基于FCM的多传感器融合多目标跟踪的数据关联

数据关联是实现多目标跟踪的核心技术之一,也是实现多传感器信息融合的前提。本文采用改进的模糊c-均值法求解关联概率,并通过在不同的传感器所对应的观测空间上建立多目标运动状态的投影,将单传感器数据关联算法推广到多传感器信息融合系统,从而可在密集杂波环境中实现对多目标的数据关联和精确跟踪。仿真实验结果说明了本文方法的有效性。     

多传感器数据融合中的多目标静态数据关联

本文研究了无杂波和漏检的情况下三种不同类型、不同位置的传感器对数目未知的目标进行检测时的静态数据关联问题.这一问题可以通过对测量划分的联合似然函数的极大化来解决,通常可将其转化为三维匹配问题,但其求解的复杂度是NP的.本文提出了一种基于遗传算法的优化算法,来解决三维匹配问题,实验结果表明这种算法具有很高的关联成功率.     

基于相关性函数和模糊综合函数的多传感器数据融合

针对多传感器数据融合过程中,各传感器可靠度估计的困难和如何对不同类型的传感器数据进行融合,提出了一种基于相关性函数和模糊综合函数的多传感器数据融合方法。该方法首先利用相关性函数计算多传感器的相互支持程度,然后由隶属函数得到每个传感器提供信息的可信度,最后用模糊综合函数获得多传感器对目标属性的融合结果。该方法计算简单,客观地反映了各传感器的可靠程度及相互关系。将该方法用于一个目标识别任务的仿真实验,结果表明应用该方法能确定地识别出目标,是一种有效可行的多传感器数据融合方法。     

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。     

用于多传感器目标跟踪的数据时空对准方法

分布在不同平台的不同类型、不同精度的传感器,对同一个目标进行观测所得到的目标观测数据差别很大。在进行多传感器目标跟踪时,首先必须把来自不同平台的多传感器数据进行时空对准。针对这个问题,通过建立参心空间直角坐标系和归一化采样间隔的方法对多传感器数据进行了空间统一和时间统一,解决了多传感器目标跟踪的基础问题。其结果具有普遍适用性,具有广泛的使用价值。基于该方法的技术已经应用到实际中,并取得了良好的效果。     

基于模糊神经网络的多传感器自适应融合

针对非线性、大时滞的复杂工业控制系统中单传感器信息检测的单一性和不全面性,提出了一种新的基于模糊神经网络的多传感器自适应融合的方法.根据采用的多传感器是检测同一信息还是多源信息,提出了相应的两种结构模型,这种采用多传感器自适应融合的控制方法具有较强的容错性,较高的检测与控制的精度,因而增强了系统的灵活性和智能性.仿真结果表明了所提模型和方法的有效性.     

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。     

一种多传感器数据时空融合估计算法

当采用分布在不同空间位置上的多传感器观测值对测量噪声干扰下的参数进行融合估计时,数据融合存在时间性与空间性。为了提高测量精度,基于参数估计理论,提出一种多传感器数据时空融合算法。该算法将数据融合分解为两次估计,第一次是基于时间的递推融合估计,第二次是基于空间的自适应加权融合估计。该算法不要求知道测量数据的任何先验概率分布知识,编程简单,计算量小。计算机仿真表明,该算法在减少测量误差方面优于目前已有的基于时间或基于空间的多传感器数据融合算法。     

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。     

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。     

基于组合优化分配的多传感器数据互联

在建立多传感器系统现测表达和互联似然比测度的基础上,多传感器多目标数据互联被表达为多重组合最优分配问题.利用一个具有多项式时间复杂度的次优算法,多重分配的方法被应用到由雷达和红外所组成的异类多传感器数据融合系统之中,实现了其中的多目标互联.     

多传感器概率数据互联融合方法的分析和改进

以概率互联为核心 ,对多传感器数据融合的并行算法和串行算法问题进行了概括和分析 ,推导出了适合于计算机编程时使用的算法形式 ,并结合计算机仿真的过程和分析结果 ,对并行算法和串行算法提出了新的看法和观点 ,同时针对其不足 ,给出了一种改进方案。该方案经程序调试和验证后 ,获得了良好的运行效果。仿真表明 ,关于并行算法的传统看法是有欠缺的 ,需要更正     

一种只有角度信息的传感器关联预处理算法

目前已经出现了一些角度关联算法 ,但如何从传感器的所有角度观测数据中提取出可用于角度关联的有效观测数据还很少有人提及。提出了一种利用传感器的最大探测距离和相对位置信息通过几何推导得到的角度观测数据预处理算法 ,并给出了关联张角、候选观测集和有效观测集等新概念。经过该预处理算法 ,可以大大减少进行关联的角度观测数目和产生的假目标数 ,提高成功关联的概率和系统的实时性     

一种基于HMM的多传感器多目标快速跟踪算法

在分布式多传感器系统中 ,一种基于隐Morkov模型的检测与跟踪算法得到了应用。该算法的优点在于适用于机动目标模型 ,且对目标的观测噪声未加任何限制。但由于该模型中所采用的Viterbi算法计算量大 ,实时性较差 ,因此提出了一种自适应算法以减少Viterbi算法中的冗余状态 ,有效地克服了其计算量大的缺点。实验表明 ,在相同的多目标跟踪仿真环境下 ,自适应Viterbi算法可以有效提高计算速度 ,且算法性能与原算法相似     

基于信息融合的机动多目标单站无源跟踪关键技术研究

跟踪起始与数据关联是机动多目标单站无源跟踪的关键技术。提出了一种基于目标多特征信息融合的自适应跟踪起始算法，通过构造多维动态可变的跟踪门，进行自适应跟踪起始检测，然后根据序列概率比检验准则进行轨迹确认。同时提出了一种基于多目标多特征信息融合的数据关联算法，首先通过定义多个特征数据关联度，将单个有效观测的多特征信息进行融合，再对多目标进行综合数据关联。计算机仿真表明，该跟踪起始算法能够快速有效地进行航迹起始，数据关联算法的性能要优于传统的最近邻（NN）方法。     

模糊数据融合在组网雷达数据关联中的应用

提出了运用模糊数据融合理论解决组网雷达系统中数据关联问题的一种算法 ,采用隶属函数和模糊矩阵实现跟踪过程中点迹和航迹的关联配对 ,克服了传统的硬判断及目标数增加时计算饱和的缺点。该算法简单易行 ,适于工程应用。     

一种基于数据融合的机动目标跟踪预测算法

在机动目标的运动跟踪中,为了减小搜索区域,需要对下一时刻目标位置进行预测。本文以医疗康复领域中基于视频的运动分析为背景,针对二维平面中静止背景的运动目标提出一种基于数据融合的预测跟踪方法。首先采用多项式拟合算法和基于“当前”模型的改进卡尔曼滤波算法分莉对运动目标进行位置预铡,然后采用数据融合的方法得到最终的预测结果．最后用计算机仿真和实验对所提出的预测算法进行了验证,结果表明本文算法与多项式拟合和卡尔曼滤波算法相比,预测误差更小,跟踪精度更高。