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。     

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。     

传感器网中基于矢量地图数据的传感器放置模型与算法

基于矢量地图数据,建立了用于传感器放置的地形模型和传感器模型,提出了两种传感器放置算法,算法的目标是优化传感器数目及确定传感器的放置位置。算法通过计算放置一个传感器后目标节点处目标漏检概率的有效变化,将传感器放置在能带来全局或局部最大有效变化的网格节点上。仿真实际表明,与已有放置算法相比,两种算法减少了传感器的数目。     

分布式异类传感器网异步采样下的航迹起始算法

为解决分布式异类传感器网异步采样下的航迹起始问题,基于模糊集理论,定义了测量集与目标间的模糊综合贴近度。基于模糊综合贴近度提出了分布式异类传感器网航迹起始算法。该算法通过模糊综合贴近度函数全局极值点的检测实现目标的检测,用与目标相关联的测量估计目标的初始状态。算法的特点是不需要掌握目标探测概率、虚警率、杂波密度等诸多信息。仿真实验验证了算法的有效性。     

红外传感器阵列基于信息冗余性的目标定位

针对红外传感器阵列观测数据的特点,提出了利用空间信息冗余性提高目标定位精度的方法。该方法利用观测视线在水平面和垂直面上形成的交叉点确定目标位置,通过对目标位置的融合提高定位精度。推导了目标位置、定位误差及定位精度的解析式,并从理论上证明所给的加权因子可使目标定位误差在统计意义上达到最小。仿真实验验证了该方法的正确性。     

扩展的证据合成规则及其在多目标跟踪中的应用

针对多传感器多目标跟踪问题,利用随机集理论对证据合成规则进行了扩展,并基于“OR”合成规则提出了一种多传感器多目标跟踪的新方法.首先,将观测数据作为证据,目标状态作为识别对象,依据证据与识别对象间的相关度确立它们间的基本概率赋值.然后利用“OR”证据合成规则对证据进行合成.最后将合成的基本概率赋值作为权重因子对目标状态进行更新.仿真实验表明,与全局最近邻域方法相比,新方法能提高目标状态估计的精度.     

分布式网状被动传感器系统量测数据关联

为解决漏检、虚警、监视区目标数量未知情况下被动传感器系统量测数据关联问题提出了统计量检验及关联度极大寻优关联算法。该算法首先采用统计量检验删除不可能的候选关联,减小候选关联集,然后按关联度分层搜索得到正确关联。构建了检验统计量并给出了算法的实现步骤。仿真实验验证了关联算法的可行性。     

异类传感器系统目标快速定位方法

在异类传感器系统中,快速、准确地定位技术对于数据的关联、目标的跟踪至关重要。为解决异类传感器系统中目标定位问题,提出了快速目标定位法。该方法首先将不完整的测量补充为完整测量,然后用精度加权法实现多测量之间的融合得到目标的位置估计,为提高估计的精度,最后采用扩展加权最小二乘法进行目标位置的二次估计。仿真实验结果表明,提出的目标定位方法是一种快速、有效的目标定位方法,定位误差的方差接近Cramer-Rao下界。     

复杂地形下传感器网络中传感器的放置模型与算法

有效的传感器放置能改善网络覆盖、减小网络中的通讯量,是传感器组网过程中必须解决的关键问题.研究和分析了不同网格结构的性能,建立了用于传感器放置的地形模型,提出了-种基于矢量地图数据的传感器放置算法.算法以优化传感器数目为目标,将传感器放置在能带来最大有效变化的网格节点上.仿真实际表明,与现有传感器放置算法相比,算法具有更高的效率.