基于模糊拍卖的天波超视距雷达多模式融合跟踪算法

天波超视距雷达通过电离层反射实现超视距广域监视,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,即同时存在多个模式的量测。本文提出了一种基于模糊拍卖的多模式融合跟踪算法,将多路径信息看作是多传感器提供的同步量测信息,利用模糊拍卖算法对确认量测和传播模式进行分配,再利用多传感器数据融合的方法对多模式信息进行同步数据融合。仿真结果表明,在杂波环境中,跟踪一个存在4种可能非线性量测的匀速运动目标时,本文提出的基于模糊拍卖的多模式融合跟踪算法与多径概率数据互联算法相比,在距离维、距离变化率维和方位维的精度具有很大改善,且耗时大大缩短,能更好地提供预警信息。     

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。     

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。     

多传感器最优信息融合Kalman多步预报器及其应用

提出了一种新的标量加权线性最小方差意义下的多传感器最优信息融合算法。该算法考虑了局部估计误差之间的相关性，只需计算加权标量，避免了加权矩阵的计算，明显减小了计算负担，便于实时应用。基于该融合算法，对被多个传感器观测的离散线性随机系统，给出了具有容错性的多传感器标量加权最优信息融合分布式Kalman多步预报器。它具有两层融合结构，其中第一融合层具有网状并行结构，用来获得每时刻每两个无故障传感器子系统之间的滤波误差互协方差阵；第二融合层用来确定最优标量加权系数，进而获得标量加权最优融合Kalman多步预报器。将其应用于雷达跟踪系统验证了其有效性。     

非线性信息融合估计理论

研究非线性信息的最优融合估计理论,提出了非线性信息的统一决策模型和统一量测模型。基于信息投影权矩阵概念,将多传感量测信息统一映射到被估计量的决策空间,从而统一了线性信息和非线性信息的最优融合估计问题。提出并证明了非线性信息最优融合估计的封闭解析表达式,并给出了两种迭代型非线性最优估计算法。     

一种新的临空高超声速飞行器滑跃段跟踪算法

针对临空高超声速飞行器滑跃段跟踪中存在的跟踪不稳定问题,提出一种基于多传感器的多周期多模型估计的最大熵模糊数据关联滤波(MPMME-MEFPDAF)算法。首先,在临空高超声速飞行器滑跃段运动特性分析的基础上,采用多周期多模型估计方法实现模型集自适应。然后,采用最大熵模糊数据关联思想,解决杂波环境下多传感器航迹断续、点迹关联问题。最后,将多周期多模型估计与最大熵模糊概率数据关联相结合,实现临空高超声速机动目标的多传感器连续跟踪。通过仿真验证,该算法比传统算法对临近空间高超声速速飞行器滑跃段的跟踪具有更好的跟踪效果。     

轨道机动过程中推力加速度的实时最小方差估计

飞行器轨道机动过程中，为跟踪、定位机动目标和干预机动控制过程，需要统计处理离散的雷达观测量实时估计推进发动机的推力，进而确定飞行器的瞬时轨道参数。本文所述算法是该工程问题的探讨和解决方案。文章建立了轨道机动过程中连续变质量运动模型和离散雷达量测模型，推进发动机的质量秒耗量作为表征推力加速度的一个近似常量，应用扩展卡尔曼滤波对离散的雷达测量数据进行顺序统计处理给出秒耗量的最小方差估计；文章详细地推导了线性化量模型的变分方程和观测矩阵；仿真结果表明该算法能快速、准确地估计推进发动机的质量秒耗量和向机动目标施加的实际推力。     

反馈式多目标多传感器系统误差融合估计技术

本文对多目标情况下的多传感器系统误差估计问题进行了研究,提出了反馈式多目标多传感器系统误差融合估计算法。算法首先对EX算法进行了修正,无需计算各目标状态估计及其增益伪逆,直接利用各传感器量测数据来构建伪量测,通过滤波获得局部传感器组合系统误差估计;其次,算法通过构建状态空间转移矩阵实现了全局估计到局部组合估计关系描述,并从多目标多传感器两个层面对系统误差估计进行更新,即对多目标信息进行递归融合以有效利用空间分布的多目标信息,对多传感器组合估计信息进行反馈融合获得全局估计。蒙特卡洛仿真结果说明该算法能够进行多传感器系统误差的快速精确融合估计,相比EX算法在实时性与估计精度方面均具有较大的优越性。
     

情报侦察数据融合技术的几个问题

就情报侦察系统中多传感器 (有源 -无源 )数据融合技术的坐标变换、目标状态估计特征、数据关联和跟踪维持、目标身份识别等问题进行了讨论 ,并就各种相关准则和算法给予研究 ,特别提出了模糊聚类关联算法。     

基于改进EX的机动雷达误差配准算法

针对EX(Exact Method)算法的大计算量和耗时对其工程应用造成的不利影响,提出了一种改进的EX算法（MEX算法）,通过优化EX算法的算法结构,消除其存在的冗余运算,提高了实时性;为解决机动雷达情况下的误差配准问题,通过改进MEX算法以适应系统存在姿态角系统误差的特点,提出了扩展的MEX算法（EMEX算法）;把EMEX算法推广应用到多机动雷达情况下的系统误差估计中,得到了采用集中式融合结构的EMEX算法（CEMEX算法）。为验证提出算法的正确性和有效性,对算法进行蒙特卡洛仿真比较,结果表明,MEX算法在保持EX算法估计性能不变的前提下,大大减少了算法耗时,提高了EX算法的估计效率;EMEX算法能够有效地估计出机动雷达的各种系统误差;CEMEX算法能够有效地融合多部雷达量测的信息,具有良好的系统误差估计性能。