器资源的充分的利用。     

基于HLA的多雷达组网信息融合仿真系统

首先基于高层体系结构建立了带反馈结构的信息融合仿真系统软件框架,然后针对多雷达组网探测隐身目标应用进行了仿真系统方案设计,描述了组成联邦的各联邦成员间的数据流向及订阅关系。详细介绍了各联邦成员的功能及输入输出接口,设计了联邦执行数据文件。基于MAK RTI完成了主要模块的编码实现,进行了目标跟踪算法移植,并测试了基于协方差的组网雷达宏管理算法的性能,验证了建立的多雷达组网信息融合仿真系统的有效性。     

基于m-Capon的多阵列直接定位算法

多重信号分类(Music)直接定位算法需要先估计目标个数,然后根据目标个数估计确定其噪声子空间,进而得到空间谱函数。在低信噪比情况下,目标个数估计的错误往往会导致直接定位算法的失效。针对上述问题,提出了一种基于m-Capon的多阵列目标直接定位算法。该算法综合了Capon算法无需目标个数估计和Music算法定位性能较高的优点,在不进行目标个数估计的情况下,利用近似估计的方法得到逼近于Music算法的空间谱函数,解决了Capon算法在低信噪比下性能不足的问题。仿真结果表明,在无需估计目标个数的条件下,所提算法的性能与Music算法的性能大致相同,且逼近于克拉美罗下界。     

基于改进协方差控制的传感器管理算法

针对传统的基于协方差控制的传感器管理算法使用全遍历方法所造成的计算量大,以及传感器切换频繁的问题,提出了一种基于改进协方差控制的传感器管理算法。该算法在每一时刻首先判断前一时刻所用传感器组是否能够满足目标跟踪需求,以滤波协方差与期望协方差的偏差作为参考,结合量纲变换和特征值求取,为协方差偏差矩阵经过量纲变换后得到的量纲一致阵的所有特征值设定一个精度阈值,然后判断滤波协方差是否满足期望,从而决定是否维持当前选择的传感器组。在目标作匀速、匀加速、协同转弯等多种场景下进行了算法性能测试分析,仿真结果表明,该算法不仅在大部分场景下满足目标跟踪精度,而且能够提高传感器管理算法的实时性,同时降低传感器的切换频率。