基于区间灰数的分布式多目标航迹关联算法

研究了存在系统误差条件下分布式多目标航迹关联问题,以异地配置的2D组网雷达为背景,分析了时变系统误差对雷达上报航迹的影响,将误差影响下的目标定位看做一种认知不确定性,并给出两种用区间灰数描述这一不确定性的方法。由此提出了一种航迹关联算法,该算法以区间相离度作为衡量航迹间差异信息的测度,建立灰色关联分析模型,并根据灰关联度排序给出航迹关联对。通过对算法的约束条件进行深层次分析,给出了使用算法的先决条件。在常见系统误差环境下的蒙特卡罗仿真结果表明,算法具有良好的抗差性能和较广泛的适用性。     

基于区间灰数的分布式多目标航迹关联算法

 研究了存在系统误差条件下分布式多目标航迹关联问题,以异地配置的2D组网雷达为背景,分析了时变系统误差对雷达上报航迹的影响,将误差影响下的目标定位看做一种认知不确定性,并给出两种用区间灰数描述这一不确定性的方法。由此提出了一种航迹关联算法,该算法以区间相离度作为衡量航迹间差异信息的测度,建立灰色关联分析模型,并根据灰关联度排序给出航迹关联对。通过对算法的约束条件进行深层次分析,给出了使用算法的先决条件。在常见系统误差环境下的蒙特卡罗仿真结果表明,算法具有良好的抗差性能和较广泛的适用性。     

基于高斯混合模型的航迹抗差关联算法

针对雷达系统误差时变、上报目标不完全一致等复杂场景下目标航迹关联问题，采用高斯混合模型（GMM）与航迹间拓扑信息相结合的方法实现航迹抗差关联。将航迹关联问题转化为图像匹配中的非刚性点集匹配问题，建立对非同源航迹具有鲁棒性的高斯混合模型，根据航迹间的邻域拓扑信息决定高斯混合模型中各高斯组成部分的权重，利用期望最大值（EM）算法求解高斯混合模型的最优闭合解，在期望步（E-step）阶段求解航迹的对应关系，在最大化步（M-step）阶段求解非同源航迹比例，最后进行航迹关联判决以获得关联结果。仿真结果表明，该算法在不同系统误差、目标分布密度、探测概率等环境下具有较好有效性和鲁棒性。     

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。     

基于傅里叶变换的航迹对准关联算法

研究了在组网雷达存在系统误差情况下的目标航迹关联问题,理论分析了雷达系统误差对目标航迹的影响,并将该影响表示为目标航迹的旋转和平移量。在此基础上,提出了一种基于傅里叶变换的系统误差配准前航迹对准关联算法,该算法将组网雷达的航迹数据看做为一种整体信息,采用傅里叶变换理论来估计和补偿组网雷达目标航迹数据到融合中心航迹数据的相对旋转量和平移量,将雷达网中雷达上报的目标航迹数据对准到融合中心,从而不依赖于估计雷达网系统误差,实现了误差配准前的航迹准确关联,能够为后端的系统误差配准提供可靠的关联目标航迹数据。     

基于归一化互相关的系统误差配准算法

雷达组网中由于系统误差存在,航迹不能正确关联,因而无法进行有效的误差配准。为了解决这一问题,理论分析了系统误差对目标航迹的影响并将该影响表示为目标航迹的旋转和平移量,结合图像信号时频域特性,提出了一种基于归一化互相关的误差配准算法。该算法采用归一化互相关来估计和补偿组网雷达目标航迹到融合中心航迹的相对旋转参数和平移参数,从而为后面的系统误差配准提供可靠的航迹关联数据。     

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。     

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。     

2D雷达与3D雷达航迹关联问题研究

对2D雷达与3D雷达的航迹关联问题进行了研究,提出了两种通过升维来达到航迹关联的算法,解决了2D雷达与3D雷达同地、异地配置的关联问题。通过典型环境下的仿真,体现了算法较好的关联性能和较强的鲁棒性。     

基于区实序列变换的航迹关联算法

针对时变系统条件下的航迹关联问题,提出一种基于区实序列变换的关联算法。首先,利用线性最优化的方法,将上报航迹的不确定性描述为区间灰色序列;再在区实序列变换的基础上,利用实数序列间的灰关联度加权融合描述不同雷达上报航迹的关联相似度,通过判决给出关联结论。仿真结果显示了算法的有效性以及良好的抗差性能。     

基于图像特征融合的粉末床缺陷检测方法

针对单一特征对粉末床缺陷表达不明确导致检测效果不佳的问题,提出了一种基于特征融合的增材制造过程粉末床缺陷视觉检测方法。该算法分别使用SIFT方法、灰度共生矩阵和Hu不变矩提取尺度空间特征、纹理特征和几何特征,借助词袋模型对每张图像构建3组视觉单词直方图,通过串行融合3组视觉单词直方图得到新的特征矩阵,采用特征选择对融合后特征矩阵进行降维,并传入随机森林分类器中进行训练。实验结果表明,不同特征对粉末床不同类型缺陷检测具有不同的贡献,优化特征融合参数后,算法平均准确率达到97.46%,缺陷检测效果明显提升。     

一种基于新三维随机Hough变换的航迹起始算法

针对雷达跟踪多目标时,目标点迹受杂波、噪声等因素影响,航迹起始难度大的问题,利用三维空间直线表示方法提出了一种4参数三维Hough变换算法.该算法是对传统二维Hough变换的拓展,它结合了传统的二维随机Hough变换理论,是一种新的三维随机Hough变换算法.通过该算法对理论数据和实测数据进行验证,结果表明,对于航迹区别较大的目标,该算法的航迹起始成功概率为98.5％;对于空间航迹相近的目标,该算法可成功将目标航迹从杂波中提取出来,虽然可能会出现航迹混淆,但利用目标先验信息可解决该问题,实现航迹起始.     

Track Biases and Coalescence with Probabilistic Data Association

It is shown that probabilistic data association yields biased tracks in a multitarget environment, and the magnitude of the bias is investigated. A critical target separation distance exists, within which the tracks tend to coalesce completely. The problem of track initiation on new targets is also discussed.     

Precision large scale air traffic surveillance using IMM/assignmentestimators

We present the development and implementation of a multisensor-multitarget tracking algorithm for large scale air traffic surveillance based on interacting multiple model (IMM) state estimation combined with a 2-dimensional assignment for data association. The algorithm can be used to track a large number of targets from measurements obtained with a large number of radars. The use of the algorithm is illustrated on measurements obtained from 5 FAA radars, which are asynchronous, heterogeneous, and geographically distributed over a large area. Both secondary radar data (beacon returns from cooperative targets) as well as primary radar data (skin returns from noncooperative targets) are used. The target IDs from the beacon returns are not used in the data association. The surveillance region includes about 800 targets that exhibit different types of motion. The performance of an IMM estimator with linear motion models is compared with that of the Kalman filter (KF). A number of performance measures that can be used on real data without knowledge of the ground truth are presented for this purpose. It is shown that the IMM estimator performs better than the KF. The advantage of fusing multisensor data is quantified. It is also shown that the computational requirements in the multisensor case are lower than in single sensor case, Finally, an IMM estimator with a nonlinear motion model (coordinated turn) is shown to further improve the performance during the maneuvering periods over the IMM with linear models     

基于概率网格Hough变换的多雷达航迹起始算法

 针对常规Hough变换(THT)航迹起始算法采用二元积累的弊端,提出了一种按测量点迹分布概率进行积累的多雷达航迹起始算法。首先把观测空间划分为统一大小的网格,然后根据雷达测量精度计算出观测数据落在每个网格内的概率,进而得到每个网格存在目标的概率,最后的Hough积累采用网格概率进行加权。与常规Hough变换法相比,新算法起始的航迹具有更高的精度和更好的鲁棒性,适合于不同精度雷达的联合航迹起始。仿真结果验证了算法的有效性。