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。     

基于多传感器多目标特征信息的模糊数据关联算法

本文针对高干扰环境下测量数据的不确定性，提出了多传感器多目标特征信息融合的数据关联模糊逻辑推理方法。研究了基于最陡下降法构造全模糊模型关联系统的自学习算法，以及多个主传感器数据融合对模糊关联系统性能的改善。其基本思想是通过融合多种特征信息进行模糊逻辑推理，改善数据关联质量的同时，不增加整个目标跟踪系统的复杂性。理论分析和应用举例都证明了模糊逻辑系统融合多种数据形式解决关联问题的能力。     

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。     

基于幅值信息的联合概率数据关联粒子滤波算法

针对非线性非高斯环境下多目标被动跟踪的低可观测问题,将粒子滤波、联合概率数据关联和量测的幅值信息相结合,提出了一种基于幅值信息的联合概率数据关联粒子滤波算法。将联合概率数据关联算法中的关联似然与幅值似然比相结合,利用粒子滤波算法进行跟踪滤波,用幅值量测来改善低可观测条件下的目标跟踪性能。仿真结果表明,该算法提高了数据关联的可靠性和目标跟踪的精度。     

异质多特征数据融合在目标关联跟踪上的应用

本文讨论了利用多种异质特征数据诸如空间状态、信号幅度、多普勒频移等信息来实现多目标关联跟踪的方法。文中由品质函数的概念定义了一种关联测度,通过关联测度定量地将可能获得的多特征数据引入关联跟踪算法中。文中阐明这一关联测度是常规关联决策的推广。为验证这一方法的性能,本文还进行了计算机仿真实验,并给出实验结果。     

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。     

杂波环境下基于最大熵模糊聚类的JPDA算法

针对杂波环境下的多目标跟踪数据关联存在跟踪精度低、实时性差的问题,提出了一种基于最大熵模糊聚类的联合概率数据关联算法(joint probabilistic data association algorithm based on maximum entropy fuzzy clustering, MEFC-JPDA)。首先,采用最大熵模糊聚类求得的隶属度初步表征目标与有效量测之间的关联概率。其次,采用基于目标距离的量测修正因子对关联概率进行调整,并建立关联概率矩阵。最后,结合卡尔曼滤波算法,对目标的状态进行加权更新。仿真结果表明,所提算法在杂波环境下的跟踪性能相比现有的两种关联算法有较大提升,是一种有效的多目标跟踪数据关联算法。     

模糊数据互联滤波器及其在机动目标跟踪中的应用

为解决机动目标跟踪过程中的数据关联问题，提出了模糊数据互联滤波器，分析了其工作机理，并将其应用于机动目标跟踪中。与概率数据互联滤波器不同，在进行数据关联时，模糊数据互联滤波器饭定目标当前转弯率在一定范田内取位，其预测中心不再是一个点，而是一线段；在计算洲量的权重系数时，依据的是洲量距该线段的距离。仿真实验表明，杂波环境下对机动目标跟踪时，采用模糊数据互联滤波器降低了航迹丢失率。     

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。     

密集杂波环境下的快速数据关联算法

联合概率数据关联(JointProbabilisticDataAssociation,JPDA)是密集杂波环境下跟踪多目标最有效的算法之一。但当目标数目和有效量测数增大时,关联概率的计算出现组合爆炸现象一直是工程应用的瓶颈。基于JPDA算法的思想,提出了一种快速数据关联算法,该方法首先根据被跟踪目标相关门的相交情况将监视区域分成相互独立的空间,对同一空间内具有公共量测的目标和各目标相关门内的多个量测的概率密度值分别进行概率加权后再计算关联概率。不需要象最优JPDA算法中产生所有可能的联合事件,因此具有计算量小,易于工程实现的优点。仿真结果表明,在不同的杂波密度环境下和不同的目标运动形式下,此算法都可以取得令人满意的跟踪效果。     

元启发式数据关联的多目标跟踪方法

提出了一种元启发式数据关联的多目标跟踪方法。首先,该方法根据跟踪门逻辑确定目标的有效量测。然后,利用滤波信息的似然函数描述量测点与目标之间的关联关系,并建立约束条件下多目标数据关联模型。最后,对蚁群优化算法进行改进设计,引入量测剔除策略,将求解问题转化为无约束的组合优化形式,从而利用蚁群优化算法在离散空间的启发式机制搜索量测与目标的最佳关联。仿真结果表明,该方法可以有效实现多目标数据关联且计算量较小,具有一定的工程实用价值。     

卫星与雷达位置数据自适应关联

卫星与雷达间的数据关联能够实现海上预警探测过程中由大范围预警向精细跟踪过渡转换,但传统关联模型关联速度慢且难以适应舰船编队目标的非刚性变换、虚警漏报等情形。对此,提出一种卫星与雷达位置数据自适应关联模型。首先,采用多层神经网络提取卫星数据和雷达数据的整体差异参数。然后,将参数通过位移变换估计网络实现两类信源目标的匹配,解决不同信源间的时间间隔和定位误差导致的空间位置差异。最后,对匹配后的目标进行关联判决。仿真实验结果表明,该模型关联速度快,精度高,能够实时处理大规模多源数据关联任务。同时在应对非刚性变换、定位误差、虚警漏报等场景下有较好的鲁棒性。     

基于ＮＰ准则的属性关联度量及门限确定方法

在目标空域密集环境下,属性辅助运动状态数据关联是目前公认的解决数据关联性能严重下降问题的潜在有效途径。从Neyman Pearson准则出发,在分析经典运动状态信息关联度量及门限确定方法合理性的基础上,给出属性辅助数据关联中属性度量及对应门限的确定方法。仿真结果表明,与惯用的固定门限相比,该方法确定的度量及门限具有稳定的关联性能。     

基于量测转换方法的概率数据关联算法

针对在使用雷达跟踪目标应用中,目标运动模型通常线性地建模在直角坐标系内,而量测数据由传感器获得的实际情况,提出了基于量测转换方法的概率数据关联算法。推导了该算法中相关的滤波估计、滤波误差协方差和数据关联概率,并且提出了跟踪门的确定方法。仿真结果表明了新算法的可行性和有效性。     

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。     

一种只有角度信息的传感器关联预处理算法

目前已经出现了一些角度关联算法 ,但如何从传感器的所有角度观测数据中提取出可用于角度关联的有效观测数据还很少有人提及。提出了一种利用传感器的最大探测距离和相对位置信息通过几何推导得到的角度观测数据预处理算法 ,并给出了关联张角、候选观测集和有效观测集等新概念。经过该预处理算法 ,可以大大减少进行关联的角度观测数目和产生的假目标数 ,提高成功关联的概率和系统的实时性     

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。     

空中目标编队自动分析挖掘算法

针对战场态势数据分析与规律知识挖掘需求，基于掌握的战场目标历史活动信息，分析目标间深层次关联特征，运用Prim算法和模板匹配思想构建目标关联性研判、目标编队自动提取以及编队特征匹配识别模型，提出了一种快速实用的空中目标编队自动分析挖掘算法。通过若干案例仿真验证了该算法模型的可行性和有效性。所提算法能够快速有效地从海量历史活动数据中挖掘出存在关联性的目标编队，给出目标关联可信度，能够对目标间关联关系、编队类型等编队特征进行有效识别，并且该算法计算量小，易于工程实现。     

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.