网状被动传感器系统优化设计

结合网状被动传感器系统建设的需要,提出了网状被动传感器系统优化设计模型,依据优化设计模型提出了基于误差方差Cramer-Rao下界的优化设计算法。探讨了优化过程中指标集、目标集的确定方法,最后通过仿真计算分析了三种配置结构的性能。     

分布式被动传感器轨迹关联算法性能分析

轨迹关联算法性能分析是天基光学被动跟踪系统中尚待解决的一个重要问题,给出针对基于倾角差准则的二维指派轨迹关联算法的性能分析新方法。该方法首先对在正确关联和错误关联条件下的倾角差统计量的概率分布进行准确建模,接着分析关联算法的等价条件,最后推导关联算法的理论关联性能。不同条件下的理论分析性能与Monte Carlo仿真结果表明,角度测量误差、目标间距、目标间的射向差别等都是影响轨迹关联性能的重要因素,这为工程应用提供了参考。     

被动传感器阵列中基于视线距离的数据关联

针对低检测概率环境下被动传感器阵列中的数据关联问题,提出了一种基于视线距离的数据关联新算法。首先详细分析了传统基于视线距离数据关联方法的不足,提出各个观测站对于同一个目标的平均视线距离应最小。同时,认为同一个目标只要被超过2/3的传感器所观测,此关联组合就有效。最后,利用关联组合的平均视线距离和有效传感器个数来设计模糊隶属度函数,以模糊关联隶属度最大为关联准则构建数据关联算法,给出了算法流程。实验结果表明,在检测概率不为1、误差较大的多目标环境下,提出的算法要明显优于传统方法。     

基于距离加权最小二乘的量测数据关联

量测数据关联是被动多传感器系统中需要首先解决的一个关键问题,通常可采用多维分配算法进行求解,其中代价函数的选取在一定程度上决定了算法的最终分配结果。基于广义似然比构造的代价函数由于采用精度较低的传统最小二乘法进行定位,且没有考虑融合方差的影响,导致其性能较差。针对这一问题,提出一种基于距离加权最小二乘的量测数据关联算法,该算法将距离信息引入最小二乘定位算法中,并在代价函数的计算中融入目标位置的估计方差,构建出能够更为准确反映量测与目标之间相关程度的代价函数。仿真实验表明,所提算法在计算代价较小的前提下,提高了关联正确率,具有较好的工程应用价值。     

被动传感器系统模糊-概率双加权数据关联新算法

针对被动传感器系统中的数据关联问题,提出了一种新的被动传感器系统模糊-概率双加权数据关联算法。该算法首先利用候选关联的方位角建立检验统计量,进行方位的粗关联,排除一部分虚假候选关联,减少计算量;再对保留的候选关联进行交叉定位,计算每个交叉定位点与各个目标的关联概率;同时对相应的候选关联建立模糊关联度,来修正目标的关联概率,最后采用最大值搜索方法得到各个目标的正确关联。仿真结果表明,该方法可以快速、准确的排除虚假定位点,能够有效的对多个目标进行跟踪。     

异步被动传感器系统模糊Hough变换航迹起始算法

异步被动传感器系统由于不能通过视线交叉确定目标位置,因此使测量关联和航迹起始变得困难。为解决杂波、漏检和目标数未知情况下航迹起始问题,提出了一种用于异步被动传感器系统的航迹起始算法。该算法首先建立候选目标集,用极大似然法求出每一候选目标的初始状态估计、模糊Hough变换和模糊聚类实现航迹和目标的检测,最后用极大似然法估计出每一批目标的初始状态。仿真实验结果表明,提出的算法能有效实现航迹起始。     

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     

被动定位系统中的方位数据关联

多站测向交叉定位是无源定位方法中运用较多的一种,但该方法在复杂环境下会产生虚假定位点,而虚假定位点的快速、准确排除一直是无源定位研究中的难点,国内外许多学者始终致力于该问题的研究,提出了多种解决方法,像最小距离法、最大似然算法、拉格朗日松弛算法等,但它们或数据正确相关率较低,或计算量较大,不适用于实时处理。为此,采用了一种对目标进行方位关联的新方法,即先利用一定的准则进行方位粗关联,排除掉一部分虚假定位点,减少计算量;在此基础上再进行方位细关联,找出最有可能来自目标的方位组合。与现有算法相比,该方法可快速、准确地排除虚假定位点。仿真结果表明,利用该方法可较好地对多目标进行定位和跟踪,且计算量适中。     

分布式被动传感器网异步采样下的机动目标跟踪

针对分布式被动传感器网的特点，提出了一种异步采样条件下机动目标跟踪方法。该方法采用交互式多模型概率数据互联滤波器跟踪机动目标。为启动滤波器，采用最大似然法估计目标初始状态；为适应异步观测条件，提出了马尔可夫转移概率计算方法。仿真实验表明，在分布式被动传感器网中采用该算法能有效进行机动目标跟踪。     

分布式多传感器系统航迹关联算法研究

针对三局部节点的航迹关联算法，提出基于关联检验与最优分配相结合的新算法。该方法利用各局部节点关于目标的状态估计确定关联检验的门限，避免了一些来自不同航迹关联对的关联代价的计算，减轻了系统的计算负担。且由于关联检验过程排除了部分来自不同航迹但代价较低的关联对，减小了系统误差，进而降低了错关联概率。仿真试验表明，该算法省时、有效，是一种具有自适应优化能力的航迹关联算法。     

多雷达数据互联算法研究

组网雷达系统作为C4ISR的重要组成部分,其多雷达多目标数据互联问题一直是研究的重点。对单雷达多目标数据互联问题进行了扩展,建立了融合中心的多雷达多目标数据互联问题的数学模型,并设计了推广的联合概率数据互联求解算法(MSJPDA),实现了一种扩展的联合概率数据互联滤波器。以雷达网多目标跟踪为应用背景,对算法和滤波器进行了仿真,结果证明了算法的可行性和有效性。     

基于FM信号的无源雷达数据采集系统设计

基于FM信号的无源雷达目标回波信号信杂比低,频带窄,只有开发大动态范围的接收机才有可能接收到微弱的目标散射信号。在分析接收系统数据采集方案和不同采样速率对数据采集有效位影响的基础上,采用中频过采样技术采集数据,提出选用PCI-9820采集卡的数据采集方案,其动态范围大于75 dB。应用该数据采集方案已成功检测到空中飞行目标。对低信杂比下雷达回波信号检测有一定的参考价值。     

Study on data association algorithm of multi-passive-sensor location system

1 .INTRODUCTIONMulti-sensor direction-finding location is a methodwhichis researched earlier and applied widely in pas-sivelocation technology. When each of three sensorsis bearing-only sensor ,the accuracy of data associa-tion of multi-sensor multi-target can be i mprovedgreatly compared withthe result of two sensors[1 ~3],but with the increase of the number of observationstations ,the number of false location points and thequantity of calculation increase rapidly. The calcula-tion burden…     

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。     

一种多模自反馈角被动跟踪算法

针对多模贝叶斯“滤波—辨识联合算法”(JEI)多次迭代后存在的滤波器发散问题,提出了一种基于数据融合的多模自反馈被动角跟踪算法(MSPT DF)。特点是利用数据融合理论中的自反馈方法,将基于最小方差准则的反馈机制引入到原有算法中,使得误差较小的“融合”滤波结果能够实时地反馈给子模型,帮助其修正滤波误差,并且根据各模型的方差大小调整模型权重;改进算法大大改善了原有算法稳定性差和跟踪精度不高的缺点,计算机仿真结果证明了文中结论。     

大数据中面向乱序数据的改进型BP算法

针对大数据中的乱序数据缺少关联规则的问题,提出了一种动态调整的改进型BP 算法,运用了动态自适应结构调整机制,根据环境要求自适应调整网络训练结构,自动删除无效训练神经元,优化迭代训练过程;并在网络学习过程中动态调整网络参数中的三因子,即动量因子、权学习指数、阈学习指数,来达到加快学习响应速度、增强网络稳定性的目的. 仿真结果表明,通过动态自适应调整结构、动态调整三因子的改进型算法,能够获得更多的收敛次数,并能有效地提高收敛率,进而提高整体网络性能.