杂波环境下基于数据压缩的多传感器容积滤波算法

针对杂波环境下非线性系统中多传感器多目标跟踪问题,基于广义多维分配(S-D分配)规则获取最佳的量测划分,通过多传感器数据压缩技术得到等效量测点与等效量测协方差,结合容积卡尔曼滤波原理实现多目标跟踪,提出了一种基于数据压缩的多传感器容积滤波算法(SD-DCCKF)。仿真结果表明:相对已有算法,SDDCCKF不仅避免了因模型线性化误差导致的滤波发散问题,而且克服了算法在高维系统中数值不稳定的缺点,算法估计精度较高,收敛速度较快,能够更加有效地解决非线性系统中的多目标跟踪问题。     

基于模糊贝叶斯网的空战传感器资源管理方法

空战中目标状态信息的不确定性、目标与我机相对态势是影响机载传感器资源分配问题的重要影响因素.针对此问题,提出一种基于模糊贝叶斯网(FBN)的空战传感器资源管理方法,以空战传感器资源管理中涉及的影响因素因果关系作为建网依据,将目标信息增量、目标威胁、飞行员指令作为证据变量驱动网络进行概率推理,从而获取空战传感器资源的分配结果.仿真结果表明,与传统方法相比,方法的自适应变间隔采样策略能够根据目标威胁及飞行员指令影响,管理空战态势不同阶段的传感器资源以满足空战作战任务需求.     

基于量测一致性的分布式多传感器多目标跟踪算法

针对无线传感器网络跟踪多目标过程中传感器能搭载的计算负荷有限,不宜采用复杂算法实现数据处理的问题,提出了一种基于量测一致性的分布式多传感器多目标跟踪算法。算法采用计算相对简易的最近邻域法处理多目标跟踪中的数据互联问题,针对最近邻域法容易受杂波干扰的情况,通过量测的平均一致性迭代来改进算法的性能。仿真结果证明,算法具备有效抑制因误判产生的错误量测对跟踪过程干扰的性能,实现了良好的传感器网络跟踪精度和估计信息一致性。     

区域杂波估计的多目标跟踪方法

高斯粒子概率假设密度（PHD）滤波往往假定杂波密度参数已知,这种做法对于实际应用是不现实的。此外,杂波的参数值通常依赖于环境条件,可能随时间发生变化。因此,多目标跟踪算法中需要实时准确估计杂波密度的参数。基于此,提出了一种多目标跟踪的区域杂波估计方法。首先根据量测信息在线估计出场景中的杂波数目,然后估计落入目标附近感兴趣区域的杂波数,并估计每个目标感兴趣区域杂波强度。仿真结果表明,在复杂场景下算法的跟踪性能明显优于未进行杂波估计的多目标跟踪算法,提高了跟踪的实时性和跟踪精度。     

利用幅值信息的超视距雷达多路径概率数据互联算法

天波超视距雷达是通过电离层反射实现超视距广域监视的,其地理坐标系下的量测方程存在强非线性,同时由于电离层的不同分层,造成了多路径传播的严重问题,即同时存在多个量测模型。多路径概率数据互联(MPDA)滤波器将坐标配准与概率数据互联相结合,解决了超视距目标跟踪中的多路径传播问题,但在杂波环境下滤波跟踪精度不高。文中提出了一种基于信号幅值特征信息的MPDA算法(A-MPDA),当跟踪单一的、存在4种可能非线性量测的非机动目标时,仿真结果表明所提出的算法比标准MPDA有更好的跟踪精度。     

自适应扩展增量 Kalman 滤波方法

基于扩展增量Kalman滤波方法(EIKF)和自适应增量Kalman滤波(AIKF),建立自适应扩展增量Kalman(AEIKF)模型及其分析方法,给出递推算法.在许多实际情况(如深空探测),由于环境因素的影响、测量设备的不稳定性等原因,量测方程往往存在未知的系统误差,并且模型参数也具有不确定性,结果导致较大的Kalman滤波误差,影响滤波的收敛性.提出的AEIKF方法能够成功消除这种未知的系统误差,并能够实时估计变化的噪声统计量,提高Kalman滤波精度.该方法计算简单,便于工程应用.      

自适应无迹增量滤波方法

提出自适应无迹增量滤波(AUIF)的概念和定义,建立自适应无迹增量滤波模型及其分析方法,给出递推算法.传统的滤波方法极少关注量测方程的系统误差.在许多实际情况(如深空探测),量测方程由于受环境因素及测量设备不稳定等影响往往无法进行验证或校准而存在未知的系统误差,并且模型参数和噪声统计量也具有不确定性.这种不确定性会使递推过程产生较大误差,甚至导致发散,从而降低滤波精度.提出的AUIF能够成功消除这种未知的系统误差,也能够实时估计变化的噪声统计量,提高滤波精度.该方法计算简单,便于工程应用.      

新生目标强度未知的双门限粒子PHD滤波器

传统粒子概率假设密度(PHD)滤波器假定新生目标强度已知,当新生目标在整个观测区域随机出现时不再适用。为解决新生目标强度未知时的多目标跟踪问题,提出了一种基于量测信息的双门限粒子PHD(PHD-DT)滤波器。首先基于似然函数设定门限对存活目标量测进行粗提取,利用上一时刻的目标估计值构建圆形波门进行精细提取,并对门限设定方法进行分析,然后根据提取结果对目标PHD进行分解,得到存活目标和新生目标的PHD预测及更新表达式,最后给出了滤波器的实现方法并同基于量测驱动的PHD(PHD-M)滤波器和Logic+联合概率数据互联(JPDA)方法进行了仿真对比。仿真结果表明,在新生目标强度未知时,PHD-DT可有效避免Logic+JPDA在杂波背景下因航迹起始错误带来的估计误差,并较好地解决了PHD-M的目标数目过估问题,多目标估计性能更优,且杂波越强性能优势越明显。     

一种单传感器实时系统误差配准算法

针对运动单传感器系统误差配准问题进行了研究,提出了一种基于位置未知固定目标的单传感器实时系统误差配准算法。算法利用传感器对固定目标的两时刻量测值,构建包含传感器系统误差的等效系统状态及其状态方程与量测方程,并基于扩展卡尔曼滤波技术实现了利用位置未知的固定目标对传感器系统误差的实时精确滤波估计。蒙特卡洛仿真结果验证了算法的有效性,具有对系统误差的稳定估计性能、快速的滤波收敛能力、较高的系统误差配准精度以及较强的工程实用性。     

基于变分贝叶斯的星载雷达非线性滤波

星载雷达由于其探测范围广、距离远、全天候等优点，在预警防御系统中占有十分重要的地位。然而，由于观测平台的高速运动以及摄动干扰、传感器观测非线性等问题，使得星载雷达目标高精度跟踪带来严峻挑战。针对星载雷达非线性状态估计问题，采用一种基于变分贝叶斯的非线性滤波方法，该方法通过将非线性状态估计问题转化为优化问题，通过迭代优化获得了闭环解析解。此外，针对坐标变换中俯仰角量测缺失问题，提出了一种基于先验目标高度的俯仰角估计方法。通过数值仿真，验证了所提方法较传统非线性滤波方法，如扩展卡尔曼滤波、不敏卡尔曼滤波、转换量测卡尔曼滤波，具有更好的估计精度。     

基于点集合并的修正Hough变换TBD算法

在低信噪比条件下,基于Hough变换的检测前跟踪算法是进行强杂波背景下目标航迹检测的一种手段。本文针对Hough变换后一个目标产生多条可能航迹以及航迹内可能存在杂波点的问题,提出了一种基于能量最大点和点集合并的修正Hough变换检测前跟踪算法。该算法利用量测点时序、能量信息及目标速度先验信息对Hough变换后点迹进行关联和剔除,能够有效的对目标原始航迹进行回溯。针对高斯噪声背景下的飞行目标,仿真结果表明该算法能够对微弱目标进行有效检测,在目标数目、杂波密度、信噪比发生变化的条件下仍能保持较高的检测概率。     

面向空中目标威胁评估的多传感器管理方法

为了降低在空中目标威胁评估任务中由于威胁评估结果的不准确性和传感器辐射所带来的潜在损失，提出了一种基于风险的多传感器管理方法。首先，基于部分可观马尔可夫决策过程建立了传感器管理模型；然后，给出了基于信息状态的威胁评估风险和传感器辐射风险的预测方法以量化潜在损失；接着，为获得更优的作战收益，以多步风险预测值为决策依据，以两种风险的加权和最小为优化目标建立了长期目标函数；最后，在求解目标函数时，将传感器管理问题转化为决策树搜索，设计了一种基于分支定界的标准代价搜索算法以快速获得高质量的管理方案。仿真实验表明，所提算法能够在搜索到高质量解的同时大幅减少计算时间和内存消耗；所提方法能够对风险进行准确预测，且相比于经典的传感器管理方法，所提方法具有更好的风险控制效果。     

A measurement-driven adaptive probability hypothesis density filter for multitarget tracking

This paper studies the dynamic estimation problem for multitarget tracking. A novel gating strategy that is based on the measurement likelihood of the target state space is proposed to improve the overall effectiveness of the probability hypothesis density(PHD) filter. Firstly, a measurement-driven mechanism based on this gating technique is designed to classify the measurements. In this mechanism, only the measurements for the existing targets are considered in the update step of the existing targets while the measurements of newborn targets are used for exploring newborn targets. Secondly, the gating strategy enables the development of a heuristic state estimation algorithm when sequential Monte Carlo(SMC) implementation of the PHD filter is investigated, where the measurements are used to drive the particle clustering within the space gate.The resulting PHD filter can achieve a more robust and accurate estimation of the existing targets by reducing the interference from clutter. Moreover, the target birth intensity can be adaptive to detect newborn targets, which is in accordance with the birth measurements. Simulation results demonstrate the computational efficiency and tracking performance of the proposed algorithm.     

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。     

密集杂波环境下的数据关联快速算法

基于联合概率数据互联（JPDA）的思想,提出了一种新的数据关联快速算法（Fast Al-gorithm for Data Association,简称FAFDA算法）.该方法不需象在最优JPDA算法中那样生成所有可能的联合互联假设,因而具有计算量小,易于工程实现的特点。仿真结果表明,与最优JPDA算法相比,FAFDA算法的跟踪性能令人满意,并且在密集杂波环境下可实时、有效地跟踪100批次以上的目标。     

Multisensor resource deployment using posterior Cramer-Rao bounds

The development of a general framework for the systematic management of multiple sensors in target tracking in the presence of clutter is described. The basis of the technique is to quantify, and subsequently control, the accuracy of target state estimation. The posterior Cramer-Rao lower bound (PCRLB) provides the means of achieving this aim by enabling us to determine a bound on the performance of all unbiased estimators of the unknown target state. The general approach is then to use optimization techniques to control the measurement process in order to achieve accurate target state estimation. We are concerned primarily with the deployment and utilization of limited sensor resources. We also allow for measurement origin uncertainty, with sensor measurements either target-generated or false alarms. An example in which the aim is to track a submarine by deploying a series of constant false-alarm rate passive sonobuoys is presented. We show that by making some standard assumptions, the effect of the measurement origin uncertainty can be expressed as a state-dependent information reduction factor which can be calculated off-line. This enables the Fisher information matrix (FIM) to be calculated quickly, allowing Cramer-Rao bounds to be utilized for real-time, dynamic sensor management. The sensor management framework is shown to determine deployment strategies that enable the target to be accurately localized, and at the same time efficiently utilize the limited sensor resources.     

Cardinality compensation method based on information-weighted consensus filter using data clustering for multi-target tracking

In this paper, a cardinality compensation method based on Information-weighted Consensus Filter(ICF) using data clustering is proposed in order to accurately estimate the cardinality of the Cardinalized Probability Hypothesis Density(CPHD) filter. Although the joint propagation of the intensity and the cardinality distribution in the CPHD filter process allows for more reliable estimation of the cardinality(target number) than the PHD filter, tracking loss may occur when noise and clutter are high in the measurements in a practical situation. For that reason, the cardinality compensation process is included in the CPHD filter, which is based on information fusion step using estimated cardinality obtained from the CPHD filter and measured cardinality obtained through data clustering. Here, the ICF is used for information fusion. To verify the performance of the proposed method, simulations were carried out and it was confirmed that the tracking performance of the multi-target was improved because the cardinality was estimated more accurately as compared to the existing techniques.     

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.     

基于改进D-S证据理论的航空发动机转子故障决策融合诊断研究

针对单一传感器的测量信息难以准确、全面地反映航空发动机转子、轴承和齿轮的工作状况,进而造成振动故障诊断难度大的问题,提出安装多个振动传感器组成传感器网络,建立基于多传感器信息的发动机转子故障决策融合诊断系统。由于多传感器系统不可避免地会存在各传感器信息不一致、信息冲突的情形,因此针对该融合诊断系统的信号测量、信息预处理、特征提取、故障诊断及决策融合5个环节,重点研究了决策融合环节的Dempster-Shafer（D-S）证据决策融合方法存在的冲突证据融合失效问题。通过分析原因,从避免“一票否决”现象和证据加权平均两个方面进行改进,提出了改进D-S证据融合方法,并应用于航空发动机转子的模拟故障决策融合诊断中。结果表明基于D-S证据理论对3个传感器的单一诊断结果进行决策融合,能得到比任一单个传感器更准确、可靠的结果;而改进D-S证据融合方法由于能在一定程度上克服冲突证据融合带来的失效问题,且能同时兼顾处理好非冲突证据的融合,故其对于证据冲突和非冲突情形都取得了较好的融合效果,因此总的分类正确率要高于常规D-S算法和PCR5算法。