基于熵权的灰色关联概率数据关联算法

在多目标信息融合中,通过数据关联判断来自不同传感器的数据是否代表同一个目标,传统数据关联一般采用联合概率数据关联算法,单纯依靠状态量测且计算复杂。而基于灰色关联的概率数据关联算法,能够利用目标的多个特征信息进行数据关联,且计算简单准确。特征信息一般由专家主观判断给出。提出了基于熵权的灰色关联概率数据关联算法,由量测数据自适应的给出各特征的权重系数,不依赖于专家。仿真表明,该关联算法具有很好的工程实用性。     

基于辐射源参数信息的无源数据关联问题研究

针对传统无源数据关联算法存在算法复杂、计算量大等缺点,提出了一个能够反映辐射源特征参数信息与目标运动状态参数信息相结合的无源关联算法流程。该算法首先定义基于目标运动状态参数和辐射源特征参数的多维可变跟踪门,然后运用模糊多门限思想,将测量与目标的关联概率来替代概率关联算法中可行联合事件概率的计算。仿真结果表明该算法计算量小,跟踪准确度高,尤其适用于复杂环境下近距离、交叉运动目标等典型情况。     

一种基于强机动的目标跟踪改进算法

针对传统目标跟踪算法鲁棒性较差等问题,提出了一种基于当前统计模型的无迹卡尔曼滤波交互式多模型(IMM-CS-UKF)融合算法。在交互式多模型算法框架内,计算当前统计模型的概率,提高了统计模型的目标加速度和自适应性。该算法结合了交互式多模型和无迹卡尔曼滤波算法,具有对不同机动模式目标的自适应跟踪能力和精度高等优点。仿真结果表明,该算法对以多种机动策略实时机动的目标具有较好的跟踪性能。     

认知结构模型机动目标跟踪算法

针对复杂战场中环境特性复杂以及目标机动性能提升所带来的跟踪难题，提出一种基于人类认知机制的机动目标自适应跟踪算法。算法将人类“记忆”机制引入机动模型构建，利用神经网络对目标特征参数进行离线学习并存储，指导机动模型参数实时调整，使模型对运动状态的描述更加合理。为进一步提高跟踪性能，基于人类认知“感知-行动”循环理论，将雷达接收端经数据处理后的目标状态估计信息反馈至雷达发射端，以最小感知信息熵为代价函数，从波形库中自适应选择最佳波形来匹配目标。仿真对比实验表明，该算法对环境及目标的感知更加准确，融入波形选择的自适应目标跟踪算法要明显优于传统采用固定波形的跟踪算法。     

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。     

GEO混合推力机动目标跟踪IMM算法

针对交互多模型(IMM)算法求解地球静止轨道(GEO)卫星混合推力机动目标跟踪问题时模型匹配难、模型转移概率近似平均和响应速度慢的问题，从交互模型集构建和模型转移概率自适应设计两个方面出发提出一种改进IMM算法。该方法通过考虑无机动、脉冲机动和有限推力机动三种模式，构建了覆盖目标机动状态的交互模型集，提高了模型与机动目标实际运行状态的匹配度；采用一种基于加速度估计自适应修正的模型交互概率修正方法，提升了算法对目标机动状态的响应速度和跟踪精度。仿真结果表明，所提算法是解决混合推力模式下的GEO机动目标跟踪问题的有效手段，在收敛速度和收敛精度等方面与传统方法相比有较大提高。     

基于自适应IMM算法的高超声速飞行器轨迹预测

针对非弹道式高超声速飞行器的周期跳跃运动特点,提出了一种基于多种运动模型的自适应交互多模型(IMM)方法对目标运动状态进行估计。建立了目标的常速度、常加速度、Singer和蛇形机动模型,以及雷达的量测模型。自适应IMM算法包括混合概率计算、输入融合(混合交互)、模型条件滤波、模型概率更新和滤波估计融合等步骤。算法融合了Singer和蛇形机动模型,能较好地适应有幅值变化和频率衰减的模型状态估计,并用滤波估值和双正弦和函数拟合加速度,进一步递推目标运动轨迹。仿真结果表明:自适应IMM算法对高超声速目标有较好的弹道跟踪和预测精度。     

带渐消因子的Quadrature卡尔曼滤波

为了解决无源传感器机动目标跟踪系统非线性较强、传统的跟踪滤波方法不稳定容易发散的缺陷,提出了一种带渐消因子的QKF（FQKF）算法。该算法通过引入时变渐消因子来实时调整状态预测误差协方差阵、量测预测误差协方差阵及状态预测误差和量测预测误差之间的互协方差阵,利用公式推导得出渐消因子实际上是对状态传播积分点和量测传播积分点进行渐消,进而达到实时调整滤波器增益矩阵的目的。并通过算法的机理分析和仿真实验表明FQKF算法具有强跟踪滤波器（STF）的优良性能,能够克服QKF算法的缺陷,对于无源传感器机动目标跟踪中系统的突变状态具有较强的跟踪能力,较QKF算法稳定性有所提高,并且计算量适中。     

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。     

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。     

一种带自适应因子的IMM-UKF的GPS/BD-2导航方法

针对GPS/北斗-2(BD-2)卫星导航系统中机动载体运动模型和噪声统计特性不确定性导致滤波精度低的问题,为提高导航定位的精确性和稳定性,提出一种自适应的滤波方法。首先,提出了一种新的自适应UKF(AUKF)算法,该方法将残差序列的协方差矩阵视为过程噪声协方差矩阵的不确定量,基于此采用平滑滤波的方法设计自适应因子,并利用该自适应因子实时调整过程噪声协方差矩阵,减弱了噪声统计特性不确定性对滤波精度的影响;其次,采用交互式多模型(IMM)算法设置模型集M,并通过实时调整模型概率来实现各个模型间的软切换,解决了单一模型对载体运动状态描述不全面而导致滤波精度低的问题。仿真结果证明该算法能有效提高载体在复杂机动状态下的定位精度。     

一种基于IS-MCMC的多目标跟踪算法

针对密集杂波环境下的多目标跟踪问题,提出了一种基于定向概率数据关联重要度采样的改进马尔可夫链蒙特卡洛(MCMC)算法(IS-MCMC)。首先,基于马尔可夫链蒙特卡洛方法求解具有最大后验概率的量测分配集,并根据量测与目标的定向关联概率进行重要度采样以提高收敛速度。其次,依据量测分配结果更新目标轨迹的感知概率和状态参数,并基于感知概率实现对轨迹起始、维持和终止的判断。为实现对目标的连续跟踪,采用滑窗方法,根据当前帧数据与上一窗口数据的处理结果构建初始量测分配集,利用IS-MCMC对当前加窗数据进行处理。不同杂波密度、目标密度和检测概率下的仿真实验表明,IS-MCMC相比MCMC在计算效率、轨迹跟踪性能和环境适应能力上更具优势。     

相控阵雷达多目标跟踪算法研究（连载一）

以多功能相控阵雷达为背景，研究了多目标跟踪问题，针对“当前”统计模型及自适应跟踪算法的不足，提出一种修正自适应滤波算法；并探讨三维混合坐标系下的机动目标的建模与预报；且基于简化联合概率数据互联CJPDA（Cheap Joint Probabilistic Data Association)算法，提出一种实用方法直接计算后延概率，比CJPDA方法精度高，并根据“最近邻”JPDA思想，给出一种优化方案，蒙特卡罗仿真表明，本方案能有效跟踪多个机动和非机动目标，且易于实现。     

基于模糊最小方差估计的超视距雷达多模式融合跟踪算法

天波超视距雷达(OTHR)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。本文借鉴多传感器数据融合的思想,提出了一种新的超视距雷达跟踪算法,将多路径信息看作是多传感器提供的量测信息,利用模糊最小方差估计的方法对多路径信息进行同步融合。仿真结果表明,当在杂波环境中,跟踪一个存在四种可能非线性量测的非机动目标时,本文提出的基于模糊最小方差估计的多模式融合跟踪算法(FLCE-MFT)与多径概率数据互联算法(MPDA)相比,在距离维的精度具有很大改善,且耗时大大缩短,具有更好的跟踪性能。     

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.     

基于功率估计的方位数据关联算法

将功率信息与电波传播相关理论引入到测向交叉定位的数据关联问题中,提出一种基于功率估计的方位数据关联算法。推导了阵列协方差矩阵中信号功率与阵列流型之间的关系,利用空间协方差逆矩阵高阶幂逼近噪声子空间的方法,在已知阵列流型的基础上准确获取各目标的功率参数,避免了幅值特征类关联算法易受噪声与信号波形影响的问题;根据功率和传播路径的衰减关系,构造方位组合与功率信息的关联置信度函数,挑选出正确的关联组合。仿真结果表明了算法的有效性和优越性。     

强机动条件下的弹载深组合ARCKF滤波方法研究

针对弹道导弹飞行中GNSS/SINS深组合导航系统呈现的强机动、非线性特性,引入了基于三阶球面-径向准则的容积卡尔曼(CKF)非线性滤波方法。同时,提出了一种自适应抗差容积卡尔曼滤波(ARCKF)算法,该算法运用抗差M思想,调节量测噪声阵,以抵御系统观测异常扰动,采用自适应因子对协方差阵进行调节,进一步处理动态扰动引入的误差。实验结果表明,该滤波算法有效提高了组合导航的动态性能,在加速度达到60g的强机动仿真环境中,仍能保持较高的导航精度和跟踪性能。     

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。     

基于模糊自适应卡尔曼滤波算法的多传感器信息融合

联合滤波器各子系统量测噪声统计特性发生变化时,标准卡尔曼滤波算法由于无法实时检测和调整,使得估计误差增大,最终导致融合后估计误差随之增大.本文针对该问题提出使用模糊自适应滤波代替标准卡尔曼滤波,形成模糊自适应联合卡尔曼滤波信息融合算法.新算法应用模糊推理系统不断的在线调整量测噪声协方差阵的加权系数,使模型量测噪声逐渐逼...     

多普勒盲区条件下的改进粒子滤波跟踪算法

机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹中断和重起批。针对多普勒盲区条件下的目标连续跟踪问题,提出了一种基于多假设运动模型的改进粒子滤波跟踪方法。该方法根据多普勒盲区对目标状态的约束形成多个可能的运动模型,粒子在每个模型下再进行带有状态约束的更新,当新出现的量测值落入任何一个运动模型形成的粒子云内,则航迹关联成功。仿真结果表明,该算法在不同盲区范围条件下,针对不同机动能力的目标均具有较高的航迹关联率,能够实现目标的连续跟踪。