系统误差下的模糊航迹关联方法

航迹关联对航迹融合结果具有决定性影响。为了解决组网雷达存在系统误差情况下的航迹关联问题,采用归一化的方法,构造了一种新的隶属度函数,采用模糊方法进行航迹关联,该算法简单易于实现,可以准确地实现密集目标的航迹关联。仿真结果显示了该算法的有效性。     

多平台多目标航迹关联方法

战术数据链是当前各国信息化武器作战的高效平台,也是各国当前军事研究的重点和热点.其中,多平台多目标的航迹关联问题是数据链研究的一个技术难点.针对这一问题进行了研究,提出一种在数据链中对多平台多目标航迹数据进行关联的实现方法,并建立了多平台多目标航迹关联处理模型.对新提出的航迹关联算法进行了Monte Carlo仿真,结果表明新算法的有效性与可行性.     

密集目标有偏航迹整体匹配关联方法

针对密集目标和传感器探测存在较大系统偏差的复杂条件下的分布式融合中航迹关联问题,设计了一种整体匹配航迹关联方法,首先将所有航迹划分成若干个关联聚,对各传感器都有多个目标航迹的关联聚采用多目标点图整体匹配,对某传感器只有单目标航迹的关联聚采用航迹段整体匹配,从而获得关联聚内所有航迹的关联关系。在仿真分析中,随机产生态势,分别计算新算法在不同情形下的漏关联、正确关联率、错误关联率。仿真验证结果表明该算法在不同目标密集程度、系统误差情形下都有较好的适应性。     

面向航迹中断的模糊航迹关联算法

针对海战场态势中,由于系统误差、电磁干扰、地理环境隔绝、电子静默等原因,出现的传感器信号长时间中断、目标丢失,导致态势中航迹不连续的问题,提出了一种改进的模糊航迹关联算法.该算法通过采用统一速度模糊因素和方向模糊因素、改进加速度模糊因素、制定二级关联策略和自动调整隶属度函数关联阈值等方法,实现了在目标机动性较强、中断时间较长等情况下的航迹关联,保证了态势的稳定.通过Monte Carlo仿真实验表明,该算法具备较高的关联性和鲁棒性.     

多普勒盲区条件下的目标点迹-航迹关联方法

机载预警雷达存在着固有的多普勒盲区问题,该盲区不仅易引起目标航迹中断和重起批,还容易引起数据关联的错误。基于此,提出了一种新的多目标点迹-航迹关联方法,该方法引入了由多普勒盲区造成的第二类空量测,将点迹-航迹关联作为最优二维分配问题求解,同时,为延长航迹寿命,采用多普勒盲区先验信息对传统航迹撤销准则进行了修正。仿真结果表明:在杂波、多目标环境且存在多普勒盲区的条件下,该方法航迹中断率较传统方法有明显下降。     

不确定性目标运动的航迹互联和航迹融合

在各种程度不确定的目标运动即过程噪声以及各种程度的不确定初始条件下,运用一个简单的线性-高斯-泊松模型,进行定量比较典型的航迹融合算法和航迹互联量度.用解析法比较航迹融合算法,而航迹互联量度通过蒙特卡罗模拟来估计.     

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.     

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。     

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。     

基于离散小波变换的航迹——航迹关联算法

研究了传感器各维观测误差相关情况下的航迹关联问题,提出了一种基于离散小波变换的关联算法。分析了离散小波变换仅对信号收缩而高斯白噪声仍然保持白化的特性,两个航迹的关联问题被形式化为二元假设检验,以W1小波空间与VJ-1尺度空间能量比定义检验统计量,证明了统计量在H0假设下服从F分布并给出了关联判决准则。在此基础上定义了航迹相似度,将多目标航迹关联问题转化为最大权值匹配问题。仿真结果表明在观测误差无关或相关的情况下本算法关联准确性显著提高。     

目标多特征信息的模糊数据关联算法

传统的解决密集杂波环境中多目标跟踪的数据关联算法主要是基于目标的距离特征。由于利用的信息有限,容易导致目标的误跟和失跟。提出一种基于目标多特征信息的数据关联算法,将目标的距离特征、方位特征和雷达散射截面积特征进行模糊信息融合,实现对雷达目标的关联。仿真结果表明了该算法的有效性。     

基于模糊综合的红外目标融合识别

为了提高在复杂背景和强干扰条件下目标识别的可靠性,提出了一种基于模糊综合的目标融合识别算法,并采用双色红外成像系统所获得的红外图像数据进行了实验仿真。实验结果表明该算法在较大程度上提高了目标识别的可信度。     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

模糊决策融合的红外弱小目标序列检测

针对红外序列图像中运动弱小点目标的检测问题,重点研究序列关联检测算法.在多帧关联检测的基础上,引入决策融合概念,建立了基于模糊决策融合的序列关联检测方法.基于贝叶斯最小风险准则建立分布式决策模糊融合方法,有效融合单帧检测的结果,提高序列检测算法的性能.实测数据的实验结果验证了基于贝叶斯最小风险准则的分布式决策模糊融合方法的可行性和有效性.     

基于模糊聚类的多目标跟踪算法

提出了一种新的基于模糊聚类的多目标跟踪算法,该算法通过一种改进的模糊聚类算法,首先得到可能的目标数和测量点迹与目标预测位置之间的隶属度,然后结合Kalman滤波将隶属度作为权值系数对预测新息向量进行加权,来实现目标状态估计的更新。仿真结果表明,传统数据融合多目标跟踪算法,一般需要假定目标数并且在多目标密集时易产生关联错误而导致跟踪发散,新算法通过模糊聚类客观有效地确定了目标数并且通过加权过程保证了对多目标密集时的高精度。     

被动多传感器阵列中复合观测数据的数据关联

被动多传感器阵列是现代化战争中对雷达等主动传感器的重要补充手段。针对被动多传感器阵列的观测数据特点,提出了一种基于复合观测数据的量测与航迹的关联方法。该方法根据被动传感器对目标的位置量测数据以及运动属性的描述信息,利用模糊积分的方法对观测数据与备选航迹进行关联度量,以实现量测数据与航迹的关联。试验表明该方法是切实可行的,可以有效地进行量测与航迹的关联。     

基于模糊融合的目标检测算法研究

针对经典决策层融合检测过程中本地“硬”判决导致的信息损失问题 ,利用模糊子集理论 ,提出了一种基于模糊“软”判决的融合检测方法。理论分析与仿真实验表明 ,该方法优于传统的“K秩”方法 ,ROC雷达工作曲线接近理论最优曲线。     

模糊神经时延 Petri 网的信息融合模型

将模糊逻辑与融合技术相结合得到了一种模糊信息融合方法,然后用时延Ｐｅｔｒｉ网对此信息融合系统建模,并给出了信息融合系统反应时间的一个计算公式。然后将人工神经网络应用到时延Ｐｅｔｒｉ网中,提出了一种多传感器信息融合的模糊神经时延Ｐｅｔｒｉ网模型。     

基于传感器网络数据融合的目标定位方法

针对传感器网络测试系统在战场及终点效应中的应用,探讨了基于多种传感器网络的目标定位方法,提出了采用最优加权融合估计算法将各种传感器的定位信息进行融合处理,并将融合结果与各种传感器计算结果进行比较,结果证明了经融合处理可以大大提高定位精度.