基于区实混合序列相似度的异步不等速率航迹关联算法

在分布式多目标跟踪系统中,由于局部传感器开机时间、采样频率以及通信延迟不同等原因,导致来自各传感器的局部航迹往往是异步不等速率的。目前一般的方法是先进行时域配准再进行航迹关联,但是在同步化的过程中,航迹估计值的误差会发生传播,影响航迹关联的性能。针对此问题,提出了一种基于区实混合序列相似度的异步不等速率航迹关联算法。算法首先通过区间数-实数混合序列变换(IRST)得到等长度的航迹行为序列,然后定义一种新的序列差异信息度量,得到混合序列的相似度,以此进行航迹关联判定。仿真实验表明,该算法可以有效地解决异步不等速率航迹关联问题,并且通信延迟和数据乱序对算法性能的影响不明显。     

基于分段序列离散度的异步航迹关联算法

为解决异步不等速率航迹关联问题，提出一种基于分段序列离散度的异步航迹关联算法。定义分段混合航迹序列的离散信息度量，给出不等长航迹序列分段划分规则，通过计算离散度，利用经典分配法进行关联判定，并针对多义性问题设置二次检验环节。与传统算法相比，不需要时间对准，且具有不受噪声分布影响的特点。仿真结果表明，算法在航迹异步、传感器采样率不同等条件下均能以较高正确率稳定关联，并可有效分辨航迹交叉、分叉和合并等复杂情况，具有明显的优势。     

多局部节点异步抗差航迹关联算法

为解决航迹异步与系统误差并存情况下的多局部节点航迹关联问题,提出一种基于区间序列离散度的多局部节点异步抗差航迹关联算法。定义区间型数据集的离散信息度量,给出系统误差下航迹序列区间化方法,通过累次积分计算离散度,结合多维分配进行关联判定。针对多局部节点上报目标不完全一致现象,设置零号航迹管理关联质量。与传统算法相比,无需时域配准,可在系统误差下对异步航迹直接关联。仿真结果表明,算法能在局部节点上报目标不完全一致场景下实现有效关联,且正确关联率随局部节点数目的增加或目标密集程度的增大而提高。     

弹道目标航迹片段关联及优化

多弹道目标跟踪伴随着速度快、密集程度高以及测量误差大等因素,在跟踪过程中发生航迹中断是一个很普遍的现象.在未知导弹任何先验信息前提下如何将中断前后的航迹片段进行关联,提高航迹的连续性已成为亟待解决的难题.针对该问题提出了一种实时的离散最优关联算法,它利用速度信息对中断前后弹道外推航迹进行粗关联;将对数似然函数作为关联代...     

基于类云模型的c均值聚类航迹关联算法

针对多传感器多目标航迹关联的特点,提出了将类云模型和c均值聚类联合应用于航迹关联的解决方法。将表征航迹特征的参量构成聚类中心和待分类的样本空间,利用类云模型和c均值聚类算法对来自不同传感器的航迹进行分类和收敛判断,构建了基于类云模型的c均值聚类航迹关联模型,有效地解决了目标密集环境下的航迹关联问题,通过仿真研究说明了该算法的有效性和鲁棒性。     

基于航迹质量评估的雷达和ADS-B数据融合方法

雷达和广播式自动相关监视系统（ADS-B）的数据融合是监视“黑飞”无人机和飞鸟等目标的有效手段,然而两种传感器跟踪性能差异较大且易波动,会带来融合精度下降问题。提出一种基于航迹质量评估的雷达和ADS-B 数据融合方法,首先量化评估局部航迹精度、数据更新次数和传感器测量误差对局部航迹质量的影响,其次综合计算局部航迹的质量加权因子,最后基于分布式融合结构完成异步航迹融合处理。结果表明：本文提出的融合处理方法能有效提高融合跟踪精度,在传感器跟踪性能出现波动的情况下,跟踪误差均优于传统航迹融合方法。实际工程应用中的融合效果也验证了本文方法有助于实现对低空合作和非合作式目标的综合监视。     

基于一致关联数最大化的航迹关联算法

航迹关联(TTTA)是多传感器数据融合系统的核心模块之一,是系统误差估计和航迹融合的前提和基础。传感器存在的固有系统误差使得目标位置状态估计与真值发生偏离,容易诱发TTTA错误。传统的基于全局最小距离准则的TTTA算法,需要获得较高精度的系统误差估计,来对航迹数据进行误差补偿。针对传感器具有系统误差环境下的TTTA问题,在对TTTA进行间接评估的基础上,定义了一致关联数的概念,提出了一致关联数最大化的TTTA准则,并在稳健交替迭代的框架下完成算法设计。与距离函数不同,一致关联数是一个离散量,放松了对系统误差估计精度的要求。最后,仿真实验验证了所提算法的有效性。     

分布式无源传感器系统多目标跟踪算法

研究了分布式无源多传感器系统多目标跟踪问题,在只有测向信息可以利用的情况下,分布式系统首先利用波门技术分别对各个无源传感器角度测量数据进行关联配对和滤波;然后,将处理结果送到融合中心,在融合中心通过构造的χ2分布检验统计量进行多目标方位航迹的关联;最后,通过交叉定位和位置信息融合获得多个目标的位置信息估计,实现无源多目标跟踪。论文通过仿真分析对算法的有效性和可行性进行了验证。     

基于序贯关联算法的多目标无源跟踪

基于序贯关联算法,对多目标无源跟踪问题进行了研究。在只有角度信息可以利用的情况下,首先,利用波门技术对各个无源传感器角度测量数据进行关联和滤波,形成参数航迹;然后,将各个无源传感器的参数航迹送到融合中心进行关联配对,并在关联过程中通过构造关联质量函数对参数航迹的关联历史情况进行度量,解决参数航迹关联模糊问题;最后,通过对关联成功的参数航迹进行交叉定位,给出多个不同目标的位置信息,实现分布式无源系统对多目标的数据关联和跟踪,并通过仿真分析,对算法的有效性和可行性进行验证。     

基于多信息加权融合的降维航迹关联算法

针对分布式3个传感器多目标的航迹相关算法如果直接计算时间和花费都比较高这一问题,提出降维航迹关联算法。该算法先利用2个传感器的目标位置估计点构造航迹相关代价矩阵,求出最优解,再利用这个最优解与第3个传感器的目标位置估计点构建航迹相关代价矩阵,进一步得到三维航迹相关配对。针对单信息系统不稳定这一问题,提出了融合多个特征信息的加权算法。该算法利用熵权法赋予各种不同信息的权重进行加权融合,转化为单信息问题。仿真结果说明本文所给出的新算法不仅减小了目标跟踪误差而且其时间花费较少,因此,新算法是可行的。     

基于决策不确定性的多目标跟踪传感器管理

针对高杂波、电子干扰环境,在量测驱动的多目标滤波框架下提出了一种基于决策不确定性的传感器管理方法。首先,根据部分可观测马尔科夫决策过程的理论,给出了基于Rényi信息增量的传感器管理一般方法。其次,综合考虑决策过程的信息完整性、信息质量、信息的内涵等因素,在量测驱动的自适应滤波框架下,基于目标运动态势评估多目标决策不确定性水平,并选取最大决策不确定性目标。最后,以最大决策不确定性目标的信息增量最大化为准则进行传感器分配方案的求解。仿真实验表明所提方法能够有效抑制电子干扰、杂波对多目标跟踪及传感器分配的影响,与基于威胁的传感器管理方法相比,所提方法的平均最优子模式分配（OSPA）距离及平均计算时长均显著降低,且在高杂波、电子干扰情形下具有较高的可靠性。     

基于相位相关的部分可辨编队精细起始算法

针对部分可辨条件下编队目标的精细起始难题,提出了一种基于相位相关的部分可辨编队精细起始算法。首先,采用基于坐标映射距离差分的快速群分割与基于编队中心点的预互联对雷达量测进行预处理;然后,利用图像匹配中相位相关特性,将相邻时刻编队结构进行补偿对准,解决了低目标发现概率情况下的编队结构对准问题;最后,采用增加虚拟量测并后验判决的方式,结合最近邻法做编队航迹精细互联,在填补航迹缺失、增加正确航迹的同时抑制虚假航迹的产生。经仿真验证,与修正的逻辑法、基于相对位置矢量的灰色编队精细起始算法相比,本文所提算法在提高航迹正确起始率、抑制虚假航迹方面性能优势显著,且对环境杂波与雷达精度具有较好的鲁棒性,对目标发现概率具有较好的适应性。     

基于相对位置矢量的群目标灰色精细航迹起始算法

为解决群内目标精细航迹起始的难题,基于对传统航迹起始算法及现有群目标航迹起始算法优缺点的分析,给出了完整的群目标航迹起始框架,并提出了一种基于相对位置矢量的群目标灰色精细航迹起始算法。首先基于循环阈值模型、群中心点进行群的预分割、预关联,然后对预关联成功的群搜索对应坐标系,建立群中各量测的相对位置矢量,基于灰色精细互联模型完成群内量测的互联,最后基于航迹确认规则得到群目标状态矩阵。经仿真数据验证,与修正的逻辑法、基于聚类和Hough变换的多编队航迹起始算法相比,该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。     

修正极坐标系下雷达与ESM航迹对准关联

研究了存在系统误差时修正极坐标系(MPC)下的雷达与电子支援措施(ESM)航迹关联问题。系统误差导致MPC下雷达和ESM的角度估计产生偏移,而对角度变化率、距变率与距离的比值(ITG)的估计影响不大;结合非中心卡方分布的知识,分析了雷达与ESM的测量误差对非中心参数和正确关联概率的影响;提出了一种基于积分重合度的雷达与ESM航迹对准关联算法。首先将雷达与ESM的目标映射到角度-角度变化率空间,分别得到了雷达与ESM的目标曲线,然后对两目标曲线求积分重合度,估计出雷达与ESM测角系统误差的偏移量,对偏移量补偿后进行雷达与ESM的航迹关联。仿真结果表明,本文所提算法能有效地提高存在系统误差时雷达与ESM正确航迹关联概率。     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

一种对多传感器异步数据的融合处理方法

在传感器异步采样时刻情况下 ,对机动目标的跟踪滤波算法进行了探讨 ,基于细分时间片的方法 ,提出了一种将多传感器数据组合成类似于单传感器数据的异步数据处理方法 ,运用于目标点迹航迹的合成。通过对多传感器数据的利用 ,增大对目标观测的数据流数据率 ,来提高跟踪精度。仿真实验显示 ,各通道的均方根误差均相对减小 ,表明了算法的可行性。