基于时段优化拼接的多传感器协同探测任务规划

针对存在信息保障时间等约束的多传感器协同探测问题,提出一种基于时段优化拼接的多传感器协同探测任务规划方法。将作战过程中多个时间段上的传感器-目标分配问题,转化为“传感器-目标”空间上的传感器工作时段优选与拼接问题,在满足传感器资源限制、对目标探测连续性、传感器接力探测交接班过渡时间等约束下,生成多传感器协同探测计划,使对各目标的探测时段满足信息保障时间要求。在假设的条件下,验证提出的方法,结果表明该方法生成的多传感器协同探测计划满足各项约束,且有助于快速规划多传感器的协同探测任务,方法有效。     

MIMO-FNN模型的弹道导弹目标识别方法

针对弹道导弹目标融合识别特点,分析了弹道导弹单传感器多特征多输入多输出模糊神经网络(multiple input multiple output fuzzy neural network,MIMO-FNN)模型、弹道导弹多传感器单特征MIMO-FNN模型,在此基础上,结合弹道导弹目标融合识别的实际流程,提出了弹道导弹目标识别多传感器多特征MIMO-FNN模型。该模型以每个单传感器多特征MIMO-FNN模型的输出为输入,并通过专家知识求取每个传感器的融合权值,采用sum-product模糊推理和加权求和法解模糊,得到模型的融合识别结果,并通过仿真实验验证了所提模型的有效性,最后从多传感器多特征优化和传感器权重2个方面对所提模型进行了可行性分析。     

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.     

位置信息场定位法在低精度测向传感器中的应用

多站无源定位中,测向交叉定位法是一种广泛应用的经典方法,但如何从多个低成本低精度测向传感器获得高精度定位效果的研究相对较少。目标位置信息场定位法在处理多目标定位问题时能够同时确定目标数目和多目标位置,对传感器测量数据具有较好的融合性能。运用目标位置信息场定位法,研究在感兴趣定位区域内用多数低精度测向传感器代替少数高精度测向传感器进行定位,并借助定位算法的GDOP对定位效果进行描述。理论分析与仿真实验表明,目标位置信息场定位法可以用于多数低精度测向传感器测向交叉定位,并且可以达到少数高精度测向传感器同样的定位效果,具有重要的应用价值。     

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。     

基于偏差映射聚类的目标关联方法

多传感器目标关联是确定不同传感器系统观测的若干信号是否来源于同一目标,它是现代多传感器系统中的一个重要问题。传统的关联方法通过计算不同观测间的关联代价,通过求解代价矩阵最优解来获得关联匹配,但是容易受到环境和传感器性能的影响。提出了一种基于偏差映射聚类(bias mapping cluster,BMC)的目标关联方法,通过对多个传感器间观测目标偏差映射点进行聚类,搜索局部密度最大的映射点集作为传感器间的目标关联结果,走出了利用数学方法求解全局最优解的传统模式。相较其他传感器间目标关联方法,仿真结果表明该方法能有效利用目标观测的空间散布特性,关联正确率更高,并对虚假目标和目标失配等情况具有更强的适应性。     

多传感器优化分配数学模型及其求解

当传感器资源有限而同时又有多个目标存在时,利用最大信息增益准则,在目标身份和目标优先级确定的基础上,将传感器的优化分配问题转化为指派问题进行求解,并对算法进行了仿真实验。     

导弹防御多传感器协同探测任务规划

针对导弹防御中多部雷达跟踪多个目标的问题,提出一种多传感器协同探测任务规划方法。将协同探测任务分解为按时间排序的若干探测子任务,将探测问题转化为每个子任务中优化分配传感器资源的0-1整数规划问题,求解形成多传感器的协同探测方案,满足探测能力约束和协同探测模式要求。基于假设的导弹防御场景验证方法,结果表明该方法能得到合理的多传感器协同探测方案,实现多种协同探测模式下对多个目标的连续、稳定跟踪。     

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。     

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。     

传感器网络在网络中心战中的应用

介绍了传感器网络对比于分立式传感器的优势所在,指出传感器网络通过多点数据融合及任务指派的方法加强传感器网络在监视和跟踪空中目标、地面活动目标、以及特殊目标(如联合战区防空反导、目标战损估计)中的应用。提出了传感器网络应该解决的几个具体问题;包括节点选择与优化部署方面的组建原则、任务指派方面的注意事项、资源管理的目标要求、异构资源信息共享的四种解决方法、以及网络安全(关于网络本身的健壮性以及数据的安全性)等方面的问题和解决方法。     

多传感器目标识别和火力分配群决策算法

针对多传感器目标识别的群决策问题,考虑到多目标威胁程度评价指标属性的模糊性,首先将多传感器目标评价属性的定量、定性描述指标统一转化为三角模糊数,充分利用三角模糊数性质构建群决策函数,实现定量指标与定性指标的规范化处理,在此基础上提出一种基于加权矩阵排序的三角模糊数多传感器目标识别的群决策算法,实现对多传感器目标的威胁程度的综合评估.最后,通过多传感器目标评估实例分析并证明了算法的可行性和有效性.同时实验发现该算法对于多属性、多评价者的群体决策具有优势,且不易受外界参数变化的影响.     

Rényi信息增量和协方差联合控制的多传感器管理算法

针对目标跟踪中雷达组网场景下多传感器管理问题,结合Rényi信息增量和协方差两种算法各自特性,利用并行处理的思想提出了一种基于Rényi信息增量和协方差联合控制的传感器管理算法。在具体仿真设计环节,分为传感器跟踪能力大于目标数和传感器跟踪能力小于目标数两种场景。仿真结果表明该算法在单目标匀速、多目标匀加速等多数场景下能够对目标进行有效跟踪,同时降低了传感器的切换频率,具有更好的实时性。     

多传感器目标识别系统中的数据融合方法与系统结构的研究

多传感器数据融合技术与系统结构是精确制导及航空自动目标识别等系统中两个紧密相关的重要研究内容,本文针对新一代导弹武器发展的需要,先介绍一种实用的高层多传感器数据融合方法,然后提出一种高性能的多传感器目标识别系统的体系结构。     

一种基于PDA滤波的多传感器管理算法

由于传感器资源或计算资源的限制,监视系统在跟踪多目标时通常不能同时为每个目标分配所有的传感器.因此,希望在满足目标跟踪性能的前提下尽可能使用较少的传感器.针对PDAF目标跟踪算法的特点,选用目标状态估计协方差的期望作为性能度量,提出了一种基于协方差控制的传感器算法.该算法通过为每个目标选择恰当的传感器组合来实现多传感器对多目标的分配.     

基于改进DS理论多周期数据融合的目标识别方法

为了应对复杂战场环境下信息不确定性及证据冲突造成目标识别困难的问题,解决配准关联错误及应答欺骗产生的误识别问题,减小融合算法对先验数据的依赖,提出了一种基于改进DS证据理论的多周期多传感器数据融合方法以实现高效的战场目标识别。方法采用4个层级,两个方面的多传感器数据融合结构,在改进DS证据理论处理性能的同时,充分利用多个周期识别结果的融合实现最终目标识别。仿真结果表明,该方法在提高目标识别准确性的同时,能够有效解决目标密集和应答欺骗造成的目标误识别问题。     

天基预警系统多体制传感器综合调度方法

为提高天基预警系统对多目标的跟踪能力,提出扫描传感器纬度区间扫描模式和凝视传感器目标群跟踪模式,并基于此种模式设计基于聚类的扫描传感器纬度区间扫描调度方法和凝视相机目标群跟踪调度方法。由于诸多传感器的工作模式、探测频率、测量误差、视场模型均不相同,推导不同探测频率、视线误差的多传感器联合观测跟踪的克拉美-罗下界计算公式。综合运用以上方法,建立多体制传感器综合调度优化方法。仿真试验表明,该方法比传统工作模式下的系统对多目标具有更高的跟踪精度。     

超视距协同空战传感器、武器协同控制决策模型

首先给出超视距协同空战传感器、武器协同控制的定义,并描述传感器、武器协同控制决策问题。然后介绍协同网络信息相关定义及其矩阵式表述。在此基础上建立基于协同网络信息的传感器、武器协同控制决策的数学模型,最后利用多目标进化算法(MOEA),以一架预警机指挥控制4架战斗机拦截1个来袭目标情况为例对模型进行了验证说明。其结果表明了所建立模型在传感器、武器协同控制决策研究中的可行性和有效性。     

反导作战多传感器任务规划技术

多传感器任务规划技术是反导作战中的重要研究内容之一,即解决如何发挥多维传感器资源的互补优势,构建"传感器-目标-任务"序列,以实现整体执行效果最优。基于JDL信息融合模型深入剖析了反导作战多传感器任务规划体系结构及其信息交互。在此基础上,结合反导作战特点,从应用和理论研究两个方面分别对多传感器任务规划技术进行了叙述。     

利用多传感器跟踪机动目标:数据越多总意味着估计越好吗?

在文献中考虑利用多传感器跟踪机动目标一类的问题时,支持特定目标跟踪的传感器数量及类型通常相对于目标假定位置是固定的。然而,在许多多传感器系统中,支持某一特定目标跟踪的传感器数量及类型,可由于各个传感器的机动性、类型及资源的制约而随时变化。这种在传感器系统配置上的变化性,在跟踪机动目标时造成严重的问题,这是由于目标运动模型存在不确定性。卡尔曼滤波器通常用于滤波位置测量,以估计目标的位置,速度和加速度。在设计卡尔曼滤波器时,过程噪声(加速度)方差Qk的如此选定以致于65％到95％的概率区间能包含目标的最大加速度水平。然而,当目标机动时,加速度以一种确定性方式变化。于是,与过程噪声相关的白噪声假设发生偏离,滤波器在目标机动期间产生状态估计偏差。如果选定一个较大的Qk,则在机动时的状态估计偏差较小。但当目标不作机动时,此时的Qk只能粗劣地表征目标运动,而且滤波性能远远偏离最优了。这里,举出了目标在单一坐标系运动的例子,说明了利用多传感器跟踪机动目标存在的问题,从中表明两传感器(在确定条件下,其中包括各传感器的正确配置)具有较之单一传感器更糟糕的跟踪性能。将交互式多模型算法(IMM)应用于该范例中,证明了它是一种解决跟踪滤波器性能问题的潜在方法。