机载多传感器跟踪与融合算法的仿真系统

建立了一种机载多传感器跟踪与融合算法的仿真系统.该仿真系统可以针对仿真场景,传感器组合,传感器参数,跟踪算法参数, 跟踪算法的不同情况来评价跟踪性能,从而为跟踪算法的合理选择,算法参数的优化设计,以及实际系统的研制提供有力支持.     

多传感器目标识别融合模型研究

针对目标识别中传感器正确识别概率、目标识别先验概率等参数难以求取问题,提出将目标识别集合划分为子集,证明了目标相对于目标识别子集的潜在概率分布与目标隶属于目标识别子集的置信度对应关系,在选取目标识别置信度距离测度基础上,建立了目标识别置信度的最优融合模型,实现了多传感器目标识别决策级融合.     

基于多智能体的传感器网络协同目标跟踪技术研究

针对传感器网络中的协同目标跟踪问题,分析了基于多智能体理论的分布式协同策略,提出了一种基于动态联盟的传感器网络协同目标跟踪框架,分析了系统中的智能体构成,提出了联盟中基于贝叶斯估计的Manage Agent的数据融合算法,讨论了Manage Agent的选举算法。理论分析表明,多智能体理论能够较好地适用于传感器网络的协同目标跟踪问题。     

多传感器信息融合技术述评

近十几年来,多传感器信息融合技术获得了普遍的关注和广泛的应用,其理论与方法已成为智能信息处理的一个重要研究领域。本文概述了信息融合的基本原理,从系统的信息层次和功能划分两个方面阐述了信息融合的基本结构,并对信息融合的具体方法及应用进行了层次化概括,较完整地展示了这一研究领域的全貌。最后进一步分析了信息融合研究领域所存在的一些主要问题,以此指明这一研究领域的发展侧重点。     

多目标多传感器跟踪:应用与发展(连载一)多传感器跟踪的实际状况

本文讨论了在多传感器、多平台跟踪系统的技术要求、设计和开发中遇到的问题,分析了合成跟踪系统的几个不同的体系结构、航迹与航迹综合和量测与航迹综合的有关优点,介绍了跟踪机动目标的交互多模型估计器,提出了合成跟踪系统开发中应考虑的问题。     

基于改进证据理论的多传感器目标识别

由于证据理论融合冲突信息会得出不合理的结论,限制了其在目标识别中的应用.为解决这一问题,提出了一种改进融合方法.研究各证据与其他证据的联系,通过计算证据与其他证据均值的距离,求出此证据受其他证据的支持度.归一化支持度获得证据权值,加权平均原有证据后按Dempster规则融合,作出识别.针对空中目标识别算例,对比验证几种方法,结果显示:该方法能够融合冲突信息,在降低计算量的同时,加快收敛速度,提高了识别快速性和准确性.     

多目标多传感器跟踪:应用与发展(连载三)多传感器跟踪的实际状况

５网格锁定如果将来自多传感器的数据用于跟踪系统的话,无论它们用于平台中心结构还是网络中心结构,必须变换成通用的坐标系。对于平台中心的应用,这种变换可能是相对简单的工作。但是,网络中心应用则要求较复杂的变换。对于这两种情况,都要求增加修正传感器之间的相对误差的步骤。因此网格锁定过程涉及坐标变换和相关误差估计与消除。为了理解精确网格锁定过程的要求,考虑由下列递归过程描述的一个简化的多平台、多传感器跟踪系统：网格锁定过程存于变换步骤中。本地和远程传感器数据流之间的网络锁定误差会使后面变换步骤中的一步或…     

基于多传感器径向速度测量的目标跟踪方法

针对基于位置信息的目标跟踪在初始跟踪和运动模型变化阶段航向估计精度低的情况,利用传感器径向速度测量精度较高的特性,提出了一种基于多传感器径向速度测量的目标跟踪方法,解决数据更新周期长、定位精度低情况下目标跟踪的精度问题。仿真实验证明采用文中所提方法对跟踪精度有较大的提高。     

多目标多传感器跟踪:应用与发展(连载二)多传感器跟踪的实际状况

３坐标系任何跟踪滤波器的最基本特征是坐标系和参考点或该坐标系原点。坐标系和原点的选择依赖于几个因素。这些因素包括由系统跟踪的目标类型、综合到系统中的传感器的类型、来自远程平台的数据的表示和跟踪系统的最终目的。理想的是,人们愿意选择与提供量测的传感器和对跟踪系统具有最大意义的目标相匹配的坐标系。实际上,这是不太可能的。通常,坐标系的选择是通过一个综合权衡过程进行的。虽然有许多坐标系是可以采用的,但是一些实际的考虑通常迫使系统设计者选择少数几种坐标系中的一种。象极坐标系、球坐标系和笛卡尔坐标系是最常…     

多传感器图像融合技术

多传感器图像融合是图像信息的综合与分析过程,它可有效地提高图像探测系统的探测和识别能力。本文论述了多传感器图像融合技术,包括多传感器图像融合的概念、应用、原理和算法等。指出了多传感器图像融合中存在的主要问题及解决方法,并预测了发展趋势。     

面向多目标跟踪的PHD滤波多传感器数据融合算法

针对密集杂波环境下单传感器应用高斯混合PHD算法进行多目标跟踪时性能下降的问题,提出一种面向多目标跟踪的PHD滤波多传感器数据融合算法。首先构建了基于高斯混合PHD滤波的多传感器数据融合系统框架,各传感器利用高斯混合PHD滤波算法进行局部状态估计,然后对各传感器的状态估计结果进行关联度计算,最后通过构建自适应混合参数,引入协方差交叉算法对关联状态进行融合。仿真实验表明,与单传感器高斯混合PHD多目标跟踪算法相比,所提算法有效提高了目标数量和状态的估计精度。     

基于跟踪精度控制的多传感器管理方法

针对地面机动目标跟踪过程中的多传感器管理问题展开了研究,设计了一种基于跟踪精度控制的多传感器多目标分配方法。首先,在考虑目标与目标之间、目标与传感器之间和传感器与传感器之间等的多种约束条件下运用基于协方差控制的思想建立了多传感器多目标分配问题的优化模型;接着将等价伪量测的异步融合算法与IMM算法结合,计算各目标在不同融合周期的跟踪精度估计值;最后,以目标的跟踪精度需求为出发点,结合蚁群算法的思想,设计了一种求解所建立的多传感器多目标分配问题的优化模型的算法。仿真结果表明：该管理方法能在确保跟踪精度需求的前提下,根据对各目标跟踪任务的重要程度,合理地调度传感器资源。     

多站多目标雷达数据融合

多站多目标跟踪是雷达数据融合的主要问题。提出了一种对测量数据聚类,在类间进行数据融合,之后基于目标的融合状态,采用强跟踪滤波器(STF)对多目标进行跟踪。利用上述方法,进行了各种态势下的仿真实验。     

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.     

多目标数据关联的神经网络方法

数据关联是多目标跟踪的关键问题。基于 Hopfield神经网络的 JPDA是解决这一关键问题的有效方法之一 ,但此方法的难点在于优化系数的整定。提出一种改进算法 ,用于解决优化系数在线自适应整定问题。首先重新构造了李雅普诺夫能量函数 ,接着引入变化的优化系数因子 ,并给出了优化系数求解的迭代公式 ;最后对已有和改进的算法进行了仿真研究。结果表明改进的方法和原有的方法相比 ,一方面具有在线整定优化系数的功能 ,另一方面可以获得和原有算法非常接近的估计误差。     

基于信息融合技术的复合式火灾探测器

在火灾探测中对单一的火灾特征参数信息进行判断和识别的探测器,易受到环境的干扰,限制了其探测性能,系统的高误报率问题比较突出;复合式火灾探测器采用信息融合技术进行多火灾特征参数信息的判断和识别,提高了火灾探测的可靠性和准确性。介绍了复合式火灾探测器中多传感器的选择。结合火灾探测独特的三层结构（数据层、特征层、决策层）讨论了数据融合技术在火灾探测系统中的应用,并对多传感器在数据层信息融合的模型结构进行了归纳。     

纯方位系统目标折线运动定位与跟踪原理

提出了纯方位系统目标折线运动定位与跟踪问题;根据目标转向已知与未知两种情况,给出了在目标作n次折线运动时全部参数可解的量测次数的必要条件;当目标转向时间未知时,需要纳入识别-滤波-控制原理的研究框架。     

干扰条件下空中目标识别方法研究

目标识别是态势评估和威胁估计的基础,是作战指挥辅助决策的重要依据,是防空作战的关键环节之一。该文将雷达信息可信度扩展到传感器信息可信度,并基于扩展内涵的目标识别信息可信度,提出一种应用对空侦察雷达、光学器材、ESM传感器的空中目标识别方法,完成干扰条件下空中目标识别模块的设计。该方法依靠目标识别信息可信度较高的传感器信息来做出全局判决,有助于提高整个系统目标识别的可靠性。     

多传感器布局和目标跟踪精度分析

基于目标位置估计的Cramer-Rao限和几何精度稀释(GDOP)来研究组网的多异质非线性传感器系统中,传感器和目标的相对位置对目标跟踪精度的影响.分析表明,除了传感器的测量误差、目标的距离外,传感器到目标视线的夹角大小对目标跟踪精度也有一定的影响,影响的大小和传感器的横向径向测量误差的比值大小有关.结合工程应用,分别对2个和3个不同类型的传感器组合进行了讨论.