空间邻近目标跟踪与航迹关联的联合优化算法

针对单传感器跟踪空间邻近目标过程中存在航迹交错的问题,提出一种基于分布式多传感器融合结构的跟踪与航迹关联联合优化算法.该算法在单帧航迹全局最优航迹关联的基础上,通过航迹关联质量检测传感器航迹是否存在交错,然后构造交错航迹对的拟测量,并根据拟测量误差协方差计算融合“测量”,最后由融合中心对融合“测量”进行全局最优点迹-航迹互联和交互多模型(IMM)滤波更新融合航迹.考虑分布式融合系统约束情况,给出采用次优拟测量的替代方法.仿真结果表明,与传统航迹关联算法相比,联合优化算法能够明显提高目标跟踪精度和身份正确率.     

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。
     

基于可信度计算的航迹相关算法研究

一、前言 在空管自动化系统中，同时进行着单雷达处理和多雷达融合处理。单雷达处理提供本地航迹（Local Track），多雷达处理提供系统航迹（System Track）。通常，一个系统航迹由一个或多个本地航迹融合产生并不断地被本地航迹所更新，从而在雷达管制员席上得到稳定、可靠的动态雷达图像显示。在多雷达融合处理之前首先要对本地航迹与系统航迹能否相关进行判断。本文引入可信度概念，并基于可信度计算对本地航迹与系统航迹相关算法进行研究。     

主动（雷达）与被动（红外）测量数据融合的一种部分分布式结构

融合不同维数的测量的一种普通方法是采用顺序卡尔曼滤波器。这种顺序滤波器尤其适用于异步测量的场合；然而，如果有任何一个传感器性能下降，则它有可能发散。为此，本文提出了一种采用多外局部航迹的部分分布式或增维航迹结构的方法。为了融合脉冲多普勒雷达（距离和角度）的信息和红外成像系统（仅角度）的信息，在航迹级融合前要给红外系统的“不完整的”测量分配一个伪距项，这样就增加了一个距离维。这种结构在稳健性方面有潜在的优势，当红外成像系统的测量变差时，雷达的局部轨迹不会受到损害。文中对所提出的结构进行了模拟，并与在相同情况下用顺序滤波器获得的结果进行比较。模拟中采用了多种数据率。在通常的情况下，部分分布式滤波器需要有附加的时间校准逻辑，对用于融合处理的单独的雷达航迹和红外成像系统航迹进行预处理。这项研究的最终目的是确定部分分布式滤波器是否可以替代顺序滤波器，并且研究将部分分布式滤波器应用到加拿大军队的侦察型轻型装甲车（LAV）上的可能性。     

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。     

多假设多目标跟踪算法评估

本文对多假设多目标跟踪算法进行性能评估。文中主要研究了作为性能量度的目标探测／航迹起始能力。通过蒙特卡罗模拟就从目标回波建立航迹的概率和虚假航迹密度两个问题评估了多假设跟踪算法。选用了一台雷达作为传感器，并在蒙特卡罗模拟中使用了一个普通的多假设多目标跟踪算法。模拟结果预示了从一个目标回波建立一条航迹的概率以及一单位时间每个扫描空域内的虚假航迹密度。如同研究检测门限和航迹质量门限的影响那样，文中研究     

基于星历和回波的分布式卫星SAR系统沿航迹基线计算方法

针对分布式卫星SAR系统中混合基线和雷达斜视导致沿航迹基线难以精确计算的问题,提出了一种基于星历和回波数据的沿航迹基线计算方法。在将分布式卫星航迹补偿为平行航迹的基础上,建立了存在混合基线及雷达斜视条件下的观测几何模型,推导了沿航迹基线的计算公式。根据雷达回波数据估计多普勒中心频率,并由此得到计算沿航迹基线所需的斜视角。在空间基线较长、斜视角较大条件下,该方法相比近似计算方式而言,能获得高精度的沿航迹基线估计。仿真结果表明,用该方法计算得到的沿航迹基线长度作为测速定位的基线参数,可以获得高精度的动目标测速定位结果。
     

基于不确定性分析的多传感器航迹融合算法

针对目前多传感器系统中常用的航迹融合方法精度与计算量不能兼顾,不能很好地处理不确定性,特别是对曲线航迹拐点的融合误差较大等问题,提出一种基于不确定性分析的航迹融合算法.该算法通过分析航迹融合所需的信息量,用标准熵量化每条航迹的不确定程度,从总体上删除质量较差的航迹,然后对每条参与融合的航迹进行分析,用正交多项式回归的方法剔除了测量误差较大的数据点.该算法有效的处理了传感器航迹中的不确定因素,解决了目前航迹融合方法中拐点融合误差较大的问题,以较小的计算开销达到了较高的精度,从而平衡了精度与计算量之间的矛盾.最后在多传感器多航迹的环境下讨论了其具体实现过程,仿真实验结果验证了该算法的有效性、优越性.     

多传感器信息融合研究进展与展望

介绍了信息融合定义的新认识、信息融合系统功能模型和结构模型的新发展,并就多传感器信息融合中的分布式检测融合、航迹起始、检测与跟踪的联合优化、主被动传感器系统数据关联、估计融合模型、传感器管理、非线性滤波所采用的数学工具等若干关键技术的新成果与新动向展开了讨论,详细阐述了各项技术的一些有代表性的最新进展及其在多传感器信息融合系统中的应用和发展情况。最后对多传感器信息融合技术的研究动向进行了展望,提出了今后的发展趋势和我们的研究策略。     

用不同传感器作航迹融合

分析了用不同传感器作航迹跟踪时的运动矢量融合算法，为了简单起见，假设两个不同的传感器装有不完全相同的两维最佳线性卡尔曼滤波器。文章指出，如何这两条航迹融合的互相关矩阵是正定的，就能改进航迹融合算法的性能。通过与机动目标相关的噪声引入的这种互相关对两种传感器的跟踪滤波器来说是共同的且容易忽视的，本文还以闭合形式导出了稳定状态下的互相关矩阵的表达式，同时获得了互相关矩阵的正定性条件，另外还讨论了正定性     

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。     

多传感器目标跟踪的实时剔野方法

考虑了目标跟踪和航天测控中测量数据的实时剔野问题，测量数据集合中严重偏离大部分数据所呈现趋势的小部分数据点被称为野值点，野值的剔除对提高目标跟踪精度有十分重要的意义，己有的剔野方法从工程应用角度看，存在不适宜成串出现的野值。需要人工干顾、计算量大，不适宜在线快速处理等缺点，多传感器目标跟踪系统可以通过合理利用传感器的互补与冗余信息来能提高系统的目标跟踪性能，本文在多传感器目标跟踪条件下，综合利用多传感器数据形成的对目标状态参数的正确描述和测量数据集合主体的变化趋势，给出了实时、准确、高效地识别测量数据中野值点的方法。仿真结果表明利用多传感器目标跟踪中航迹融合的分布式融合方法，可以快速、有效地解决野值斑点剔除问题。     

机载传感器主动航迹与被动航迹的关联

本文叙述了对异类机械传感器产生的航迹的关联算法，分析计算了根据正确和错误关联概率确定的算法的性能，为了得到这个结论，对航迹估值的Ｃｒａｍｅｒ－Ｒａｏ下限进行了计算，给出了两个目标沿着两个平行轨迹飞行的数字样例。     

多传感器信息融合技术

多传感器信息融合可以获得比单一传感器更多的信息，是一种发展趋势。文章从多传感器组网出发，讨论了多传感器信息融合的分类，融合方法，重点研究了分布式多传感器数据融合模型和检测方法，提出了一种基于人工智能的多传感器数据融合专家系统模型。     

基于Hough变换的多传感器,多目标航迹起始方法

在相关技术文献中，认为Ｈｏｕｇｈ变换是一种有效的航迹起始方法，然而，迄今为止，大多数论文主要研究Ｈｏｕｇｈ变换方法在单传感、单目标且无杂波背景这种简单的场合中的运用，我们详细地给出了一种将Ｈｏｕｇｈ变换应用到多目标、多传感器数据关联与航迹起始问题的方法，这种方法分两级进行，首先，分别在不同的Ｈｏｕｇｈ空间中检测方位与距离透迹，然后对确定这些透迹的测量进行关联，用于航迹检测与起始，这种方法的有效性已 过几个全面的，综合的仿真场景得到验证。     

采用最大似然人工神经系统(MLANS)的多传感器自动目标识别与敌我识别

自动目标识别及与其相关的非合作式敌我识别问题通常要求将多传感器信息融合到一个统一的战场图像中。当前解决这个问题的途径是分步进行的：首先检测目标；接着估计目标的航迹，并采用这些航迹进行多传感器信息相关或关联；经过关联的信息被综合到一体化的图像中并进行目标识别．将复杂的问题分解为几个较小的问题分步解决的缺点是每一步仅能利用部分信息。例如，从杂波中检测出目标不可能在单独传感器的一帧内完成，而且它所要利用     

多飞行器协调航迹规划方法

针对多飞行器的协调航迹规划展开研究，提出了一种基于协同进化的多飞行器协调航迹规划算法。在该算法中，不同飞行器的潜在航迹形成它们自己的子种群，并在于种群内部进化。不同飞行器间的协调关系由航迹的评价函数来实现。同时，通过使用特定的染色体表示方法和进化算子，该算法可以有效利用各种环境信息，处理各种航迹约束，并实时地生成三维航迹。     

应用形态学算子检测SAR图像中的湍流航迹

在条件合适的情况下，利用天基和航空ＳＡＲ（Ｓｙｎｔｈｅｔｉｃ Ａｐｅｒｔｕｒｅ Ｒａｄａｒ）可以观察到海上航行的船舶及其航迹。在ＳＡＲ图像是观察到的航迹有好几种，其中，湍流航迹是在所有航迹特征中出现的概率最大的一种，它一般是以暗的线的形式出现的，针对这一特点我们提出运用形态学处子来检测ＳＡＲ图像是的湍流航迹。运用形态学的方法有它自己的优势：可以有效抑制斑点噪声，可以检测在于一室长度的航迹特征，而不     

边跟边扫相关互联数据处理数学模型

讨论了如何对在多目标的情况下的点迹进行相关互联处理，建立新航迹，更新已有航迹的数据，对航迹进行平滑与外推计算，确定目标的当前位置和下一扫描周期的位置，以及确定航迹的质量和航迹的撤销等，并对此边跟边扫相关互联数据处理数学模型进行了仿真，仿真结果表明，在跟踪状态下，能够成功地对多目标进行相关互联，同时实现适时处理几十批目标的要求，从而有效地对多目标进行跟踪和以后目标的威胁判断。     

一种接近最优JPDA算法

多目标跟踪的关键问题是点迹－航迹数据关联。点迹是从能够提供位置信息的目标或背景杂波中接收到的信号。如果一条航迹关联上不正确的点迹，那么该航迹会偏离目标且过早终止。甚至会引起其它航迹也偏离目标，大多数点迹－航迹数据关联方法分为两类：多假设跟踪（ＭＨＴ）和联合概率数据关联（ＪＰＤＡ）。ＭＨＴ方法用所有或部分适宜的点迹修正航迹，并延迟判断那一个点迹是正确的。ＪＰＤＡ用合理点迹的加权和修正航迹，这些权值是