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。     

基于区实混合序列相似度的异步不等速率航迹关联算法

在分布式多目标跟踪系统中,由于局部传感器开机时间、采样频率以及通信延迟不同等原因,导致来自各传感器的局部航迹往往是异步不等速率的。目前一般的方法是先进行时域配准再进行航迹关联,但是在同步化的过程中,航迹估计值的误差会发生传播,影响航迹关联的性能。针对此问题,提出了一种基于区实混合序列相似度的异步不等速率航迹关联算法。算法首先通过区间数-实数混合序列变换(IRST)得到等长度的航迹行为序列,然后定义一种新的序列差异信息度量,得到混合序列的相似度,以此进行航迹关联判定。仿真实验表明,该算法可以有效地解决异步不等速率航迹关联问题,并且通信延迟和数据乱序对算法性能的影响不明显。     

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。     

基于拓扑序列法的航迹关联算法

 针对基本拓扑法的缺点,提出了用拓扑序列法进行航迹关联。新算法能避免空间划分不均匀、算法经验性太强、对密集航迹场景不适应等多种问题。新算法把航迹关联问题最终归结为假设检验,使算法的原理更严密。同时,通过多种辅助测试避免了不必要的航迹关联测试,使算法的计算效率非常高。针对工程应用的背景,对各种情况的算法修正也做了详细讨论。通过仿真,拓扑序列法比基本拓扑法具有更高的关联成功率和稳定的性能。     

基于离散小波变换的航迹关联算法研究

本文基于1-D离散小波变换(DWT)提出了一种航迹-航迹关联算法。由于目标航迹数据是非平稳随机序列,因此采用离散小波变换方法分析,利用基于F分布的假设检验模型来描述小波分解高频小波空间与低频尺度空间能量的比率,结合"去相关"方法分别讨论了航迹相关与无关的情形,并给出了一种仿真方法。仿真结果表明算法的有效性和在分辨两条相近航迹方面的优越性。     

基于OSPA距离的航迹关联方法

 提出一种基于最优次模式分配(OSPA)距离的多传感器航迹关联方法,把每一个局部传感器航迹看做一个航迹集合,通过OSPA距离度量各个航迹集合之间的距离,具有最短OSPA距离的航迹属于同一个目标航迹;针对航迹关联实时性的要求,进一步给出具有滑窗的航迹OSPA递推方法。最终结果表明,本文方法不仅可以有效保持航迹的历史信息和几何特征信息,而且可以有效地关联航迹交叉、航迹分叉和航迹异步等问题。通过与加权关联方法、独立序贯方法的仿真比较,证明其在关联精度、异步等几个方面具有比较好的优势。     

弹道目标航迹片段关联及优化

多弹道目标跟踪伴随着速度快、密集程度高以及测量误差大等因素,在跟踪过程中发生航迹中断是一个很普遍的现象.在未知导弹任何先验信息前提下如何将中断前后的航迹片段进行关联,提高航迹的连续性已成为亟待解决的难题.针对该问题提出了一种实时的离散最优关联算法,它利用速度信息对中断前后弹道外推航迹进行粗关联;将对数似然函数作为关联代...     

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。     

基于神经网络的广义经典分配航迹关联算法

在序贯航迹关联算法的基础上提出了一种广义经典分配航迹关联算法。此算法实际上是求约束条件下的函数最小值问题,属于组合优化问题,其计算复杂度随着目标数的增加而发生爆炸现象。根据Hop field神经网络模型解决此类问题的能力对此广义经典问题进行了求解。仿真实验结果表明,广义经典分配算法能够有效地解决航迹关联问题,而且用神经网络求解此问题降低了计算复杂性,并具有很高的关联正确率。     

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。     

基于类云模型的c均值聚类航迹关联算法

针对多传感器多目标航迹关联的特点,提出了将类云模型和c均值聚类联合应用于航迹关联的解决方法。将表征航迹特征的参量构成聚类中心和待分类的样本空间,利用类云模型和c均值聚类算法对来自不同传感器的航迹进行分类和收敛判断,构建了基于类云模型的c均值聚类航迹关联模型,有效地解决了目标密集环境下的航迹关联问题,通过仿真研究说明了该算法的有效性和鲁棒性。