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。     

双红外传感器模糊序贯航迹关联算法与仿真

航迹关联是多传感器多目标数据融合系统中的重要部分。本文针对双波段红外传感器的特点和目标航迹存在的连续性，根据影响航迹关联的主要因素和相互关系，提出了基于序贯检测思想的两种整体相似度关联定义和粗、精相关的模糊航迹关联策略，并提出针对未关联航迹的意见一致性决策方法确定航迹真实性。仿真结果表明，在目标密集、噪声较多、交叉分岔航迹较多的情况下，该算法性能良好，稳定，运算速度明显快于传统的统计检验方法。     

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。     

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。     

基于先验信息的多假设模型中断航迹关联算法

针对经典的中断航迹关联算法在机动目标环境下航迹预测准确性差、关联效果恶化严重的问题,提出基于先验信息的多假设运动模型中断航迹关联算法。所提算法充分利用目标属性、目标运动特征、使用场景等先验信息,基于多假设思想,建立多种可能的目标运动模型并实施航迹预测,基于位置和速度信息的模糊相关函数描述预测航迹与新起始航迹的模糊匹配关系,最后基于多项式拟合原理连接满足关联关系的新、老航迹。经仿真验证,在中断区间目标发生机动运动的条件下,所提算法的关联效果相对于经典的中断航迹关联算法有显著提升。所提算法对于复杂环境具有较强的适应能力,经50次蒙特卡罗仿真,在中断时间小于18个滤波周期条件下,机动目标的平均正确关联率达到90%以上,机动环境的全局关联正确率达到85%以上。     

分布式异类传感器网异步采样下的航迹起始算法

为解决分布式异类传感器网异步采样下的航迹起始问题,基于模糊集理论,定义了测量集与目标间的模糊综合贴近度。基于模糊综合贴近度提出了分布式异类传感器网航迹起始算法。该算法通过模糊综合贴近度函数全局极值点的检测实现目标的检测,用与目标相关联的测量估计目标的初始状态。算法的特点是不需要掌握目标探测概率、虚警率、杂波密度等诸多信息。仿真实验验证了算法的有效性。     

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。     

利用高精度陀螺对星敏感器在轨标定算法研究

研究了利用高精度陀螺对星敏感器误差在轨标定方法。采用高精度陀螺,利用陀螺作为星体的姿态参考可以连续提供星体的三轴姿态角速度信息,积分得到相应的姿态角特性,结合卫星姿态运动学方程,基于扩展卡尔曼滤波算法,针对星敏感器的常值误差和测量噪声,设计了星敏感器在轨标定模型,利用陀螺的测量输出对其进行实时补偿,以确保姿态测量元件在轨工作精度。仿真结果表明该在轨标定算法可以准确标定出星敏感器的常值误差。     

雷达与AIS目标航迹模糊关联算法与仿真

采用多因素模糊综合决策方法,研究了雷达与AIS(船舶自动识别系统)目标航迹关联算法.建立了该算法的模糊因素集、评价集、单因素模糊评判矩阵、多因素模糊综合决策准则、以及航迹关联与脱离质量等数学模型。计算机仿真验证了该方法可以改进目标航迹的精度与可靠性。同时讨论了关联门限取值等问题。     

异地配置的雷达与电子支援措施异步航迹关联

针对异步条件下雷达与电子支援措施(electronic support measurements, ESM)航迹关联问题, 通过分析方位角异步测量值对交叉定位原理的影响, 提出一种无需时域配准的航迹关联算法。根据传感器存在时延以及采样率的不同, 给出不等长航迹序列的等长区间变换以及异步航迹交叉定位的区间化方法, 通过计算区间序列离散度实现异类传感器航迹关联。通过仿真验证, 区间序列离散度不受噪声分布的影响, 且对数据集整体特征的求解避免了传统算法中的逐点运算, 有效提高了算法运算率。与传统算法相比, 可在多种测量误差场景下对异步航迹直接进行准确关联。     

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。     

基于运动信息的星图中空间目标检测算法

为了对空间目标进行精确定位与跟踪,建立目标运动轨迹,对基于运动信息的星图中空间目标检测算法进行了研究。首先,基于空域目标能量累积的方法提高目标信噪比,增大弱小目标被分割出来的概率。然后,根据相邻两帧星图中恒星相对位置不变性提取星图控制点,并根据控制点坐标求取全局运动参数。然后,根据分割出的星点与控制点的位置关系,将恒星与潜在目标分类。接下来,利用3帧最近邻关联法粗检测目标,并利用多帧前后向搜索法滤除虚假目标。最后将序列星图中所有目标编号,建立起目标的轨迹针对4组实拍星图的实验结果表明：所有目标的运动轨迹全部建立,检测到目标的最小平均信噪比为2.99,目标最小平均运动速度2.47 pixel/frame,最大平均运动速度12.72 pixel/frame。本文算法基本满足星图中空间目标检测的检测概率高、虚警少和轨迹定位精度高等要求。     

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。     

集中式多传感器群目标灰色精细航迹起始算法

为解决多传感器群内目标精细航迹起始的难题,提出一种集中式多传感器群目标灰色精细航迹起始算法。该算法首先基于循环阈值模型、群中心点完成群的预分割、预互联,然后将预互联成功的群按传感器分成子群,基于灰色精细互联模型剔除同一传感器子群内的虚假量测,并利用量测合并模型消除群内多传感器对同一目标的冗余信息,最后基于灰色精细互联模型、航迹得分完成群内量测的精细互联和航迹输出。经仿真验证,与分布式多传感器修正逻辑法、基于聚类和Hough变换的集中式多传感器多编队航迹起始算法相比,该算法综合性能更优。     

Effect of biased estimation on radar-to-ESM track association

The track association problem of radar and electronic support measure (ESM) has been considered in the literature for several years.This problem is crucial for radar-to-ESM track fusion and is complicated by the presence of individual systematic errors and measurement errors.In order to improve the track association of radar and ESM sensors,a pseudo-linear filtering algorithm is proposed to estimate the target states and improve the stability of the filter.It is found that,however,the correct probability of radar-to-ESM track association decreases as the radar measurement error decreases,when the pseudo-linear filter is used for ESM sensor filtering.In view of the strange phenomenon,this paper analyzes the reason for it by using the statistic theory and further performs Monte Carlo simulation to verify the analysis.