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。     

修正极坐标系下雷达与ESM航迹对准关联

研究了存在系统误差时修正极坐标系(MPC)下的雷达与电子支援措施(ESM)航迹关联问题。系统误差导致MPC下雷达和ESM的角度估计产生偏移,而对角度变化率、距变率与距离的比值(ITG)的估计影响不大;结合非中心卡方分布的知识,分析了雷达与ESM的测量误差对非中心参数和正确关联概率的影响;提出了一种基于积分重合度的雷达与ESM航迹对准关联算法。首先将雷达与ESM的目标映射到角度-角度变化率空间,分别得到了雷达与ESM的目标曲线,然后对两目标曲线求积分重合度,估计出雷达与ESM测角系统误差的偏移量,对偏移量补偿后进行雷达与ESM的航迹关联。仿真结果表明,本文所提算法能有效地提高存在系统误差时雷达与ESM正确航迹关联概率。     

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。     

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MLR的机动平台传感器误差配准算法

 基于固定平台传感器误差极大似然配准(MLR)算法,针对机动平台存在姿态角系统误差的问题,提出了对机动平台传感器系统误差和目标状态进行批处理离线估计的机动极大似然配准(MLRM)算法.该算法利用所有传感器对目标的量测值,通过把传感器量测向目标状态进行投影、对传感器系统误差和目标状态进行期望最大化迭代以及对目标的状态进行融合估计,最终实现量测、姿态角系统误差和目标状态的有效估计.仿真结果表明,该算法迭代收敛速度快,对系统误差估计精度高,对系统误差可观测性较低的配准环境的适应性强并且对传感器姿态角的相关性不敏感,具有很强的工程实用性.     

地空协同防空目标抗差跟踪算法

针对现有系统误差配准算法以已知系统误差变化模型为前提条件、相应的目标状态估计易受系统误差配准结果影响等不足之处,在机载雷达与地基雷达协同防空预警体系下,对系统误差存在情况下的目标跟踪问题进行了研究,并提出了有效的地空协同防空目标抗差跟踪算法。仿真结果表明所提算法可得到无偏、稳定、有效的目标状态估计,并且相对于系统误差目标状态联合估计算法,所提算法计算量小,对系统误差变化有很强的鲁棒性,可适应实际工程应用中可能出现的异常情况,为后续决策提供稳定有效的目标信息。     

基于CKF的联合扩维误差配准算法

误差配准是多传感器信息融合的基础。为解决机载多平台多传感器的误差配准问题,研究并提出了一种基于容积卡尔曼滤波(CKF)的联合扩维误差配准算法。在算法实现中,首先采用状态矢量维数扩展方法建立非线性滤波框架下的系统误差配准模型,其次根据误差配准模型对各传感器的测量系统误差及各平台的姿态角系统误差进行估计,最后通过CKF滤波实现对状态预测值的修正,改善系统误差对滤波精度的影响。仿真结果表明,所提出的算法能够有效融合利用多传感器的测量信息,实现对多传感器系统误差及目标状态的实时联合精确估计。     

基于合作目标的三维空间贝叶斯传感器配准算法

当存在合作目标时,基于合作目标的传感器配准算法往往优于基于多站测量的传感器配准算法.传统的基于合作目标的传感器配准算法将系统误差看作是一个确定未知量,对未知量的估计采用了非贝叶斯的参数估计算法,如极大似然法、最小二乘法等.当传感器量测噪声相对于传感器系统误差不可忽略时,上述算法估计效果较差.在此背景下,提出了基于合作目标的贝叶斯传感器配准算法,通过将传感器系统误差建模成未知的随机过程,并通过卡尔曼滤波消除量测噪声对系统误差估计带来的影响,实验结果表明,方法具有较好的实用性.     

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。     

Precision large scale air traffic surveillance using IMM/assignmentestimators

We present the development and implementation of a multisensor-multitarget tracking algorithm for large scale air traffic surveillance based on interacting multiple model (IMM) state estimation combined with a 2-dimensional assignment for data association. The algorithm can be used to track a large number of targets from measurements obtained with a large number of radars. The use of the algorithm is illustrated on measurements obtained from 5 FAA radars, which are asynchronous, heterogeneous, and geographically distributed over a large area. Both secondary radar data (beacon returns from cooperative targets) as well as primary radar data (skin returns from noncooperative targets) are used. The target IDs from the beacon returns are not used in the data association. The surveillance region includes about 800 targets that exhibit different types of motion. The performance of an IMM estimator with linear motion models is compared with that of the Kalman filter (KF). A number of performance measures that can be used on real data without knowledge of the ground truth are presented for this purpose. It is shown that the IMM estimator performs better than the KF. The advantage of fusing multisensor data is quantified. It is also shown that the computational requirements in the multisensor case are lower than in single sensor case, Finally, an IMM estimator with a nonlinear motion model (coordinated turn) is shown to further improve the performance during the maneuvering periods over the IMM with linear models     

基于区实序列变换的航迹关联算法

针对时变系统条件下的航迹关联问题,提出一种基于区实序列变换的关联算法。首先,利用线性最优化的方法,将上报航迹的不确定性描述为区间灰色序列;再在区实序列变换的基础上,利用实数序列间的灰关联度加权融合描述不同雷达上报航迹的关联相似度,通过判决给出关联结论。仿真结果显示了算法的有效性以及良好的抗差性能。     

雷达站站址误差对多机协同航迹欺骗干扰的影响分析

多机协同航迹欺骗干扰是专门针对雷达网的一种新的电子干扰手段。文章在介绍了多机协同航迹欺骗干扰基本原理的基础上,重点对雷达网内雷达站址误差对航迹欺骗干扰的影响进行了分析,推导了有关理论模型,并以融合中心采用K近似域(K-NN)航迹关联准则为背景,仿真分析了雷达站址误差对航迹欺骗干扰的影响,得出了雷达站址误差对航迹欺骗干扰性能有重要影响、但此影响随电子战飞机与雷达站间的距离增大而降低的结论。     

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.     

Architectures and algorithms for track association and fusion

Target tracking using multiple sensors can provide better performance than using a single sensor. One approach to multiple target tracking with multiple sensors is to first perform single sensor tracking and then fuse the tracks from the different sensors. Two processing architectures for track fusion are presented: sensor to sensor track fusion, and sensor to system track fusion. Technical issues related to the statistical correlation between track estimation errors are discussed. Approaches for associating the tracks and combining the track state estimates of associated tracks that account for this correlation are described and compared by both theoretical analysis and Monte Carlo simulations