多平台数据融合系统的航迹关联技术

对于多平台数据融合模式下的航迹关联问题,使用了聚类关联的方法进行解决.采用基于地心坐标系的最小二乘方法对航迹数据进行配准,对航迹间的距离使用Hausdorff距离进行衡量.使用了K-均值算法对各平台侦测的航迹进行关联,并将初始聚类中心设定为相距最远的航迹,有效降低了经典K-均值算法过于依赖初始聚类点带来的错误.仿真数据证实,能在目标密度大且航迹存在交错的场景下保持较高的关联正确率,具有较好的可用性.     

一种改进的基于FCM的目标跟踪数据关联算法

为了克服杂波环境下对多目标进行数据互联时,计算量出现组合爆炸现象,提出了改进的基于FCM的多目标跟踪数据关联算法.将航迹的预测值转换到各个传感器的观测空间作为各自的聚类中心,利用目标属于所有量测的隶属度,来代替JPDAF中的关联概率,将多目标数据关联问题可转化为模糊聚类问题,进行关联计算.改进的基于FCM的多目标跟踪数据关联算法,有效地利用了目标状态估计中的历史信息,实现量测与航迹的关联.该算法克服了JPDAF算法计算量大的缺点,实现杂波环境下多目标数据互联.仿真结果表明了该算法的有效性.     

多传感器跟踪的航迹关联

多传感器目标跟踪是信息融合技术在目标跟踪领域的应用范例,航迹关联是其中的关键技术之一.提出先用模糊C-均值算法对点迹聚类,然后根据聚类的结果定义航迹关联质量,选择航迹关联质量大的为关联对.这样使关联同时能考虑当前和历史航迹,提高了关联正确率.最后把多传感器航迹融合,得到了很好的跟踪效果.仿真结果表明,该算法是确实有效的.     

改进模糊综合评价的ESM与雷达航迹关联算法

针对机动目标贴近和交叉运动影响下的ESM与雷达的航迹关联问题,提出了基于改进的模糊综合评价的航迹关联算法。该算法综合考虑了ESM传感器和雷达在双机协同无源定位中获得的距离、角度、速度、相位差和时间差信息,丰富了模糊因素集;给出了模糊综合评价中的隶属度和权重的动态计算方法,并对评价集和评价准则进行了相应的改进。仿真结果表明,在目标距离200 m时,传统的多因素模糊综合决策航迹关联算法的关联正确率为55.2%,航迹关联算法的关联正确率为74.0%。在增大目标距离和雷达探测误差的情况下,算法的关联正确率始终高于传统的多因素模糊综合决策航迹关联算法。     

基于蚁群聚类的多目标跟踪航迹起始方法

针对杂波环境下的航迹起始的NP难问题,提出了一种基于蚁群聚类的数据关联方法.为每个测量数据赋予给定的特征值,利用基于拾起和放下的蚁群聚类算法确定所需起始目标航迹数目,利用模糊蚂蚁聚类算法提取目标航迹.数值仿真结果表明:在杂波密度稀疏、目标交叉运动的条件下,目标航迹起始的成功率为100％,最大运行时间为2.131 s;在密集杂波条件下,航迹起始的成功率为100％,最大运行时间为12.378 s.     

系统误差下基于双重模糊拓扑的编队航迹精细关联算法

为解决系统误差下编队内各目标航迹精细关联的难题,基于编队目标航迹的特点,利用模糊拓扑的思想,提出了一种系统误差下基于双重模糊拓扑的编队航迹精细关联算法.算法首先基于循环阈值模型对各传感器获得的航迹进行编队识别,然后利用编队中心航迹代替编队整体,深入分析系统误差对编队中心航迹的影响,建立第一重模糊拓扑模型,完成编队航迹的预互联和普通目标航迹的对准关联,最后基于预关联编队内目标航迹之间或与航迹关联对之间的拓扑关系建立第二重模糊拓扑模型,实现编队内目标航迹的精细关联.经仿真数据验证,与基于目标不变信息量的模糊航迹对准关联算法、基于航迹迭代的航迹对准关联算法和修正的加权法相比,该算法综合性能明显优越,能很好满足工程上对系统误差下编队内目标航迹精细关联的需求.      

基于自适应DBSCAN的雷达目标跟踪算法

直接对三坐标航管一次雷达点迹录取器中录取到的点迹进行航迹起始、跟踪等处理后,会形成大量虚警,运算量大。进行目标跟踪时,候选点迹集合数量庞大是造成目标跟踪过程运算量大的主要原因。文中基于动态自适应DBSCAN聚类算法,结合经典卡尔曼滤波跟踪算法,提出了动态自适应DBSCAN聚类跟踪混合算法,来减少候选点迹集合数量。实验结果证明,本文提出的算法实现了无效点迹数的减少、航迹质量的提高以及运算时间的下降。通过动态自适应DBSCAN聚类跟踪混合算法,能迅速跟踪到三坐标航管一次雷达探测到的目标并形成目标航迹,可以及时发现黑飞目标,将对正常民航飞机飞行的干扰降到最低。     

航迹点特征的时间窗分割算法的航迹聚类

现有航迹聚类算法未考虑到航空器航向变化和高度下降等因素对聚类结果的影响,同时聚类过程中缺乏时间信息,另外实测二次雷达数据中存在离群点异常数据,离群点的存在会影响最终的聚类效果,使得聚类结果不准确。提出基于航迹点特征的时间窗分割算法,将航空器进场的航向变化值以及高度下降值作为确定聚类簇大小的影响因素,对进场航空器航迹点数量进行时间窗分割。对真实的进场二次雷达数据仿真分析,从仿真结果中可以看出当影响因子a为0.4时,航迹的曲率最小,聚类效果最好,进而采用层次聚类算法对不同LOF值所对应的航迹点进行聚类,得到最后的聚类结果可以为管制员现场指挥提供技术指导。     

基于形态特征的终端区进场中心航迹识别方法

为了挖掘终端区进场航空器交通流的分布特征，量化分析空中交通的复杂性，提出了一种基于多特征轨迹相似度和密度峰值聚类(Density-peak Clustering, DPC)的中心航迹提取方法。首先，采用单向距离(One Way Distance, OWD)计算轨迹之间的形状和物理距离，并结合空管实际运行航迹数据特征，考虑航迹之间的位置属性和航向属性，定义多特征航迹相似度模型。其次，使用密度峰值聚类算法对航迹数据进行聚类分析，提取聚类结果中每一簇中具有最高密度的真实轨迹作为中心航迹。最后，对双流国际机场终端区历史航迹数据进行实验分析，使用轮廓系数指标和基于密度的指标进行评价，并与层次聚类算法进行对比。结果表明，轨迹被划分为8个不同形态的类簇，该方法可以直观有效的识别出轨迹的整体运动特征并精确提取出真实的中心航迹。     

多频高频地波雷达目标数据融合与跟踪

强烈的海杂波干扰以及目标起伏严重制约了高频雷达的目标检测与跟踪性能,针对这一不足,提出一种基于多频雷达的数据融合与跟踪算法.通过加权最近邻关联来融合多频数据;通过无味卡尔曼滤波输出跟踪结果.在中国东海舟山海域进行了为期10d的数据采集实验用于验证系统性能.研究了多频雷达数据特点,给出了合适的距离、速度和方位的融合门限及权重设置方法,建立了从检测到跟踪整套处理流程,并提出了用于检验多频工作性能的评价指标.评价指标包括目标在线时间、航迹分裂数目、跟踪区域和定位误差.研究结果表明:通过数据融合和跟踪滤波显著延长了目标在线时间,提高了目标检测概率并减小了定位误差和跟踪中出现的航迹分裂数量,增强了跟踪稳健性.     

一种基于核映射空间距离的入侵检测算法

通过研究基于距离的孤立点发现算法(Cell-Based),指出其存在的问题,提出了一种基于核映射空间距离的入侵检测算法.该算法通过检测孤立点的方法进行入侵检测,首先将样本通过核函数映射到高维特征空间,重新定义特征空间中的数据点之间的距离.然后经过初始聚类算法确定聚类数目和初始类中心,再通过迭代优化目标函数来实现数据点的再聚类,最终得到聚类中心,超出聚类中心点半径r外的点即为孤立点.试验结果表明,该算法能有效突出样本之间的差异,克服传统基于距离的孤立点发现算法易随参数变化而需调整单元结构的缺点,且具有更准确的检测率和较快的收敛速度.     

基于特征辅助的距离高分辨雷达航迹关联算法

针对距离高分辨雷达邻近目标跟踪问题,提出了一种检测点分布特征辅助的航迹关联算法.该算法利用标准差椭圆提取目标检测点分布特征,同时利用目标的状态信息和特征信息进行航迹关联,解决了邻近目标航迹易关联错误的问题.实验结果表明,该算法可以提高距离高分辨雷达目标关联准确度,提升航迹质量.      

基于密度峰值聚类的电力大数据异常值检测算法

为了解决传统算法检测准确性低,复杂性高不适于电力大数据异常值检测的问题,通过密度峰值聚类算法研究了电力大数据异常值检测问题。分析了密度峰值聚类算法的聚类过程。按照聚类中心选择原则,通过相邻距离和密度的归一化乘积对聚类点的差异度进行衡量,按照差异度的统计特性与改变趋势选择最大的一组点当成聚类中心。按照z空间填充曲线与高维数据点z携带位置信息特性提出基于z的分布式密度峰值聚类算法,降低异常检测复杂性,以达到电力大数据异常值检测要求。采用优化后的密度峰值聚类算法对电力大数据异常值进行检测,在局部密度超过阈值,同时距离超过阈值的情况下,认为相应电力数据点为异常值。将基于距离的检测算法和基于密度的检测算法作为对比进行测试,结果表明:所提算法得到的异常电力数据点,和实际情况相符,和其他两种算法相比没有出现错检测和漏检测的情况。可见所提算法适于电力大数据异常值检测,且检测结果准确性高。     

一种改进的毫米波雷达聚类算法

针对毫米波雷达数据均匀性差,数据量小,噪点多等问题,提出一种基于DBSCAN (density-based spatial clustering of applications with noise)的雷达自适应聚类算法.改进算法能够根据K近邻距离和目标反射截面自适应调整聚类半径.首先给出一种聚类半径根据K近邻距离动态调整的机制:目标第K个近邻的距离与阈值相比较,以确定阈值半径取值.再提取雷达提供的目标反射截面,基于该值计算目标假象半径作为聚类半径的补充量.实现根据目标反射截面与数据稀疏程度自适应聚类的效果.将改进算法与不同参数的DBSCAN聚类算法在真实雷达点云数据进行实验对比.相较于选取合适参数的DBSCAN算法,改进算法能够更好适应毫米波雷达点云特征,对行人目标识别准确率提高4.18％,对车辆目标识别准确率提高5.63％.     

一种基于光流和二级聚类的移动背景下的目标检测算法

针对现有的移动背景下的目标检测算法存在检测速度较慢、自适应性差和检测准确度不高的问题,提出了一种基于光流和二级聚类的移动背景下的目标检测算法;该算法融合了阈值自适应规则和基于优化检测结果的反馈机制。首先采用Lucas-Kanade光流跟踪算法和DBSCAN聚类算法提取出前景目标,然后采用改进的凝聚层次聚类算法将前景目标分类。在第一级聚类时建立基于初始聚类结果的自适应规则,实现了自适应地检测目标;在第二级聚类后,通过去除错误匹配特征点和阴影区域特征点优化检测结果;并将优化后的检测结果反馈给第一级聚类过程以更新适用阈值,使目标检测更准确。在多个视频库上进行验证,实验结果证明该算法检测速度快、自适应性良好、检测准确度高。     

基于贪心策略的多目标跟踪数据关联算法

针对多目标跟踪中数据关联问题,提出一种新的数据关联方法,该算法先计算航迹和点迹的欧式距离以及其状态向量的在1范数下的距离,并将两者的和作为关联测度,构建关联概率矩阵.根据关联概率矩阵,对每条航迹都找到最适合(关联概率最大)的点迹,若点迹只是一条航迹的候选点迹则予以更新,若点迹是多条航迹的候选点迹,则选择其中概率最高的一条航迹予以更新.蒙特卡罗仿真表明,该算法在最大程度上保证了对每条航迹更新的点迹尽量是当前所有点迹中最优的点.     

基于多目标优化方法的一类k-Means自适应算法

【目的】针对k-Means聚类算法及MinMax k-Means聚类算法需要人为提前给定聚类数量而导致数据划分准确率偏低以及MinMax k-Means算法聚类效果受类簇边缘点影响较大等不足提出解决方案。【方法】将k-Means和MinMax k-Means算法的目标函数相结合,建立多目标优化模型,提出基于多目标优化方法的k-Means算法。分析簇数异常情况下最小中心方差与最大簇内方差之间的关系。【结果】发现当分类簇数大于最优簇数时,最小中心方差小于最大簇内方差,据此提出了基于多目标优化方法的k-Means自适应算法。【结论】数值实验表明：提出的自适应算法在人工数据集和UCI标准数据集均具有较好的自适应性且聚类效果较优。     

空地概率数据关联转换量测滤波算法

针对实际情况下机载预警雷达虚警多、易掉点和俯仰角误差大从而导致目标航迹起始和跟踪困难的问题,以WGS-84坐标系为框架,提出机载预警雷达量测关联地面雷达航迹进行目标跟踪的PDA-UCMKF新算法,推导PDA-UCMKF方法的状态更新和误差协方差更新方程,实现了机载预警雷达对中高空目标的快速跟踪.在杂波环境下仿真对比NN-UCMKF和PDA-UCMKF方法的关联和跟踪效果,表明PDA-UCMKF方法有效、可靠且易于工程实现.      

一种改进的聚类和孤立点检测算法

对基于距离的聚类及基于密度的孤立点检测方法进行了分析研究,提出了一种基于距离和密度的聚类和孤立点检测算法DDBCOD.该算法根据距离和密度阈值对数据进行聚类,并发现数据中的孤立点.实验表明,该算法能够识别任意形状的聚类,对高维数据有效,能够很好地识别出孤立点.     

多雷达多目标航迹起始算法研究

提出了一种基于聚类分析与逻辑法相结合的集中式多雷达航迹起始算法。首先采用聚类算法对传送到融合中心的数据进行聚类,使每一类中的数据代表同一个目标,并找出聚类中心作为等价的单雷达的量测,从而使航迹起始过程相对简化;在起始算法中根据目标的运动特点,对逻辑法进行了一定的改进。仿真试验证明了该算法的有效性。