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。     

空基多雷达航迹抗差关联算法

基于高斯随机矢量统计特性,推导出一种适用于探测距离较远、系统误差时变、雷达上报目标不一致等复杂环境的空基多雷达航迹抗差关联算法。分解航迹距离矢量,对消系统误差矢量得出适用于3个及3个以上雷达的航迹抗差关联条件和流程。分别设置了目标密集程度、随机误差和系统误差适应性实验验证算法性能。仿真结果表明所提算法的关联准确性和复杂环境适应性相比现有的基于参照拓扑特征的航迹关联算法（RET算法）和基于距离检测的可信关联算法（confidential算法）有较大幅度的提升。     

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。     

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PTE的多雷达航迹融合算法

针对杂波背景下的多雷达航迹融合时局部估计误差互协方差矩阵未知的问题，提出基于目标存在概率（PTE）的航迹融合算法，提升了正确航迹率和跟踪精度。首先，通过综合概率数据关联得到单接收站的目标航迹估计集合和对应的目标存在概率。然后，在局部估计误差互协方差矩阵未知的条件下，基于PTE信息提出不带记忆的综合广义凸组合航迹融合算法。进而将前一帧的融合状态进行反馈，提出带记忆的综合广义凸组合航迹融合算法。仿真验证了所提算法的有效性。     

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。     

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。     

Space-time registration of radar and ESM using unscented Kalman filter

Space and time alignments are the prerequisites for the successful fusion of multiple sensors. A space-time registration model is proposed to estimate the system biases and to perform time synchronization together for mobile radar and electronic support measure (ESM) systems. A space-time registration model for radar and ESM is first developed, and an unscented Kalman filter (UKF) is proposed to estimate the space-time biases and target states simultaneously. The posterior Cramer-Rao bounds (PCRBs) are derived for the proposed UKF registration algorithm for ESM detection probability less than or equal to one. Theoretical analyses are performed to evaluate the accuracy and robustness of the proposed method. Computer simulations show that the UKF registration algorithm is indeed effective and robust for different radar and ESM tracking scenarios.     

QUADRI-THRESHOLD ALGORITHM OF CO-LOCATED RADAR-TO-ESM CORRELATION

A quadri-threshold radar-to-ESM correlation algorithm is presented and the corresponding four thresholds (high threshold, middle threshold, low threshold, and threshold margin) are given. The proposed algorithm is especially suited for the scenarios where each radar track is specified by different numbers of measurements. Using a simple and effective discriminant function based on the fuzzy synthesis function, the proposed quadri-threshold radar-to-ESM correlation algorithm first selects the two most likely radar tracks and then makes the soft decision based on the selected two tracks. The introduction of the threshold margin in the presented algorithm can further reduce misclassification errors. Simulation results show the feasibility of the algorithm.     

Application of Linear Statistical Models to Radar Location Techniques

The theory of linear statistical models is implemented to obtain an algorithm which accurately locates radar sites. True bearing and navigation data are used as input. The linear model developed is adaptable and allows removal of bearing errors that are nonrandom, or systematic. The model may be written in recursive form and used for real-time applications.     

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。     

基于均值-方差联合检验的航迹欺骗干扰识别

以集中式融合结构雷达网为研究背景,从电子战飞机(ECAV)产生虚假航迹的原理出发,针对真/假航迹空间分布差异,提出了基于均值-方差联合检验的航迹欺骗干扰识别技术。首先分析了真/假航迹的统计特性差异,然后利用多个时刻航迹的坐标差,并通过坐标差的协方差阵对角化和归一化处理来构造检验样本,最后利用似然比统计检验的方法实现了虚假航迹的识别。仿真结果表明该技术能够对航迹欺骗干扰进行有效的识别,在雷达测距精度、测角精度变化的条件下仍能保持较高的识别率。     

双层结构模糊综合决策的AIS与雷达航迹关联

根据AIS 与雷达关联的一般原则, 首先对AIS 航迹和雷达航迹进行时空配 准,接着将配准后的航迹进行时间和距离上的初级关联判断,对满足初级关联但是又难 以判断的航迹进行高级关联判断。在高级关联判断阶段提出一种双层结构模糊综合决策 的航迹关联方法,仿真实验表明新方法在提高关联正确率和降低关联错误率方面有了明 显改善。     

基于相位相关的部分可辨编队精细起始算法

针对部分可辨条件下编队目标的精细起始难题,提出了一种基于相位相关的部分可辨编队精细起始算法。首先,采用基于坐标映射距离差分的快速群分割与基于编队中心点的预互联对雷达量测进行预处理;然后,利用图像匹配中相位相关特性,将相邻时刻编队结构进行补偿对准,解决了低目标发现概率情况下的编队结构对准问题;最后,采用增加虚拟量测并后验判决的方式,结合最近邻法做编队航迹精细互联,在填补航迹缺失、增加正确航迹的同时抑制虚假航迹的产生。经仿真验证,与修正的逻辑法、基于相对位置矢量的灰色编队精细起始算法相比,本文所提算法在提高航迹正确起始率、抑制虚假航迹方面性能优势显著,且对环境杂波与雷达精度具有较好的鲁棒性,对目标发现概率具有较好的适应性。     

基于ECEF的广义最小二乘误差配准技术

 雷达组网数据处理首先要进行误差配准,来准确地估计和消除系统误差。传统的误差配准技术多基于球极投影,当雷达之间距离较远时,给配准结果引入一定的误差。基于地球中心坐标系(ECEF),提出了一种广义最小二乘的ECEF-GLS误差配准技术,较好地解决了远距离误差配准问题,误差分析表明,如果忽略模型线性化引入的误差,配准结果达到了CRLB下限。最后,使用仿真数据验证了算法的性能,并和Zhou提出的基于ECEF坐标系的最小二乘ECEF-LS误差配准算法进行了比较。