多传感器异步关联航迹的融合

异步航迹融合是多传感器多目标跟踪系统的一个重要问题。由于多传感器的采样速率和通信延迟不同,因此为了提高跟踪精度和准确性,融合中心必须进行异步目标航迹融合。在分布式模式下,基于各传感器在Kalman滤波器输出本地目标航迹的基础上,提出了一种融合误差均方差矩阵的迹最小意义下的异步目标航迹融合算法。给出了具体的实现步骤。仿真实验结果表明,这种融合方法是有效的。     

多传感器多目标跟踪中的数据关联

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题。它包括两个方面：同一传感器２次扫描或多次扫描间各目标的关联以及多传感器各自的跟踪航迹之间的关联。在密集目标、高密度杂波和干扰条件下，解决此问题有建立数学模型和计算量方面的困难。常见的算法有ＪＰＤＡ和ＭＨＴ，其模型较准确但复杂，计算量大，实际运用中效果并不理想。本文改进文献［２］中的关联方法，提出一种简单且效果较好的方法，利用线性规划算法实现了一定条件下多目标的关联及跟踪，并进行了仿真和误差分析。     

分布式多传感器融合多目标跟踪方法

为实现杂波干扰环境中对密集多目标的精确跟踪,对于分布式多传感器融合多目标跟踪系统,提出一种序贯处理的航迹关联算法。其中航迹关联采用了粗、精关联相结合的方法,航迹融合采用了序贯的融合方法。本文算法在保证航迹关联正确的同时,大大降低了计算量。仿真实验结果说明了本文方法的有效性。     

基于量测转换方法的概率数据关联算法

针对在使用雷达跟踪目标应用中,目标运动模型通常线性地建模在直角坐标系内,而量测数据由传感器获得的实际情况,提出了基于量测转换方法的概率数据关联算法。推导了该算法中相关的滤波估计、滤波误差协方差和数据关联概率,并且提出了跟踪门的确定方法。仿真结果表明了新算法的可行性和有效性。     

基于航迹概率假设密度的多传感器多目标跟踪

针对基于概率假设密度(probability hypothesis density, PHD)的分布式多传感器多目标跟踪(distributed multi-sensor multi-target tracking, DMMT)存在无法形成航迹、计算复杂度高、目标漏检等问题。本文基于航迹PHD后验估计提出了一种DMMT方法。为此,首先构建了各节点估计航迹间相似性度量矩阵,并采用匈牙利算法实现最优航迹匹配;其次采用协方差逆准则对关联航迹实现并行融合;最后基于概率生成泛函推导了一种鲁棒的DMMT方法。仿真实验验证了所提算法在目标状态估计精度、计算有效性和实时性方面的优势。     

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。     

推广的多传感器数据融合算法

本文对工程实际中多传感器系统线性化后存在未知的系统误差，测量噪声具有指数衰减相关，且与状态噪声相关的问题，提出了推广的多传感器数据的分层融合算法和多传感器自适应数据融合算法，给出了计算流程图，可以对目标的状态进行实时估计，这两种算法对防空导弹体系制导雷达组网数据融合具有理论意义与实用价值。     

一种基于多传感器数据融合的目标跟踪算法

论述了目标跟踪的原理和数据融合技术,为了解决移动机器人系统中的传感器存在大量不确定性问题,提出了一种交叉传感器交叉特征(CSCM)数据融合算法,这种算法基于粒子滤波技术,融合多个传感器的信息,合并不同的状态空间模型,以此减弱系统和测量噪声,来估计移动机器人的位置和角度.在仿真实验中,我们分别比较了单一传感器和多传感器数据融合的不同情况,结果表明了这种算法的有效性,并展现了良好的跟踪性能.     

特征辅助数据关联研究综述

特征辅助的数据关联技术为解决杂波/多邻近（或交叉运动）条件下目标的稳定可靠跟踪提供了一条新的有效途径,是复杂环境下目标跟踪领域的热点研究问题,具有广阔的应用前景。在广泛调研相关文献的基础上对特征辅助数据关联的基本原理进行阐述,对现有的目标特征和关联算法进行科学的分类,对典型应用实例进行较为全面的综述,并对其发展趋势进行展望。     

基于群目标的多目标关联算法研究

针对群目标跟踪数据关联的特点以及多目标跟踪数据关联经典的联合概率数据关联算法存在的计算量大与假设条件苛刻等问题,提出了基于群目标的多目标概率数据关联算法GJPDA（Group-target joint probability data association）。该算法首先把跟踪空间内的所有回波看作一个群,跟踪空间中任一关联门内的所有回波看作一个子群,通过关联门是否交叉、多少回波位于关联门交叉区内的判别及其相对于不同关联中心概率的计算,确定交叉区域内回波的归属。以每一个关联门内所有回波的等效回波为量测实现多群目标跟踪。仿真结果表明了该算法的有效性。     

基于航路-航迹关联的天波超视距雷达航迹分类

天波超视距雷达的最终任务是检测、跟踪我方感兴趣的目标。将这些目标从跟踪器输出的航迹集合中提取出来是一个难点。考虑一类存在先验航路信息的航迹辨识问题,基于假设检验理论与分类思想,提出了一种多航迹-多航路情况下的天波超视距雷达航迹分类算法。在建立的空中走廊模型基础上,先后利用目标位置、航向信息与航路做相关判断,计算航迹-航路相关代价,据此将航迹分为航路目标航迹及非航路目标航迹。仿真结果表明,提出的航迹分类算法在航路数量适中的情况下正确分类概率达到90%。     

不确定性数据关联问题中多因素推理判决研究

本文把分布式推理判决理论引入不确定性目标数据关联问题之中,设计了适用于解决这类问题的目标数据关联多因素推理判决系统,详细描述了该系统的基本原理和系统结构,并在此基础上设计了相应的算法。     

基于证据理论的数据关联算法

数据关联技术是多传感器目标跟踪系统中最核心而且也是最重要的部分。由于缺乏跟踪环境的先验知识以及受传感器自身性能的制约,整个量测过程不可避免地引入量测误差,密集环境中的目标跟踪比较困难。针对这个问题,提出的新算法利用概率数据关联方法进行密集杂波环境下的数据关联,结合证据理论的思想对多传感器量测信息进行优化组合,有效地减小了量测误差对跟踪目标的影响。通过仿真结果可以看出,改进算法大大提高了跟踪精度,并具有良好的抗干扰能力,适用于解决工程实际问题。     

杂波环境下多传感器跟踪的数据融合

本文介绍了一种在杂波环境下,利用两个传感器跟踪一个高度机动目标的算法。该算法是由以下两个算法相结合组成：（１）适合杂波环境下机动目标跟踪的概率数据关联滤波算法;（２）适合高度机动目标跟踪的混合多模算法。文中给出了这种新算法的一个计算机模拟结果。     

异质多特征数据融合在目标关联跟踪上的应用

本文讨论了利用多种异质特征数据诸如空间状态、信号幅度、多普勒频移等信息来实现多目标关联跟踪的方法。文中由品质函数的概念定义了一种关联测度,通过关联测度定量地将可能获得的多特征数据引入关联跟踪算法中。文中阐明这一关联测度是常规关联决策的推广。为验证这一方法的性能,本文还进行了计算机仿真实验,并给出实验结果。     

基于多传感器数据融合的机动目标跟踪自适应学习方法

考虑到传感器对目标的观测都存在有偏差，同时针对雷达系统检测中存在漏检的现象，提出了一种适用于处理传感器漏检现象的多传感器融合方法。并以雷达／红外成像复合的双模制导体系下红外和雷达两种传感器对目标状态的检测和跟踪为例，给出一个完整的多传感器数据融合和目标跟踪自适应方法。该方法简单易行，鲁棒性强，通过对红外成像和雷达系统的数据融合和目标跟踪的数字仿真，表明该方法有效。另外，该方法同样适用于多于两个多传感器系统。     

一种基于模糊运算的多目标多传感器跟踪算法

为在测量误差较大的情况下实现多传感器多目标跟踪,提出了一种基于模糊运算的融合算法。系统由多类型传感器组成,单个传感器测量范围小,测量误差大,并且数据传输时延大。利用非单值模糊逻辑系统计算数据模糊关联,采用参数曲线最小二乘跟踪法拟合目标运动轨迹,实现了一种在多种传感器并存的模糊传感器阵列中,集中式点迹序贯融合的方法。给出了实现该方法的具体步骤,实验证明该方法是行之有效的。     

一种改进的多传感器多目标跟踪联合概率数据关联算法研究

联合概率数据关联(JPDA)算法对单传感器多目标跟踪是一种良好的算法,但对于多传感器多目标跟踪的情况,特别是目标较为密集时,计算量剧增,会出现计算组合爆炸现象。因此,提出了一种改进算法,即对多传感器多目标量测进行同源划分,将多传感器对多目标的跟踪问题简化为单传感器对多目标的跟踪问题,然后将JPDA当作一种组合优化问题,采用连续型Hopfield神经网络求解关联概率。经仿真研究表明,该方法不仅克服了JPDA算法在多传感器多目标跟踪问题中的缺陷,还提高了跟踪精度。     

基于多驻留测量的相控阵雷达目标跟踪算法

针对相控阵雷达目标跟踪和资源调度问题,给出了基于后向概率的后向递归概率数据关联滤波(PDAF),以及基于后向概率最大的多维数据关联(N-D)方法。推导了预测位置偏离波束指向、且误差是相关的情况下,估计目标平均信噪比和目标检测概率的方法。通过仿真,比较了不同测量窗口数据长度和不同杂波环境下,相应算法对目标维持跟踪的性能和雷达能量需求。仿真结果表明,基于后向递归的PDAF优于常规的PDAF和N-D方法;虽然基于后向概率最大的N-D方法比常规的N-D方法好,但当维数较少时仍然比PDAF性能要差。     

联合概率数据关联中双门限跟踪算法研究

基于拟方向的基本思想 ,提出了一种方向跟踪门 ,并给出了此方向跟踪门的具体构造方法。将椭圆跟踪门和方向跟踪门相结合 ,获得了基于双门限的跟踪算法 ,以此来减少可行联合事件的个数 ,达到降低联合概率数据关联计算量的目的。对此跟踪方法进行了仿真研究 ,给出了仿真结果 ,并对如何减少可行联合事件的个数进行了实例验算。