用EM算法解决多目标／多传感器的跟踪问题

采用我种精度不同和特性不同的传感器的输出来跟踪杂波噪声环境中的多个运动目标是监视和侦察系统中的一个重要问题。人们提出了许多解决多目标／多传感器跟踪问题的方案，从难度适中（针对特定应用的方案）的到得复杂的、理论上是最佳的方案均有。本文描述了一种基于最大期望（ＥＭ）算法的时间递归多目标／多传感器的迭代跟踪方法。更具体地说，我们把多目标／多传感器跟踪问题当作是利用可观测传感器的输出表示不完全数据的不完全     

一种多制式传感器数据融合算法

针对一有三坐标雷达、两坐标雷达和红外探测器三种传感器的分布式多站多目标跟踪系统，提出了一种多制式传感器数据融合算法。算法以测量间最小距离为关联度，对测量集间的相似程度进行度量，用极大似然法估计目标位置，通过融合方法求得目标三维航迹。在作状态估计时，采用两组非线性卡尔曼滤波切换提高融合精度。     

基于粒子滤波的被动多基站跟踪算法

针对被动多基站跟踪的实际应用，提出了基于粒子滤波的被动多基站跟踪方法。该方法首先利用两个基站的观测数据融合目标位置，并用第三个基站的观测数据对目标位置进行检验，消除了错误融合位置；然后，推导了被动多基站粒子滤波模型，并根据被动多基站跟踪的特点，提出了顺序重抽样方法，有效地解决了被动多基站跟踪中的高度非线性、非高斯的影响；最后，给出了算法的性能仿真比较。仿真结果表明提出的方法性能明显优于其他跟踪方法（如PMHT、IMM-PDA）。     

传感器融合的统计集群分析法

传感器融合(SF)问题需要考虑的是，利用从多个独立传感器接收到的目标位置测量值来估计目标的数量和位置。采用集群分析法来解决这种问题。在集群分析问题中，我们应用多假设测试技术，并已开发出判断规则，它可确保产生虚假目标的概率小于假定概率，同时采用更精确的测量值可降低遗漏已存在目标的可能性，还可获得目标位置估计值。已经研究出了实现以上判定规则的计算方法。     

使用信息矩阵滤波的跟踪融合的性能评估

在多传感器环境下，每个传感器探测多个目标，接着产生相应的跟踪。这些跟踪可能互不相同，经过融合后，传感器生成有关目标的更精确的运动信息和属性信息。目前已有两种方法可以达到上述目的，一种是测量值融合法，一种是状态矢量融合法。众所周知，测量值融合计算法通常最优，但计算费时，而状态矢量融合算法计算省力却是次优。之所以如此，是因为从两个传感器中获得的待融合状态级估值，由于通常存在被跟踪目标的过程噪声，通常并非条件独立。值得注意的是，状态矢量融合已有三种计算法：加权协方差法、信息矩阵法和伪测量法。本文仅限于讨论状态矢量融合中信息矩阵形式的性能评估。利用信息矩阵计算法已经推导出稳态融合协方差的闭式分析解并作为一种性能的度量方法。注意，推导出的结果基于两个传感器同步工作且没有误关联的假设，或是在研究时考虑了融合测量值。并且我们将推导出的结果用蒙特卡罗仿真进行了比较，过去曾有许多作者利用蒙特卡罗仿真来预测融合系统的性能。这些结果有助于更加深入地了解跟踪融合的作用原理，并大大简化了对融合性能的评估。此外，有了这样的解，简化了对各种不同工作条件下设计融合系统的折衷研究。     

用于目标识别跟踪的雷达/红外成像双模传感器数据融合技术

目标识别和跟踪是模式识别领域的一重要研究内容。基于单传感器（ 雷达或红外成像） 的系统存在着局限性， 分析了多传感器信号融合的必要性， 介绍了目标识别和跟踪系统进行多传感器信号融合的方法（ 特征层融合、决策层融合）及其在提高目标识别和跟踪的可靠性和抗干扰性方面的优势。介绍了基于智能模型和基于多层前向网络的目标识别算法。     

多传感器目标跟踪的实时剔野方法

考虑了目标跟踪和航天测控中测量数据的实时剔野问题，测量数据集合中严重偏离大部分数据所呈现趋势的小部分数据点被称为野值点，野值的剔除对提高目标跟踪精度有十分重要的意义，己有的剔野方法从工程应用角度看，存在不适宜成串出现的野值。需要人工干顾、计算量大，不适宜在线快速处理等缺点，多传感器目标跟踪系统可以通过合理利用传感器的互补与冗余信息来能提高系统的目标跟踪性能，本文在多传感器目标跟踪条件下，综合利用多传感器数据形成的对目标状态参数的正确描述和测量数据集合主体的变化趋势，给出了实时、准确、高效地识别测量数据中野值点的方法。仿真结果表明利用多传感器目标跟踪中航迹融合的分布式融合方法，可以快速、有效地解决野值斑点剔除问题。     

数据融合黑板型专家系统

给出了一种多传感器数据融合和黑板模型推理的专家系统的实现方法。系统以飞机平台为目标，利用多站多个传感器所获得的雷达、通信、敌我识别信息，通过多传感器数据融合和人工智能黑板模型推理，实现对飞机平台的识别和定位。     

用不同传感器作航迹融合

分析了用不同传感器作航迹跟踪时的运动矢量融合算法，为了简单起见，假设两个不同的传感器装有不完全相同的两维最佳线性卡尔曼滤波器。文章指出，如何这两条航迹融合的互相关矩阵是正定的，就能改进航迹融合算法的性能。通过与机动目标相关的噪声引入的这种互相关对两种传感器的跟踪滤波器来说是共同的且容易忽视的，本文还以闭合形式导出了稳定状态下的互相关矩阵的表达式，同时获得了互相关矩阵的正定性条件，另外还讨论了正定性     

多目标探测与捕获：一种统一的方法

假设采用多目标跟踪器跟踪处于强杂波环境中的暗弱目标，在《杂波中暗弱目标的捕获》一文中，Oilver Drummond指出，对于这样的跟踪器，目标捕获（即，确定在含有持续的象素中是否存在目标）是两个截然不同的问题。具体地说，目标捕获要求有两个接收机工作特性（ROC）曲线，而目标只要求有一个。在以往有关这一主题的会议和其它会议上发表的论文以及《数据融合的数学方法》一书中，我们已经介绍了“有限集统计法”（FISST），它直接将常规的单传感器、单目标统计推广到多目标领域。在本文我们说明了怎样通过FISST使探测和捕获统一在一个相似的决策理论框架下。其基本构想是采用一个统一的具有杂波模型的Bayesian单目标跟踪器，而不是一个多目标跟踪器。与常规的探测问题相类似（即，在“只有噪声”和“目标＋噪声”的假设之间作出判断），捕获问题化为常规的判决问题（即，在“只有杂波”和“目标＋杂波”的假设之间作出判断）。此外， 我们还说明了对于这一类广义探测问题应怎样来确定“捕获ROC曲线”。     

协同作战能力多平台网络

据英国《简氏防务周刊》2005年1月25日报道,法国正在研发一种多平台态势感知演示验证系统(TSMPF),该传感器数据融合网络与美海军的协同作战能力(CEC)类似,并将在2006年下半年开始进行技术演示系统的现场测试。法国对多传感器跟踪技术已进行了相关研究,将雷达和红外数据融合为单     

基于代价函数的传感器管理算法研究

针对多传感器目标跟踪的应用背景,研究了综合考虑系统性能与资源消耗的传感器管理问题.建立了基于代价函数的传感器分配优化模型,其中代价函数包括跟踪系统偏差代价和资源消耗代价两部分.采用协方差控制技术量化系统跟踪性能,将目标跟踪的实际协方差与其期望值之间的偏差作为系统性能偏差代价.传感器管理优化模型通过最小化当前时刻系统的总代价来分配传感器以维持目标跟踪.仿真结果表明,与传统的协方差控制传感器管理算法相比,该方法不仅能够获得理想的跟踪性能,而且能够更加有效地分配有限的传感器资源.     

基于样条模型的多传感器目标跟踪算法研究

研究武器试验中多传感器目标跟踪的数据融合问题。通过用样条函数表示目标轨迹参数,建立了问题的节省参数模型,并构造了快速的样条递推算法和参数估计算法。采用样条函数这种稀疏表示方法后,新方法能有效地减少待估参数的个数,提高参数估计精度,在减少计算量的同时降低处理系统的存储负担。仿真结果说明新算法能在很短的时间内完成数据融合,且得到的融合结果精度很高。     

多传感器信息融合技术

多传感器信息融合可以获得比单一传感器更多的信息，是一种发展趋势。文章从多传感器组网出发，讨论了多传感器信息融合的分类，融合方法，重点研究了分布式多传感器数据融合模型和检测方法，提出了一种基于人工智能的多传感器数据融合专家系统模型。     

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。     

一种新传感器组网策略在纯方位目标跟踪中的应用

纯方位目标定位精度不仅与所选择的节点数目有关，而且还与目标和节点间的相对位置有关，为了同时满足目标的定位精度尽量高和节点能量消耗尽量少这一要求，提出了一种改进的基于多目标蚁群优化算法的传感器节点组网策略。在此基础上，推导了基于当前统计模型的分散式纯方位跟踪算法并对纯方位机动目标实施跟踪。仿真结果表明：在选择相同数目节点的前提下，本文所提出的节点选择方法与传统的最近邻方法相比，跟踪精度不仅得到了提高，而且还节约了节点的能量消耗。     

多传感器信息融合研究进展与展望

介绍了信息融合定义的新认识、信息融合系统功能模型和结构模型的新发展,并就多传感器信息融合中的分布式检测融合、航迹起始、检测与跟踪的联合优化、主被动传感器系统数据关联、估计融合模型、传感器管理、非线性滤波所采用的数学工具等若干关键技术的新成果与新动向展开了讨论,详细阐述了各项技术的一些有代表性的最新进展及其在多传感器信息融合系统中的应用和发展情况。最后对多传感器信息融合技术的研究动向进行了展望,提出了今后的发展趋势和我们的研究策略。     

无线传感器网络空中目标跟踪任务分配技术的研究

以无线传感器网络对空中飞行目标跟踪为背景，针对无线传感器网络协同技术中的任务分配问题，以降低传感器节点之间的通信能量消耗为目的，提出了一种基于弹性神经网络的任务分配算法。首先对多动态联盟多目标跟踪问题进行建模，然后依据最小能量准则，采用一种非全连接的环形结构的弹性神经网络模型，解决了多目标跟踪时的任务优化分配问题以及多个动态联盟对传感器资源竞争冲突时系统能耗增加的问题。仿真结果表明，该算法与传统的方法相比，大大降低了跟踪系统的能量消耗。     

视景增强系统模拟与实验结果

当今的飞行员必须应付越来越复杂的情况。在民航方面，最关键的任务是进近着陆和滑行，尤其是在恶劣的天气条件下，飞行人员的工作负荷很大。因此，DLR的飞行导引研究所提出了视景增强系统（EVS）的概念，它能提高飞行员的工作效能，增强安全度、还能给飞行员提供完善的态势感知。在本文之前，Doehler和Bollmeyer曾于1996年在所著的“用于障碍探测和视景增强的成像雷达的模拟”一文中给出了这一概念的几个单元。本文概述了DLR的视景增强概念以及研究方法（包括模拟和实验评估两部分）。首先介绍了用于视景增强研究的驾驶员在环路中模拟环境。采用对成像传感器（成像雷达与红外成像传感器）的实时模拟来补充现有的固定基地飞行模拟器。采用数据融合方法组合的不同等级的信息（如地形模型数据，经过处理的由传感器获取的信息、飞机状态矢量与经数据链传递的信息等）来产生增强的景像显示。本文的第二部分将给出一些实验结果。通过与Damiler Benz航空传感器系统公司合作，将毫米波成像雷达样机安装到试验车和试飞机上。迄今为止，这种复杂的HiVision雷达是性能最好的全天候传感器之一。本文示出了采用这一传感器所获得的图像，以及基于数字地形模型的数据融合处理的结果。最后给出一个短的录相片来结束本文。     

一种接近最优JPDA算法

多目标跟踪的关键问题是点迹－航迹数据关联。点迹是从能够提供位置信息的目标或背景杂波中接收到的信号。如果一条航迹关联上不正确的点迹，那么该航迹会偏离目标且过早终止。甚至会引起其它航迹也偏离目标，大多数点迹－航迹数据关联方法分为两类：多假设跟踪（ＭＨＴ）和联合概率数据关联（ＪＰＤＡ）。ＭＨＴ方法用所有或部分适宜的点迹修正航迹，并延迟判断那一个点迹是正确的。ＪＰＤＡ用合理点迹的加权和修正航迹，这些权值是