分布式多传感器系统航迹关联算法评述

根据计算速度、存贮量、通讯量、正确关联率、适应环境、对局部跟踪器和参数设置要求等几个方面,采用定量与定性相结合的方法,综合比较和评价独立序贯法、相关序贯法、独立双门限法、相关双门限法、MKNN法、第一类模糊双门限法、第二类模糊双门限法和模糊综合法等8种新的航迹关联算法的优劣,并重点讨论它们的差异和特点。同时把它们与最近邻域法、加权法、修正法和KNN算法这4种经典方法进行全面比较。这些分析结果对文献[1～6]提出的十几种适合于分布式多传感器数据融合的航迹关联算法的实际应用具有重要作用     

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。     

雷达组网系统中的快速多目标跟踪算法

针对雷达组网系统中多目标跟踪问题的特点,提出了一种实时的多目标跟踪算法.算法首先利用最小标准化距离最近邻分配策略对量测数据进行局部航迹关联,再采用模糊数据关联对其进行系统航迹关联,最后,利用α-β滤波对系统关联航迹进行滤波,并分别用仿真和实测数据对算法进行了验证.实验结果表明,提出算法能够实时有效的对多个目标进行跟踪,具有一定的工程实用价值.     

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。     

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。     

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%。     

一种基于协同作战能力的航迹合成方法

以网络中心战为背景,针对复杂环境下目标航迹分散、不完整的特征,讨论了基于协同作战能力(CEC)的航迹合成方法。将航迹合成方法分为数据融合型、互补跟踪型和接力跟踪型等三种类型,并提出了基于自适应改进Hough变换(AMHT)航迹起始和双门限快速联合概率数据关联(DTF-JPDA)的航迹合成算法。仿真结果表明,该方法能够实现基于协同作战的航迹合成系统,形成目标完整航迹,扩大跟踪区域并提高跟踪精度。     

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。     

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。     

无角度双站地波雷达组合定位跟踪和滤波算法

高频地波雷达方位分辨率很低，尤其是对于远距离的低信噪比目标,难以给出较准确的方位角信息，从而易导致检测点迹高度分散，严重影响超视距目标的航迹形成。针对该问题，提出无角度双站地波雷达组合定位与跟踪系统的新构想。该系统由两部地波雷达站组成，仅利用各站得到的距离和径向速度观测信息进行交叉定位和跟踪。分析了该系统的两个关键问题，重点讨论跟踪滤波算法问题，建立系统定位与跟踪模型，并利用扩展卡尔漫滤波(extended Kalman filter, EKF)进行目标状态的非线性滤波估计     

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。     

基于最邻近聚类和向量模糊c-均值的混沌预测

针对混沌时间序列难预测的问题,提出一种新的基于最邻近聚类和向量模糊c-均值(FCMV)聚类算法的模糊建模方法。其前提参数辨识分两步,首先用最近邻聚类法初始划分输入空间,得到规则数及初始聚类中心,再用FCMV把具有相同收敛向量的聚类中心归到同一个区域来优化前一步得到的聚类中心,得到前提参数;采用递推最小二乘算法辨识模型的结论参数。最后通过对Mackey-Glass混沌时间序列的建模和预测验证了该方法的有效性与实用性。     

SLAM数据关联方法的比较分析

针对同时定位与地图构建中数据关联的效果好坏易受特征状态影响的问题,建立了两种仿真场景,在此基础上布置了不同间隔的特征对,分别采用最近邻算法、连续兼容最近邻算法、联合兼容算法、联合最大可能性算法进行特征关联的比较分析。结果表明：特征间隔对数据关联的结果有很大影响,对于大部分数据关联方法来说,在小的特征间隔时关联结果较差,在大的特征间隔时关联结果较好。结合特征在仿真场景中不同的位置,数据关联方法也各自显示出优劣之处以及在不同特征状态下的适用性。得出的结论将对SLAM中数据关联方法的理解与选择有积极意义。     

基于RCS特征的谐振区舰船目标识别

利用谐振区RCS特征对舰船目标进行识别.深入研究了频率预先优化选择问题,提出了一种新的基于最小分类错误准则的频率选择方法,用以改善目标识别性能.给出了一种基于多类目标假设检验理论的带有拒绝判定目标出现门限的近邻分类器.对五类舰船目标识别的仿真结果表明,新的选频方法显著提高了识别性能;扩展的近邻分类器表现出较为理想的拒判能力.     

集中式多传感器广义相关算法

为把集中式多传感器系统顺利应用于需要较小耗时和准确跟踪的工程场景,基于对现有算法优缺点的理论分析,提出了并行处理结构的集中式多传感器广义相关算法;该算法建立了多传感器广义相关算法得分函数,并基于得分函数完成了点航互联、跟踪滤波、航迹质量管理和航迹起始;经仿真及实测数据验证,该算法能够同时满足集中式多传感器系统对算法耗时及跟踪准确性的需求,整体性能优于顺序处理结构的集中式多传感器联合概率数据互联算法和并行处理结构的集中式多传感器概率最近邻域算法。     

基于阈值判断的区域指导插值算法

针对传统图像放大算法对边缘区域划分不准确造成图像质量较低,而自适应插值放大方法模型复杂且计算量大的问题,提出一种基于阈值判断的区域指导(area directed threshold judgment, ADT)插值算法。该算法利用阈值判断的方法对插值点周围进行区域划分,结合近邻法和众数法确定插值点所属区域,根据插值点类型不同,利用不同权值大小的线性插值公式实现自适应插值,提高图像质量。仿真测试结果表明,与基于协方差的自适应插值算法相比,ADT算法在图像质量降低不显著的前提下,能显著提高插值速度;与双线性插值算法相比,图像峰值信噪比平均增加2.19 dB。     

基于多重判别的雷达网距离向多干扰目标鉴别

针对距离多假目标迷惑性强,鉴别过程计算复杂度高的问题,在长基线雷达组网背景下提出了一种基于多重判别的距离向多干扰目标鉴别技术。首先,针对目标量测关联判别次数随假目标数量增加而增加问题,将来自雷达网各目标量测分为真真、真假、假真、假假4种情况,以降低计算量;然后,采用最近邻角度信息多重判别的方法提高真假目标的正确识别率;最后通过理论分析和仿真实验的方法,对本文方法与经典的最近邻关联方法进行对比分析,结果表明,本文方法能够在提高正确识别率的同时显著减少判别时间。     

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。     

雷达目标自动识别系统的拒识新算法

提出了一种基于代价因子的Fisher判别函数拒识门限确定算法.该算法充分考虑了系统识别和误识的代价因子,引入Fisher判决理论,确定了拒识门限.设计了基于独立分量分析(independent component analy-sis,ICA)的雷达目标特征提取方法,将雷达高分辨距离像(high resolution range profile,HRRP)在"基信号"域中分解,提取相应的基系数组成向量,作为目标特征向量.采用基于欧氏距离度量的K最近邻(K nearest neighbor,KNN)分类器作为识别系统的分类规则,并引入拒识门限设计了一种新的分类器.实验结果表明,基于以上算法的雷达目标识别系统在最小代价前提下具有较高的正确识别概率.