基于交互式多模型的主被动站跟踪算法

在高斯白噪声下，使用交互式多模型算法融合主动站和被动站量测信息，在各类机动状态模型切换，完成对机动目标的定位跟踪。根据主动站到达目标然后到达被动站的距离和以及目标到达主被动站的方位角和俯仰角信息建立量测模型；在交互式多模型算法的基础上，在常规直线机动模型基础上引入Singer模型，模拟目标机动运动；以几何关系求解得到的目标位置作为目标初始解，相较于其他初始模型，算法具有更好的收敛性。仿真实验表明，在主被动站间距几十千米，目标与主被动站间距几百千米，到达角误差2°左右，到达时间误差20 m左右的情况下，使用交互式多模型算法跟踪目标，收敛误差在百米级别。     

激光告警多目标定位与跟踪技术研究

研究了激光告警多目标定位和跟踪的建模方法。利用聚类概念,对激光告警器测量数据进行集类,并对各个类对应的目标状态进行空间-时间融合。通过求解航迹信息融合的状态估计值,实时形成同步脉冲控制逻辑,从而实现对激光多目标的实时跟踪和激光信号的实时提取。给出了激光告警多目标定位与跟踪的设计过程,提出了一种实用简便的融合算法,并设计了一套该模型的原理样机。试验结果验证了这种方法的有效性。     

主-从多飞行器三维分布式协同制导方法

针对三维空间下的多飞行器协同打击问题,基于主飞行器和从飞行器架构提出了两种分布式协同制导方法,实现了所有飞行器最终对目标的同时命中。方法1在定义协调变量的基础上,通过对所选协调变量的一致性协同控制使从飞行器状态同步于主飞行器状态。方法2提出了分布式观测器对主飞行器的状态进行准确估计,各从飞行器通过跟踪观测的主飞行器状态信息实现命中时间的一致。理论分析表明,两种方法都可保证多飞行器同时命中目标。仿真结果验证了所提方法的正确性和有效性。     

一种分布式异步航迹融合算法

在多被动传感器目标跟踪中,融合中心处理的信息一般是同步的,然而实际情况并非如此。另外,一些被动传感器只能得到目标的方位信息,无法单独形成有效航迹,这就需要将各传感器数据同步到相同时刻,然后应用同步融合算法。针对被动传感器探测系统,采用传感器到传感器融合和系统到传感器融合的分布式融合结构,并对各局部传感器引入全局反馈,对相关信息采用协方差交叉算法进行处理,完成被动传感器异步数据的融合,仿真结果表明,该算法具有较好的融合效果。     

时空关联多跟踪剔除的多源数据融合方法

随着网络信息共享技术的深入发展,多源异构数据将是未来数据融合的主要信息源,这种数据融合表现出跨平台、跨军种、跨领域等特征,对多源异构数据关联与融合提出了新要求。针对特定场景敏感区域内有限多目标的探测问题,结合一体化作战数据融合的数据滤波、空时配准、航迹关联与建立、多目标跟踪等方面,提出了时空关联多跟踪剔除的数据融合方法,并从数据滤波、航迹关联与融合、时空关联多跟踪剔除以及融合数据“簇”等方面重点研究了所提出的数据融合方法。距离波门拖引干扰和牵引干扰的对抗仿真试验表明,所提方法具有一定应用价值。     

基于IMM-UIF的多无人机纯角度机动目标跟踪

针对单无人机不能及时捕捉到目标的运动状态信息,很容易跟丢目标的问题,结合无迹信息滤波(UIF)算法和交互多模型(IMM)算法,提出了基于IMM-UIF的多无人机分布式融合估计算法。将各个无人机上的观测信息传输至中心节点,并统一优化各无人机的控制输入。仿真结果表明,基于IMM-UIF的多无人机分布式融合估计算法比基于IMM-UIF的单无人机跟踪精度提高了约30%,有效融合多无人机平台的量测信息,实现对目标稳定的高精度跟踪。     

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。     

多传感器融合目标跟踪

分析了基于成象和雷达两种传感器对目标状态的测量模型及其融合模型。针对两种传感器之间测量信息的不同步问题,给出了一种基于最小二乘法的不同步信息之间的时间配准和融合方法,并设计了跟踪滤波器。     

基于PSO的多观测器轨迹优化研究

在多观测站目标被动跟踪过程中,多观测器运动轨迹对定位跟踪精度有重要影响.为提高对运动目标的跟踪精度,将目标滤波协方差的迹作为目标优化函数,提出一种基于粒子群算法(Particle Swarm Optimi-zation,PSO)的多观测器轨迹优化方法,并将轨迹优化加入运动目标被动跟踪过程中,实现了观测器自适应运动下的运...     

被动式寻的导弹的运动跟踪变结构制导

应用运动跟踪变结构控制理论设计被动式寻的导弹的制导律。这种运动跟踪变结构制导律（ＭＴＶＳＧ）可以令导弹－目标相对视线角速度按照给定的运动规律变化,从而增强被动跟踪问题（等价于一个非线性系统）的可观性,同时保证导弹有很高的命中精度。仿真研究表明,在ＭＴＶＳＧ下,系统的可观性明显增强,因此系统状态的估计精度较高。进一步的研究表明,ＭＴＶＳＧ对系统状态估计误差有很强的鲁棒性。ＭＴＶＳＧ的上述各种优点使得导弹有很高的命中精度。     

Data fusion and tracking using HMMs in a distributed sensor network

This work deals with the problem of multiple target tracking, from the measurements made on a field of passive sonars activated by an active sonar (multistatic network). The difficulties encountered then are of two kinds: each sensor alone does not provide full observability of a target, and multiple, possibly maneuvering targets moving in a cluttered environment must be dealt with. The algorithm presented here is based on a discrete Markovian modelization of the targets evolution in time. It starts with a fusion of the detections obtained at each measurement time. Tracking and target motion analysis (TMA) are next achieved thanks to dynamic programming (DP). This approach leads to multiple and maneuvering target tracking, with few assumptions; for instance, the use of deterministic target state models are avoided. Simulation results are presented and discussed.     

基于神经网络的机动目标信息融合与并行自适应跟踪

基于“当前”统计模型和 BP神经网络 ,提出一种新的机动目标神经网络信息融合与并行自适应跟踪算法 ( NIFPAT)。该算法采用双滤波器并行结构 ,利用全状态反馈 ,通过 BP网络调整系统方差以适应目标的运动变化 ,具有对目标各种运动状态的良好自适应跟踪能力     

数据链航迹延迟与 ESM点迹间断融合跟踪

数据链与电子支援措施(Electronic Supporting Measures,ESM)融合跟踪是 1种典型的异类多传感器信息融合。针对数据链航迹存在延迟和 ESM点迹间断情况下的数据链航迹与 ESM点迹融合跟踪,提出了复杂情况下的数据链与 ESM融合跟踪方法,并对融合跟踪的精度进行分析研究。首先,对数据进行时间对准,保证数据链和 ESM数据率一致;然后,通过构造基于不敏变换(Unscented Transformation,UT)的非线性量测转换和误差估计方法,将数据链数据对准到 ESM数据;最后,通过引入随机补偿机制对数据链延迟进行补偿,并与 ESM数据进行关联融合。实验结果表明,有延迟补偿时的融合跟踪精度取决于延迟补偿均值与实际延迟的贴近程度。结果可为信息综合处理装备的发展和设计提供借鉴。     

Passive sonar fusion for submarine C2 systems

The most important sensors for gathering target information onboard a submarine are passive sonars. Problems concerning fusion of these passive sonars are discussed. Three typical passive sonars-passive noise sonar, passive ranging sonar and acoustic pulse surveillance sonar-constitute a passive sonar system for data fusion. This paper is concerned mainly with problems of significance in system development, such as tactical application background, special fusion techniques and own-ship maneuver considerations     

A fusion and learning algorithm for landing aircraft tracking:compensating for exhaust plume disturbance

An algorithm is presented for tracking a landing aircraft using fusion of two different passive sensors, a laser range finder (LRF) and a forward-looking infrared (FLIR) camera. The main feature of this algorithm is its ability to identify and compensate for an exhaust plume disturbance. The algorithm is based on the extended Kalman filter (EKF) and the filtering confidence function (FCF) which introduces a learning approach to the tracking problem. The results of a simulation using the learning tracking algorithm and the EKF alone are presented and compared     

The Effect of the Common Process Noise on the Two-Sensor Fused-Track Covariance

This note deals with the effect of the common process noise on the fusion (combination) of the state estimates of a target based on measurements obtained by two different sensors. This problem arises in a multisensor environment where each sensor has its information processing (tracking) subsystem. In the case of an ?-? tracking filter the effect of the process noise is that, over a wide range of its variance, the uncertainty area corresponding to the fused estimates is about 70 percent of the single-sensor uncertainty area as opposed to 50 percent obtained if the dependence is ignored.     

基于序贯关联算法的多目标无源跟踪

基于序贯关联算法,对多目标无源跟踪问题进行了研究。在只有角度信息可以利用的情况下,首先,利用波门技术对各个无源传感器角度测量数据进行关联和滤波,形成参数航迹;然后,将各个无源传感器的参数航迹送到融合中心进行关联配对,并在关联过程中通过构造关联质量函数对参数航迹的关联历史情况进行度量,解决参数航迹关联模糊问题;最后,通过对关联成功的参数航迹进行交叉定位,给出多个不同目标的位置信息,实现分布式无源系统对多目标的数据关联和跟踪,并通过仿真分析,对算法的有效性和可行性进行验证。