一种多目标跟踪航迹起始新算法及其性能评估

文中提出了一种多目标跟踪的航迹起始新算法，并对算法的性能进行了详细的理论推导，得出了正确航迹建立概率和虚假航迹建立概率的解析表达式，蒙特卡洛仿真验证了分析的正确性。     

战场环境下巡航导弹低空突防航迹判断研究

抗击巡航导弹(CM)是地面防空兵部队面临的一项重要任务,而准确判断巡航导弹的进袭航线是地面防空兵部队合理调整战斗部署、组织侦察射击的重要依据。通过对巡航导弹战场环境建模,建立巡航导弹战场环境的Voronoi图,并进行了基于不同威胁体的改进,在计算分段航线上巡航导弹的突防概率基础上,用模糊最大树法判断敌巡航导弹最/次可能的来袭航路,从而为后续的地面防空兵兵力部署提供了依据。     

多尺度聚类Hough变换航迹起始方法

针对基于Hough变换航迹起始方法存在的航迹簇拥现象,提出了一种基于多尺度聚类的Hough变换 (MSC-HT)航迹起始方法.该方法首先对量测进行Hough变换,利用较低的阈值得到备选航迹;然后对备选航迹进行多尺度聚类,通过变化尺度参数寻优,自适应确定起始航迹数目和航迹参数,仿真结果表明了算法的有效性.     

具有指定误差协方差的相关域预测方法

利用协方差控制的理论和方法,研究了Ｃ３Ｉ系统中航迹数据融合的未来点相关域预测问题,提出了根据格定预测误差协方差来确定目标航迹未来点所处的相关域位置及大小的新方法。该方法具有实时性好、计算量小的特点。仿真结果表明了该方法的可行性。     

多传感器融合系统航迹号管理方法

多目标杂波环境下 ,多传感器探测形成的航迹之间呈现错综复杂的关系 ,多传感器系统融合中心航迹管理成了迫切需要解决的问题。在原有单航迹号分配方法的基础上 ,提出多航迹号分配方法 ,并扩展到立体图航迹号管理方法。尤其是航迹号立体图的引入 ,为航迹管理提供了一个新的思路。     

航迹与航迹的最优融合

在多传感器融合中,航迹与航迹融合占有重要的地位。人们在这方面做了大量工作,丛氏等人[5-7]给出了任意通信模式下的最优融合公式。对于确定性来说,该公式是最优的,这里指的确定性是:过程噪声为零或使用全速率通信(即两传感器每接到一次新数据就通信一次)。但在实际操作中,因目标机动而不能完全忽略过程噪声;或者为节约通信宽带,传感器间不采用全速率通信。这两种情况下,系统都存在公共过程噪声,因此两传感器的量测不是条件(给定目标预先状态)独立的,所得融合公式[7]只是近似最优。文献[1]中也谈到这种情况,作者推导出了一个公式来计算不同传感器的两条航迹估计的协方差、基于[1]的结果,文献[2]考虑了两个传感器航迹估计的相关性,并得到一个融合公式来组合局部估计。遗憾的是,文献[2]中进行贝叶斯推导时,所做的假设并不符合实际。本文中,我们指明[2]中结果潜在的近似性,并证明该结果只在ML{最大似然}意义下最优。然后,我们提出一种性能评估方法来研究各种航迹与航迹融合方法的性能。其结果给出各种操作条件下不同融合方法的性能范围。     

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DRFM的移频旁瓣干扰技术研究北大核心

针对脉冲多普勒(PD)雷达通过测量回波信号多普勒频率检测目标移动速度这一特点,为提高假目标逼真程度和干扰效果,提出移频旁瓣干扰并列举了3种干扰策略。该干扰方法基于数字射频存储(DRFM)的旁瓣干扰技术,结合真实目标运动特点与直接数字频率合成器(DDS)产生多普勒频率的原理,通过理论计算产生与假目标精确匹配的信号幅度和多普勒频率。经过软件仿真,得出不同干扰策略的假目标形成的虚假航迹和多普勒频率变化趋势,验证了移频旁瓣干扰技术的有效性和实现的可能性。     

基于GRU-VAE的无监督航迹异常检测方法

针对海量无行为模式标签航迹数据的目标行为异常检测问题,提出一种基于门控循环单元的变分自编码器模型(Gate Recurrent Unit-Variational Autoencoder, GRU-VAE)无监督航迹异常检测方法。该方法通过检测航迹异常发现目标的行为异常,分为模型训练阶段和异常检测阶段两步实施：在模型训练阶段,构建了以GRU和VAE为主要结构元素的基于门控循环单元的变分自编码器模型,利用无异常信息标签的历史航迹数据对GRU-VAE模型进行训练,根据训练集的航迹点重构损失分布情况,采用正态分布法或百分位数法划定置信区间为航迹点重构损失门限;在异常检测阶段,该模型对实时航迹数据集进行检测,将重构损失超出航迹点重构损失门限的航迹点视为异常航迹点,当航迹序列中的异常航迹点占比超出占比阈值时,判定为异常航迹序列,结合数据异常情况向一线人员发送目标的异常行为信息。AIS数据实验结果表明,模型最高F₁分数达86.36%,查全率达95%。本方法对异常航迹的检测具有高灵敏度和低漏警率,可满足战场态势认知需求。     

模糊技术分布式多传感器系统量测-航迹相关算法

给出了一个在分布式多传感器多目标跟踪系统中的新的全邻近模糊逻辑量测-航迹相关算法,该算法是基于FCM算法开发的。全邻近模糊逻辑数据相关算法在预测的目标状态的控制门内用合并所有观测来对状态估计进行修正。这里提出的全邻近模糊相关算法用可能性值对测量和航迹进行相关。可能性值作为隶属度通过FCM算法确定。