基于模糊聚类的异类多传感器数据关联算法

针对异类传感器观测空间不一致的问题，提出了基于模糊聚类的异类多传感器数据关联算法．该算法首先通过在不同传感器的观测空间上建立多目标运动状态的投影，将多传感器多目标关联问题分解为多个单传感器多目标的关联问题，再对单传感器采用模糊聚类的方法求解关联概率，实现了在密集杂波环境中多目标的数据关联和精确跟踪．该算法降低了多传感器多目标跟踪的复杂性和计算量，有效地解决了异类多传感器可用公共信息少的问题．仿真结果表明，该算法的跟踪误差要小于传统的联合概率数据关联算法，且具有更优越的跟踪性能．     

神经网络在多传感器多目标跟踪中的应用

首先研究了基于粗关联和精关联过程的多传感器多目标(MSMT)跟踪融合算法，精关联是联合概率数据关联(JPDA)算法的推广，JPDA算法存在随传感器数和目标数的增加而计算量迅速增加的缺点；其次提出了一种基于神经网络的MSMT联合概率数据互联(MNJPDA)算法，MNJPDA算法能克服计算量爆炸问题，基于MNJPDA的融合算法能提高跟踪的快速性．仿真结果证明了MNJPDA融合算法的有效性．     

多传感器数据关联算法研究及发展综述

对多传感器多目标融合中的数据关联算法的研究及发展进行了回顾,指出了各个算法的适用范围及局限性,重点对概率数据关联算法及联合概率数据关联算法进行了分析;最后指出了数据关联算法的研究方向及将来的趋势。     

基于距离加权的概率数据关联机动目标跟踪算法

为了提高杂波环境下机动目标跟踪的实时性和精确性,在概率数据关联算法的基础上,引入距离加权的概念,以区分来自于目标的量测概率和来自于杂波的虚假概率,在一定程度上提高了概率数据关联算法在密集杂波环境下的非机动目标的跟踪性能.针对机动目标的跟踪,提出了一种适用于密集杂波环境下的联合交互式多模型概率数据关联跟踪算法,该算法利用距离加权的概率数据关联算法进行滤波.模拟实验结果表明:该算法可以在一定程度上提高密集杂波环境下机动目标跟踪的性能,能够更加有效、可靠地实现机动目标跟踪的目的.     

数据融合中的概率数据关联算法

阐述了多传感器数据融合中的概率数据关联算法,并采用ＭＡＴＬＡＢ高级语言进行模拟,最后得到了满意的目标跟踪曲线和跟踪误差。     

基于改进粒子滤波的声图像多目标跟踪方法

摘要：
针对利用声图像实现水下多目标跟踪问题,提出一种改进的粒子滤波多目标跟踪算法.通过引入联合概率数据关联算法,建立了联合概率数据关联 粒子滤波算法模型,使粒子权值中得以反映量测与目标轨迹间的关联概率,有效保证了各目标跟踪轨迹的连续性.采用了包含距离及角度的双重跟踪门得到确定矩阵,使跟踪精度得以提高.补充了轨迹起始及轨迹终结方法,以对跟踪过程进行完善.最后,通过水下多目标跟踪试验,对比分析了不同数据关联算法的试验结果,验证了所提方法的有效性,为基于前视声纳的多目标跟踪提供了一种更为有效的方式. 关键词：
联合概率数据关联; 粒子滤波; 目标跟踪; 前视声纳 中图分类号： TP 39
文献标志码： A     

杂波环境下基于红外传感器和雷达融合的机动目标跟踪算法

提出一种在密集杂波环境下多传感器机动目标跟踪算法,在利用雷达测量数据的基础上,融合红外(IR)传感器获得的精确角度信息来提高机动目标跟踪性能。通过计算机仿真,该算法较传统概率数据关联(PDA)对于航迹跟踪成功率和位置估计的准确率更为有效。     

分布式多目标自动跟踪和特征管理算法

一种可扩展的分布式多目标跟踪和特征管理的算法(DMTIM),适用于对多目标进行跟踪的传感器网络。DMTIM由数据关联、多目标跟踪、特征管理,以及信息融合所组成。数据关联和未知数量多目标的跟踪通过马尔科夫蒙特卡罗数据关联实现。通过信息融合来获取所有相邻传感器的本地一致性,实现特征管理。试验证明,DMTIM算法能够通过传感器网络实现对多目标有效的跟踪和特征管理。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

Cubature Kalman probability hypothesis density filter based on multi-sensor consistency fusion①

The GM-PHD framework as recursion realization of PHD filter is extensively applied to multi-target tracking system .A new idea of improving the estimation precision of time-varying multi-target in non-linear system is proposed due to the advantage of computation efficiency in this paper .First, a novel cubature Kalman probability hypothesis density filter is designed for single sensor measure -ment system under the Gaussian mixture framework .Second , the consistency fusion strategy for multi-sensor measurement is proposed through constructing consistency matrix .Furthermore, to take the advantage of consistency fusion strategy , fused measurement is introduced in the update step of cubature Kalman probability hypothesis density filter to replace the single-sensor measurement .Then a cubature Kalman probability hypothesis density filter based on multi-sensor consistency fusion is proposed .Capabilily of the proposed algorithm is illustrated through simulation scenario of multi-sen-sor multi-target tracking .     

基于Kay加权的高动态载波跟踪环路初始频差估计方法

在高动态环境下,过大的载波跟踪环路初始频差会导致环路失锁或误锁。针对该情况已有学者通过增强环路跟踪稳定性和鉴频能力来解决,但仍存在鉴频范围小,精度低和运算量大等问题。为解决上述问题,提出了一种基于Kay加权的载波跟踪环路初始频差估计方法,该算法首先对跟踪环路中I、Q两路的短时积分结果进行二倍角处理,然后,再对其使用四象限反正切鉴频器鉴频,最后借鉴Kay算法对鉴频结果加权得到频差估计值。通过与传统方法做计算机仿真对比,结果表明：在信噪比为-26 dB及以上时,在相同运算采样点数的前提下,本文方法估计精度相较于最大似然估计和三阶锁频辅助四阶锁相环路方法分别提升8.72 dB和19.59 dB或更高。在达到相同估计精度情况下,本文算法运算采样点数为最大似然估计方法的6.25%,算法运算量中加法与乘法次数仅为其1.7%和5.6%,计算时长为其1.56%。     

基于随机集的复杂境况下多目标测量

在多传感器多目标融合系统中,多传感器所提供的信息常常不同类,难以融合,建立多传感器多目标的随机集观测模型可以解决统一融合问题.基于随机集理论,根据虚警及漏测的情况,给出了目标的信任测度及其全局密度.从单传感器单目标推广到多传感器多目标,建立了实用的多目标随机集测量模型,并根据实例证明了该模型的实用性和有效性.     

多传感器稳健融合跟踪算法

讨论了多传感器融合跟踪的稳健性算法．针对集中式多传感器的融合跟踪结构，采用统计方法和随机逼近方法分析了传感器最优权的选取原则，得出了传感器融合对公共测量噪声没有影响的结果．依据最优选取原则给出了两种自适应融合跟踪算法，算法能在线适应传感器性能的变化，并使融合方差最小．采用典型航路进行了算法仿真，结果验证了理论分析的合理性和工程应用有效性．     

锁相环作抑制载波跟踪环的最大似然函数估值

讨论了锁相环作为抑制载波跟踪环的最大似然估计 ,并由此得到一种近似最佳的环路形式。     

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.     

基于载波辅助的GPS相对动态跟踪算法研究

针对高动态GPS信号接收问题,深入研究了相对动态跟踪的环路算法,分析了伪码双环跟踪结构,与国外采用的近似最大似然估计(AMLE)和扩展卡尔曼滤波(EKF)算法相比,该算法采用载波辅助伪码方法将绝对动态跟踪转换为相对动态跟踪,采用低阶窄带锁相环提高伪码环路的跟踪精度,简化了技术实现复杂度.经过系统仿真验证,性能满足高动态GPS信号跟踪要求.     

基于最大似然估计和Kalman滤波的BPSK载波同步方法

针对低信噪比及大多普勒频率变化率情况下的载波同步问题,提出一种基于最大似然估计和Kalman滤波相结合的跟踪环结构.利用最大似然估计在低信噪比环境下准确估计载波频率和相位,并结合Kalman滤波对载波变化进行稳定跟踪.其中利用二分法搜索保证低计算复杂度的同时提高了估计精度.仿真结果表明了此载波跟踪环路良好的跟踪性能.