一种地理网格新概念下的目标数据融合方法

针对全球作战中目标信息表示和数据融合的应用场合,提出了地理网格新概念、编码及与地理坐标之间的转化方法,并将同一目标在地理网格上的多个雷达信息用灰色关联的方法进行融合。该数据融合算法利用同一目标信息之间的灰色关联,减小了干扰和随机因素对数据融合的影响,使目标信息更统一、更精确。给出了该方法的具体步骤,并通过实例验证了方法的可行性和有效性。     

基于FCM的多传感器融合多目标跟踪的数据关联

数据关联是实现多目标跟踪的核心技术之一,也是实现多传感器信息融合的前提。本文采用改进的模糊c-均值法求解关联概率,并通过在不同的传感器所对应的观测空间上建立多目标运动状态的投影,将单传感器数据关联算法推广到多传感器信息融合系统,从而可在密集杂波环境中实现对多目标的数据关联和精确跟踪。仿真实验结果说明了本文方法的有效性。     

基于目标不变信息量的模糊航迹对准关联算法

探讨了在组网雷达存在系统误差情况时的目标航迹对准关联问题。通过将探测系统误差对目标航迹的影响表示为各目标航迹数据的旋转和平移,从而说明了目标之间的相对拓扑关系不受系统误差影响;由此提出了一种雷达组网模糊航迹对准关联算法,该算法通过提取包括目标间拓扑信息在内的各种不受系统误差影响的目标不变信息量,采用模糊信息处理理论来解决目标航迹的对准关联问题,从而较好地实现了误差配准前的准确航迹对准关联。     

分类信息辅助的多目标跟踪方法研究

多目标跟踪系统的关键技术之一是航迹关联。当传感器能同时得到目标分类信息和运动信息时，本文提出结合分类信息的综合概率数据关联算法，把目标不同信息相结合来提高关联效果。它通过分类混淆矩阵确定分类信息似然函数。再用谊函数调整传统的只利用运动信息的似然函数。使分类信息有效辅助综合概率数据关联．在杂波环境对多个邻近且不同种类目标跟踪情况仿真，比较仿真结果说明所提算法确实提高了多目标数据关联效果。     

基于证据理论的数据关联算法

数据关联技术是多传感器目标跟踪系统中最核心而且也是最重要的部分。由于缺乏跟踪环境的先验知识以及受传感器自身性能的制约,整个量测过程不可避免地引入量测误差,密集环境中的目标跟踪比较困难。针对这个问题,提出的新算法利用概率数据关联方法进行密集杂波环境下的数据关联,结合证据理论的思想对多传感器量测信息进行优化组合,有效地减小了量测误差对跟踪目标的影响。通过仿真结果可以看出,改进算法大大提高了跟踪精度,并具有良好的抗干扰能力,适用于解决工程实际问题。     

基于证据理论的联合概率数据关联算法

数据关联是目标跟踪技术中的核心部分,多目标情况下的数据关联技术更是研究的重点,由于多目标量测之间的互相干扰、外部环境干扰以及传感器性能等客观因素的约束,使得量测信息部分存在着相应的量测误差,密集环境中的多目标跟踪比较困难。针对这个问题,提出的新算法利用联合概率数据关联方法进行密集杂波环境下的数据关联,结合证据理论的思想对多传感器量测信息进行优化组合,有效地减小了量测误差对跟踪目标的影响。通过仿真结果可以看出,改进算法大大提高了跟踪精度,并具有良好的抗干扰能力,适用于解决工程实际问题。     

多传感器多目标跟踪中的数据关联

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题。它包括两个方面：同一传感器２次扫描或多次扫描间各目标的关联以及多传感器各自的跟踪航迹之间的关联。在密集目标、高密度杂波和干扰条件下，解决此问题有建立数学模型和计算量方面的困难。常见的算法有ＪＰＤＡ和ＭＨＴ，其模型较准确但复杂，计算量大，实际运用中效果并不理想。本文改进文献［２］中的关联方法，提出一种简单且效果较好的方法，利用线性规划算法实现了一定条件下多目标的关联及跟踪，并进行了仿真和误差分析。     

基于层次和密度聚类分析的航迹关联算法

目标航迹关联是多传感器信息融合研究中的一个重要问题，利用聚类分析理论，构建了目标观测数据相似度方程，提出了基于层次和密度聚类分析的航迹关联算法，提高了目标数量多且相互位置较近时航迹关联的准确性，对提高多传感器系统的实时处理能力和智能化水平具有一定的实用价值。实验结果表明，算法具有关联成功率高、时间复杂度低、存储量通信量小、易于实现的优点。     

基于深度特征融合的SAR图像与AIS信息关联方法

星载合成孔径雷达(synthetic aperture radar, SAR)和自动识别系统(automatic identification system, AIS)都可以获取到探测目标的相关信息，将两者获取的信息进行关联融合，有益于实现高效的海上侦察监视。由于数据之间存在的异构性，传统方法多依赖人工特征建立SAR图像与AIS信息的关联关系，但这些方法存在精度差、效率低等缺点。本文提出了一种基于深度特征融合的SAR图像与AIS信息关联方法，针对两种模态数据的特点分别设计了对应的特征学习网络获取单模态特征表示，进一步融合不同模态的特征信息以增强跨模态信息间的语义相关性，然后通过设计的关联学习目标函数进行跨模态特征之间关联学习。在构建的数据集上验证表明，所提方法关联精度高、适应性强，验证了所提数据集和方法的有效性。     

基于信息融合的机动多目标单站无源跟踪关键技术研究

跟踪起始与数据关联是机动多目标单站无源跟踪的关键技术。提出了一种基于目标多特征信息融合的自适应跟踪起始算法，通过构造多维动态可变的跟踪门，进行自适应跟踪起始检测，然后根据序列概率比检验准则进行轨迹确认。同时提出了一种基于多目标多特征信息融合的数据关联算法，首先通过定义多个特征数据关联度，将单个有效观测的多特征信息进行融合，再对多目标进行综合数据关联。计算机仿真表明，该跟踪起始算法能够快速有效地进行航迹起始，数据关联算法的性能要优于传统的最近邻（NN）方法。     

基于三角稳定的海上目标航迹抗差关联算法

针对现有航迹抗差关联算法缺乏对海上目标航迹特点和规律的考虑、实际应用效果差的问题，根据典型的实测数据对比分析结果，结合海上目标位置变化慢、空间拓扑关联稳定的特点，以三角形稳定结构为基础，设计了适用于海上目标航迹的抗差关联算法。首先，构建拓扑三角形，通过三角形匹配系数和航迹图匹配系数进行阈值判断，得到航迹对的关联系数。其次，保留其中最大关联系数，构建航迹对关联系数矩阵。最后，采用最大关联系数和阈值判别原则，输出关联航迹。实测数据验证结果表明，所提算法成功实现了所有航迹的有效关联，明显优于对比算法，具有较强的稳定性和鲁棒性，可有效解决实际中海上目标航迹关联问题，实用性强。     

基于三角稳定的海上目标航迹抗差关联算法

针对现有航迹抗差关联算法缺乏对海上目标航迹特点和规律的考虑、实际应用效果差的问题，根据典型的实测数据对比分析结果，结合海上目标位置变化慢、空间拓扑关联稳定的特点，以三角形稳定结构为基础，设计了适用于海上目标航迹的抗差关联算法。首先，构建拓扑三角形，通过三角形匹配系数和航迹图匹配系数进行阈值判断，得到航迹对的关联系数。其次，保留其中最大关联系数，构建航迹对关联系数矩阵。最后，采用最大关联系数和阈值判别原则，输出关联航迹。实测数据验证结果表明，所提算法成功实现了所有航迹的有效关联，明显优于对比算法，具有较强的稳定性和鲁棒性，可有效解决实际中海上目标航迹关联问题，实用性强。     

雷达组网中联合数据关联与偏差估计方法研究

针对雷达组网目标跟踪系统中,单雷达系统偏差严重影响多雷达航迹数据关联及融合跟踪质量的问题,提出了一种联合数据关联与系统偏差估计的方法。该方法利用对雷达系统偏差不敏感的新特征量———目标参照拓扑对多雷达航迹进行自适应的预关联,然后根据关联质量选择可靠的关联航迹对作为雷达系统偏差估计的先验信息,最后应用递归最小二乘算法进行偏差估计,估计结果可为预关联过程提供依据。在无需外界提供关联先验信息的情形下,该方法实现了对静态系统偏差的在线估计,从而可以进行及时的校准,保证了后续数据处理的有效性,具有很高的工程应用价值。仿真结果表明了该方法的有效性。     

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.     

利用k近邻区间距离的异步抗差航迹关联算法

针对异步和系统误差并存情况下的航迹关联问题, 提出利用航迹序列k近邻区间距离的异步抗差航迹关联算法。定义区间序列与区间点的k近邻区间距离度量, 提出系统误差区间化方法, 通过不等长航迹区间序列间的灰色关联度, 利用经典分配法进行航迹关联判定。与传统算法相比, 对系统误差先验信息的要求低。仿真结果表明, 算法能以较高正确率实现稳定关联, 具有良好的抗差性。算法亦可处理异步不等速率航迹关联问题, 无需时域配准, 具有明显的优势。     

Data association based on target signal classification information

In most of the passive tracking systems, only the target kinematical information is used in the measurement-to-track association, which results in error tracking in a multitarget environment, where the targets are too close to each other. To enhance the tracking accuracy, the target signal classification information （TSCI） should be used to improve the data association. The TSCI is integrated in the data association process using the JPDA （joint probabilistic data association）. The use of the TSCI in the data association can improve discrimination by yielding a purer track and preserving continuity. To verify the validity of the application of TSCI, two simulation experiments are done on an air target-tracing problem, that is, one using the TSCI and the other not using the TSCI. The final comparison shows that the use of the TSCI can effectively improve tracking accuracy.     

Study on data association algorithm of multi-passive-sensor location system

1 .INTRODUCTIONMulti-sensor direction-finding location is a methodwhichis researched earlier and applied widely in pas-sivelocation technology. When each of three sensorsis bearing-only sensor ,the accuracy of data associa-tion of multi-sensor multi-target can be i mprovedgreatly compared withthe result of two sensors[1 ~3],but with the increase of the number of observationstations ,the number of false location points and thequantity of calculation increase rapidly. The calcula-tion burden…     

基于信息熵权的最近邻域数据关联算法

复杂环境下雷达数据关联算法是多目标跟踪领域研究的重难点问题之一。其中,最近邻域算法虽然是一种计算量小、工程易应用的有效数据关联算法,但是存在数据关联正确率不高,滤波结果不够精确和多目标跟踪时易产生错误关联的问题。为改善该算法的数据关联效果,提出了一种最近邻域数据关联算法,通过进一步深度挖掘已知量测信息的熵,按照熵权法分析并确定各自量测指标的权值,再利用权值对最近邻域算法的统计距离关联准则进行优化,从而改善原算法在单目标跟踪中存在的问题。通过仿真实验结果分析得出,该算法相比于原算法具有更高的数据关联正确率、更小的跟踪误差和更快的收敛效果。