生成式中断航迹接续关联方法

传统中断航迹接续关联(track segment consecutive association, TSCA)方法基于假设的目标运动模型, 利用大量先验信息完成关联任务, 存在参数过多、计算复杂、推理时间长等缺点。为了解决以上问题, 提出一种基于注意力机制的生成式TSCA方法。首先设计航迹态势图生成模块, 将原始航迹数据转换为航迹态势图, 作为生成对抗网络的输入。针对航迹噪声影响大和航迹运动特征、中断特征难以提取的问题, 基于生成对抗网络和注意力机制, 设计航迹关联网络, 滤除航迹噪声并完成TSCA。仿真结果证明了所提网络的有效性, 在关联精度和关联速度两方面都超过现有算法。     

基于模糊综合函数的航迹关联算法及其应用

密集目标环境和交叉机动航迹较多的情况下,航迹统计关联方法关联正确率降低,而利用模糊关联可以减少传感器校准和延迟误差。主要研究基于模糊综合函数的多传感器多目标航迹关联算法,根据关联特点,确立隶属度函数、综合相似度和阈值判决准则,建立了仿真模型,并将其应用于两主动声纳站的航迹关联问题。仿真结果表明该算法具有较好的适应性,处理速度快的特点,适合于密集目标或交叉及机动航迹较多的环境。     

基于动态估计反馈的灰色理论航迹关联算法

针对传统基于灰色理论航迹关联算法未充分利用航迹历史信息,在密集目标以及时变噪声协方差等场景下关联正确率下降问题,在传统灰色分析法基础上增加了一种动态估计反馈机制。改进后的算法引入了Sage-Husa估计器来实时估计传感器的噪声协方差作为评估输出数据质量的依据,并使用Critic赋权法将实时噪声协方差转换为各时刻序贯权重,从而保证最大程度上的利用航迹历史信息。仿真证明,在密集目标与时变噪声协方差等特殊关联场景下,所提算法明显优于传统灰色分析法以及模糊法、加权法等经典算法,充分证明了所提算法的性能优越性以及鲁棒性。     

分布式星敏感器下空间目标航迹段关联算法

针对空间目标可以断续地被分布式星敏感器观测到的特性,将不同时段空间目标在星敏感器下的观测信息关联作为基于星敏感器进行空间目标精确定轨的前提。结合空间目标运动特性,在以往双门限模糊关联的基础上,加入轨道平面法向量约束,筛选候选关联对象,简化关联运算成本,提出了分布式星敏感器下空间目标航迹段关联算法。通过仿真分析了6组噪声级别下,航迹外推误差随时间的发散情况,并且给出模糊隶属度函数中的调整系数的参考值,使长间隔下不同目标的关联相似度区别更显著。仿真表明在一定噪声下所提算法关联准确率高于最邻近关联和传统模糊关联,初定轨误差在各轴位置的标准差为6 km,各轴速度标准差为6 m/s时,可区分最小相位差为0.5°的相邻目标,间隔2 h关联准确率达98%,间隔7 h时关联准确率达90%。     

基于自适应压缩感知的复杂弹道群目标跟踪技术

复杂弹道群目标空间密集程度高,群内目标相互遮挡,在给定雷达工作带宽前提下如何对复杂群目标进行有效分辨、实现航迹的连续稳定跟踪已成为亟待解决的难题。针对该问题,首先通过二体运动预测获得航迹群预测中心,根据预测偏差与分辨阈值关系,自适应开启局部压缩感知群目标分辨算法,提高群目标遮蔽分辨能力。其次，引入航迹片段拼接思想,利用已有航迹档案构建假设检验,对航迹片段进行关联、平滑处理和批号管理,有效减少换批和非线性估计误差。仿真结果表明,所提算法大大增加了可分辨时间,分辨能力可达80%,平均跟踪时长提高一倍,中断期间跟踪均方根误差显著降低,且航迹稳定跟踪并全程未换批,为弹道群目标精确稳定跟踪提供了一种新的思路。     

有限记忆ISODATA算法在航迹关联中的研究

针对多传感器多目标航迹关联的特点,提出了将基于聚类分析的ISODATA算法应用于航迹关联的解决方法。将表征航迹特征的参量构成待分类的样本空间,利用ISODATA算法对来自不同传感器的航迹进行关联。构建了基于ISODATA算法的有限记忆关联模型,利用有限步的历史航迹状态数据,有效地解决了目标密集环境下的误关联问题。通过仿真研究说明了算法的有效性。     

基于航迹概率假设密度的多传感器多目标跟踪

针对基于概率假设密度(probability hypothesis density, PHD)的分布式多传感器多目标跟踪(distributed multi-sensor multi-target tracking, DMMT)存在无法形成航迹、计算复杂度高、目标漏检等问题。本文基于航迹PHD后验估计提出了一种DMMT方法。为此,首先构建了各节点估计航迹间相似性度量矩阵,并采用匈牙利算法实现最优航迹匹配;其次采用协方差逆准则对关联航迹实现并行融合;最后基于概率生成泛函推导了一种鲁棒的DMMT方法。仿真实验验证了所提算法在目标状态估计精度、计算有效性和实时性方面的优势。     

基于数据质量评估的自适应序贯航迹关联算法

针对传感器精度下降时的航迹关联问题, 提出了一种基于数据质量评估的自适应序贯航迹关联算法。将实时数据质量评估结果引入关联门限的调整, 结合熵值法和效用函数法对传感器性能和局部滤波质量两项指标分别进行评估, 构建了两项指标与算法显著性水平之间的模糊关系, 实现关联门限的自适应调整。仿真表明, 在局部传感器精度下降的场景下, 改进算法的关联性能优于对比算法, 且良好的关联效果有益于融合精度的提升, 在目标机动的情况下也具有良好的适应性。     

三维空间中基于修正逻辑的快速航迹起始算法

经典的逻辑航迹起始算法已得到广泛的应用,但目前的研究仅限于在二维空间中使用该方法,并且在密集杂波环境中很难有效的起始目标航迹.为此根据目标的运动特性提出了一种三维空间中基于修正逻辑的航迹起始算法,其基本思想是,首先在三维空间中选择两个投影面,然后在两个投影面分别使用基于修正逻辑的航迹起始算法起始航迹,最后将两个投影面上起始的航迹进行比较,进而确定三维空间中的目标航迹.仿真结果表明了这种算法在三维空间杂波环境中快速起始航迹中的有效性及优越性.     

基于k近邻平均距离的异步航迹关联算法

针对异步不等速率下局部节点航迹关联复杂问题, 提出了基于k近邻平均距离的异步航迹直接关联算法。首先, 给出不等长航迹序列间的k近邻平均距离计算规则, 进而计算得到不等长航迹序列间的灰色关联度, 再利用经典分配法进行航迹关联判定。算法无需时间同步, 避免估值误差传播积累。仿真数据表明, 算法正确关联率高、耗时较短、局部节点采样周期和开机时机不一致等异步因素对算法影响不明显, 并且算法不受噪声分布形式和目标数目变化的影响。     

引入目标灰度信息的多假设跟踪方法

在传统的多假设跟踪(MHT)算法中,航迹置信度函数仅利用了目标的位置信息。对于红外搜索与跟踪(IRST)系统中的目标跟踪,还有目标灰度信息可以利用,因此在IRST系统的MHT算法中加入目标的灰度信息来重新构造航迹置信度函数和航迹启动条件,增强了算法抑制虚警的能力。通过跟踪5个高机动目标的仿真过程,对算法性能进行了检验,仿真结果表明,新的算法可以减少航迹数目、减少系统计算时间,并使算法具有更强的抑制噪声的能力。     

基于航路-航迹关联的天波超视距雷达航迹分类

天波超视距雷达的最终任务是检测、跟踪我方感兴趣的目标。将这些目标从跟踪器输出的航迹集合中提取出来是一个难点。考虑一类存在先验航路信息的航迹辨识问题,基于假设检验理论与分类思想,提出了一种多航迹-多航路情况下的天波超视距雷达航迹分类算法。在建立的空中走廊模型基础上,先后利用目标位置、航向信息与航路做相关判断,计算航迹-航路相关代价,据此将航迹分为航路目标航迹及非航路目标航迹。仿真结果表明,提出的航迹分类算法在航路数量适中的情况下正确分类概率达到90%。     

Modified joint probabilistic data association with classification-aided for multitarget tracking

Joint probabilistic data association is an effective method for tracking multiple targets in clutter, but only the target kinematic information is used in measure-to-track association. If the kinematic likelihoods are similar for different closely spaced targets, there is ambiguity in using the kinematic information alone; the correct association probability will decrease in conventional joint probabilistic data association algorithm and track coalescence will occur easily. A modified algorithm of joint probabilistic data association with classification-aided is presented, which avoids track coalescence when tracking multiple neighboring targets. Firstly, an identification matrix is defined, which is used to simplify validation matrix to decrease computational complexity. Then, target class information is integrated into the data association process. Performance comparisons with and without the use of class information in JPDA are presented on multiple closely spaced maneuvering targets tracking problem. Simulation results quantify the benefits of classification-aided JPDA for improved multiple targets tracking, especially in the presence of association uncertainty in the kinematic measurement and target maneuvering. Simulation results indicate that the algorithm is valid.     

基于交互多模型的分组δ-广义标签多伯努利算法

为了解决马尔科夫跳变系统广义标签多伯努利滤波器在多机动目标跟踪场景需要计算大量模式假设分支,并且需要频繁对假设分支进行剪枝,导致算法存在计算量过高并且影响跟踪精度的问题,提出一种基于交互多模型的分组δ-广义标签多伯努利滤波器。滤波器采用航迹分组策略,不同组的航迹独立进行关联映射与分支权重计算,降低了关联的计算复杂度,可以实现不同航迹组之间并行滤波。另外,为了处理机动目标场景引入交互多模型,给出基于交互多模型的分组滤波递推方程。仿真结果表明,所提出的滤波器跟踪精度更高,计算速度更快,可以用于跟踪多个机动目标的场景。     

多模型标签多伯努利机动目标跟踪算法

针对标准标签多伯努利(labeled-multi-Bernoulli, LMB)算法只考虑了单个运动模型的问题,提出了一种适用于跳转马尔科夫系统的多模型标签多伯努利(multiple model-LMB, MM-LMB)算法。首先对目标状态进行扩展,将多模型思想引入LMB算法得到了新的预测和更新方程,并给出了算法的序贯蒙特卡罗实现。仿真实验表明,MM-LMB算法能对多机动目标进行有效跟踪,在复杂探测环境下跟踪精度优于多模型概率假设密度(multiple model probability hypothesis density, MM-PHD)算法和多模型势平衡多目标多伯努利(multiple model cardinality balanced multi-target multi-Bernoulli, MM-CBMeMBer)算法;所提算法计算量当目标相距较远时低于MM-PHD和MM-CBMeMBer,目标聚集时增长速度快于对比算法。     

网络协同跟踪下广义分布式航迹关联方法

针对协同网络下的多目标跟踪问题,提出了一种广义分布式航迹关联算法。首先对序贯航迹关联准则进行分析,构造了广义分布式航迹全配对似然函数以及航迹关联统计量;在此基础上,建立广义航迹关联的数学模型,从而将分布式航迹关联转化为多维分配问题;然后利用改进免疫算法来寻求最理想的航迹关联。在航迹关联过程中,先利用chi方分布的假设检验来排除明显不相关的关联组合,再通过计算免疫抗体的适应值来确定多节点航迹间的关联关系;最后利用航迹关联评价指标对所提出的方法进行评估。仿真结果显示,该方法在密集目标环境下具有较好的关联稳定性,与序贯航迹关联方法相比,关联效果得到明显改善。     

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model, IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型（variable structure multiple model, VSMM）的高斯混合基数概率假设密度（Gaussian mixture cardinalized probability hypothesis density, GMCPHD）滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。     

基于隐马尔可夫模型的动态规划检测前跟踪算法

传统的动态规划检测前跟踪(dynamic programming track-before-detect, DP-TBD)算法能有效实现对匀速直线运动目标的检测跟踪,但其忽略了目标帧间状态转移概率,因此在对机动目标进行检测跟踪时容易受噪声干扰,产生错误的状态关联。对此提出了一种基于隐马尔可夫模型的DP-TBD算法。该算法利用隐马尔可夫模型对目标的运动过程建模,用一系列隐状态表示目标转弯速率并利用隐马尔可夫模型的隐状态估计理论实现对转弯速率的估计和预测,进而得到当前目标状态的预测值,根据此预测状态与下一时刻回波数据分辨单元间的距离来计算转移概率。然后将转移概率应用于DP-TBD算法的能量积累过程中以提高检测跟踪性能。仿真实验基于机动目标,给出了所提算法的检测跟踪性能,并与传统的DP-TBD算法、方向加权DP-TBD算法以及线性最小二乘DP-TBD算法进行了分析比较,验证了该算法的有效性。     

一种基于目标运动模型的可变固定延迟的平滑算法

近来，对于机动目标跟踪的问题已经提出很多平滑方法。其中相互作用多模型一概率数据关联固定延迟算法（IMMPDAS）对在杂波环境下跟踪机动目标提供了一个较为有效的解决方法。然而，在此标准的平滑算法中，对于每一种模型采用相同的延迟间隔。提出了一种新的基于IMMPDA状态扩展系统的算法。它的改进性在于针对每种模型的复杂性采取不同的平滑延迟步幅，从而计算量将会大大降低，并且使用将更加灵活。通过对一个高度机动目标的多传感器跟踪的仿真实例来进行验证。仿真结果表明提出的平滑算法精度上与原有的平滑算法相差无几，都比已有的IMMPDA算法在航迹估计精度上有了显著提高，但却有更小的计算量。     

盲区下高超声速飞行器贝叶斯指示交接方法

针对探测盲区下的高超声速飞行器接力跟踪问题,提出了基于多假设运动模型的贝叶斯指示交接方法。该方法首先根据目标运动的先验信息,对盲区下模型参数进行多假设建模。然后利用贝叶斯理论以概率的形式表达目标在盲区内的运动状态,通过蒙特卡罗采样近似计算搜索空域中目标的概率分布,从而确定搜索空域和波位顺序。仿真结果表明,该算法在一定盲区范围内,针对不同机动能力的目标均具有较高交接成功概率,其性能显著优于传统算法,能够实现目标的指示交接。