基于聚类的多平台协同数据关联算法研究

从多平台协同工作的角度出发,针对目标和传感器观测数据之间的关联问题进行了研究。给出了模糊聚类目标函数、FCM算法步骤和量测目标归属判定方法,基于此,提出了模糊C-均值聚类和量测目标归属判定算法,然后提出了基于聚类算法的多平台协同多目标数据关联算法。仿真实验结果表明,该算法数据关联正确率较高,能够提升跟踪精度。     

双向互选最近邻准则下的多目标TDOA无源定位

为有效解决多目标无源定位中的数据关联难题,提出双向互选最近邻多目标数据关联算法。该算法借鉴全局最近邻思想解决多目标到达时差(TDOA)测量数据关联问题,在设置检测门限对时差测量数据进行关联初选的基础上,将所有目标和初选后数据的关联配对关系进行全局考虑,通过对初选后数据的前后向互选来解决多目标时差测量数据的正确关联问题。该算法在从众多时差测量数据关联配对点中提取真实目标位置的同时,可有效解决时差无源定位中的定位模糊问题,算法模块也可应用到多星测时差、测向-测时差等无源定位系统中。仿真结果表明,该算法能有效解决多目标时差测量数据的关联问题,最终实现对多目标的无源定位。     

基于熵权的灰色关联概率数据关联算法

在多目标信息融合中,通过数据关联判断来自不同传感器的数据是否代表同一个目标,传统数据关联一般采用联合概率数据关联算法,单纯依靠状态量测且计算复杂。而基于灰色关联的概率数据关联算法,能够利用目标的多个特征信息进行数据关联,且计算简单准确。特征信息一般由专家主观判断给出。提出了基于熵权的灰色关联概率数据关联算法,由量测数据自适应的给出各特征的权重系数,不依赖于专家。仿真表明,该关联算法具有很好的工程实用性。     

被动多站多目标的测量数据关联算法研究

将视线距离的概念引入到被动多站多目标的测量数据关联,提出了各观察站对于同一目标的视线之间的距离和最短的关联准则,在此基础上,构造了测量数据的快速关联算法。其主要特点是不需要目标位置的任何先验信息,从而克服了由此产生的各种不利影响,为数据关联提供了一条新的思路。最后的仿真结果验证了算法的有效性。     

交通信息采集雷达中目标跟踪算法的研究

现代交通系统的核心是对交通信息进行采集。使用雷达对交通信息采集具有效果好、不易受环境影响且寿命长等优点。交通信息采集的本质是对目标的状态信息进行动态检测。由于交通环境的复杂多样，因此采用合理的算法实现对目标的跟踪显得尤其重要。该文以转换测量卡尔曼滤波(CMKF)为基础，采用经验联合概率数据关联算法(CJPDA)与概率数据互联算法(PDA)相结合的数据关联方法，利用PDA对单目标或稀疏多目标进行数据关联，用CJPDA对复杂多目标进行数据关联，从而实现了雷达对目标的跟踪，进而实现了对交通信息的采集。文中首先介绍了CMKF滤波算法相关技术原理；其次描述了一些常用的数据关联算法实现过程；最后通过仿真分析验证了该种组合目标跟踪算法能够在满足交通信息采集雷达精度要求的同时有效的降低系统运算量，对系统的实时性有较好的提升。     

基于辐射源参数信息的无源数据关联问题研究

针对传统无源数据关联算法存在算法复杂、计算量大等缺点,提出了一个能够反映辐射源特征参数信息与目标运动状态参数信息相结合的无源关联算法流程。该算法首先定义基于目标运动状态参数和辐射源特征参数的多维可变跟踪门,然后运用模糊多门限思想,将测量与目标的关联概率来替代概率关联算法中可行联合事件概率的计算。仿真结果表明该算法计算量小,跟踪准确度高,尤其适用于复杂环境下近距离、交叉运动目标等典型情况。     

认知雷达波形自适应数据关联跟踪算法

针对杂波背景下多交叉机动目标跟踪问题,提出一种认知雷达波形自适应数据关联跟踪算法,该算法选取目标距离-速度-方位作为观测量,并通过调整波形参数来动态改变量测误差协方差。首先,基于信息融合思想提出一种优化的概率数据关联(OPDA)算法,算法充分融合目标位置特征和运动特征对多目标交叉区域公共量测进行分类,使多交叉机动目标跟踪问题转化为多个单机动目标跟踪问题。然后,对实时更新的目标航迹,采用修正的Riccati方程估计下一时刻滤波协方差,并根据波形选择准则函数自适应选择下一时刻波形以提高系统跟踪性能。仿真结果表明,该算法增强了概率数据关联(PDA)算法的环境适应性,而且相比未采用波形自适应的数据关联算法有明显的优势。     

一种适于工程应用的近似MSJPDA算法

为提高复杂数据融合系统中的航迹关联正确率，在ZHOU B的DC和AC算法基础上提出一种新的近似多传感器多目标联合概率数据关联算法，它以一个目标为中心的近似聚为构造关联事件的起点，并在计算中将DC和AC结合得到的一种全部的点迹－航迹关联算法，在杂波下目标密集，航迹复杂的数据融合系统中进行实验，对关联正确率，并联时耗等与最近邻法进行了比较，效果较好，它能为有效提高目标点迹－航迹的关联正确率，在计算时耗上较完全联合概率法少得多，能满足工程中实时性的要求。     

异类传感器三维空间数据关联算法研究

在异类传感器信息融合系统中,快速准确地对目标进行数据关联极为重要。为解决2D雷达与红外传感器在三维空间中的数据关联问题提出了一种新方法。该方法采用两级关联算法进行关联,首先利用精度较高的2D雷达径向距离和红外传感器俯仰角及方位角找出目标在X-Y平面上的可能位置,通过构造角度检验统计量完成第一级关联,排除大部分虚假定位点;再采用二维分配算法对余下的候选关联组合进行精确关联,从而获得最优关联分配方案。仿真结果表明该方法较大地提高了正确关联概率,是一种有效实用的数据关联方法。     

基于混沌优化自适应遗传算法的数据关联求解

通过判断目标量测值和运动状态之间的最优对应关系,将数据关联问题描述为一类约束组合优化问题,采用混沌优化自适应遗传算法来求解数据关联问题,仿真结果表明,这种算法具有很高的关联成功率;此外,分别采用自适应遗传算法、混沌优化算法以及混沌优化自适应遗传算法求解数据关联问题,结果表明,混沌优化自适应遗传算法求解数据关联问题的最优率明显高于其他2种方法,且其收敛速度也明显快于单独使用自适应遗传算法或混沌优化算法。     

主导概率数据关联及算法

本文给出主导概率数据关联（ＤＰＤＡ）及算法，定义主导联合事件和主导概率，考虑实际目标环境可行联合事件出现为非等概率，导出主导概率数据关联计算方法，它无需计算所有行联合事件的联合率，从而克服了联合概率数据关联（ＪＰＤＡ）的组合问题，本文证明了ＤＰＤＡ性能上限不低于ＪＰＤＡ，下限低于ＰＤＡ，而下限出现的概率极小。本文给出了ＭｏｎｔｅＣａｒｌｏ仿真表明ＤＰＤＡ算法具有很好的性能和较高的实用价值。     

运动状态下多传感器群目标精细航迹起始算法

为解决多传感器群内目标精细航迹起始的难题,提出一种基于运动状态的集中式多传感器群目标精细航迹起始算法,算法首先基于循环阈值模型和群中心点完成群的预分割、预互联,然后将预互联成功的群按传感器不同分成多个子群,基于非抢占式修正逻辑法和同状态航迹子群获取模型剔除单传感器形成的虚假航迹,并基于多传感器同状态群关联模型消除各传感器虚假的同状态航迹子群,最后基于加权法实现同状态关联群内航迹的精细互联及合并。仿真数据表明,与分布式多传感器修正逻辑法、基于聚类和Hough变换的集中式多传感器多编队航迹起始算法相比,算法在起始真实航迹、抑制虚假航迹及杂波鲁棒性等方面综合性能更优。
     

一种多制式传感器数据融合算法

针对一有三坐标雷达、两坐标雷达和红外探测器三种传感器的分布式多站多目标跟踪系统，提出了一种多制式传感器数据融合算法。算法以测量间最小距离为关联度，对测量集间的相似程度进行度量，用极大似然法估计目标位置，通过融合方法求得目标三维航迹。在作状态估计时，采用两组非线性卡尔曼滤波切换提高融合精度。     

多普勒盲区条件下的改进粒子滤波跟踪算法

机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹中断和重起批。针对多普勒盲区条件下的目标连续跟踪问题,提出了一种基于多假设运动模型的改进粒子滤波跟踪方法。该方法根据多普勒盲区对目标状态的约束形成多个可能的运动模型,粒子在每个模型下再进行带有状态约束的更新,当新出现的量测值落入任何一个运动模型形成的粒子云内,则航迹关联成功。仿真结果表明,该算法在不同盲区范围条件下,针对不同机动能力的目标均具有较高的航迹关联率,能够实现目标的连续跟踪。