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。     

密切关联的高距离分辨率自动目标识别与动目标显示跟踪系统的多模型估计器

本项研究的目的是利用采用高距离分辨率雷达（HRRR）与动目标显示测量的跟踪与自动目标识别系统之间的关联性。正如下文将要提到，这些系统是通过姿势、运动状态以及联贯约束关联起来的。利用这些关联性可使一个紧密关联的系统的性能大为提高。这一问题涉及两类不同类型的空间，即连续的运动学空间（如位置与速度），与离散的目标类型空间。我们选用多模型估计器（MME）来解决这一问题。MME由一组扩展卡尔曼滤波器组成（每一个目标类型配备一个滤波器）。采用这些扩展卡尔曼波滤器来处理连续的运动学空间的数据。此外，还要计算出每一个卡尔曼滤波器的概率并利用来测定对应的离散空间目标概率。本文给出的实验结果表明其性能优于常规的方法。     

用自适应INS、单脉冲MUSIC和STAR（AIMS）进行目标瞄准

利用目标信号估计目标角度会受到主波束干扰的影响，解决该问题的一个办法就是综合多个传感器的数据。自适应单脉冲多信号分类（MUSIC）算法可以在干扰中区辨出目标方位角估值和俯仰角估或真实频谱。但在进行目标识别和分类时，仅依靠这种算法不能得到理想的误差概率。通过综合综合导航系统（INS）和单脉冲雷达的方位与俯仰信号，能提高精确检测目标位置的概率。设计AIMS算的目的是进行目标瞄准，并综合自适应INS系统、四孔径单脉冲雷达和空时自适应信号处理器的信号。自适应INS系统不断测量地基目标的位置变化；四孔径单脉冲雷达用MUSIC算法自适应地降低主波束干扰，实现可靠的角度估计；空时自适应处理机（STAP）则将目标从杂波中分离出来。结果表明，AIMS算法有效地综合了传感器数据。并提出了识别正确目标信息的效率。     

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。     

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     

"电子篱笆"型空间监视雷达测向数据关联算法

"电子篱笆"型空间临视雷达利用多测站测向数据交叉定位获取空间目标的点迹测量,多目标同时观测时会产生虚假定位点.针对此问题,提出了一种基于空间目标轨道运动特征的测向数据关联算法.该方法利用目标多普勒测量值,结合不同测向数据关联方式下得到的目标空间位置,独立计算出各测站下目标的轨道倾角(称为多普勒倾角).基于各测站计算的轨道倾角差异度,考虑虚警与漏警后构建代价函数,筛选出代价最小者完成测向数据的关联.仿真实验表明,对于绝大多数空间目标,多普勒倾角的计算精度高,数据正确关联概率高,验证了方法的有效性和实用性.     

认知雷达波形自适应数据关联跟踪算法

针对杂波背景下多交叉机动目标跟踪问题,提出一种认知雷达波形自适应数据关联跟踪算法,该算法选取目标距离-速度-方位作为观测量,并通过调整波形参数来动态改变量测误差协方差。首先,基于信息融合思想提出一种优化的概率数据关联(OPDA)算法,算法充分融合目标位置特征和运动特征对多目标交叉区域公共量测进行分类,使多交叉机动目标跟踪问题转化为多个单机动目标跟踪问题。然后,对实时更新的目标航迹,采用修正的Riccati方程估计下一时刻滤波协方差,并根据波形选择准则函数自适应选择下一时刻波形以提高系统跟踪性能。仿真结果表明,该算法增强了概率数据关联(PDA)算法的环境适应性,而且相比未采用波形自适应的数据关联算法有明显的优势。     

多传感器交叉提示多目标探测动态联盟技术研究

针对多传感器交叉提示多目标连续、高概率探测问题,引入动态联盟思想,提出了多传感器交叉提示多目标探测的动态联盟机制,为解决被提示传感器的选择问题建立了动态联盟的数学模型,提出了对每个目标形成一个动态联盟进行探测求解多个传感器动态联盟的带变异算子的离散粒子群算法。仿真和实验结果表明该算法能够得到更满意的解,优化了系统综合探测概率、总消耗以及所有目标联盟成员总数三种性能,与实际情形要求一致,从而表明了模型的合理性和算法的有效性。
     

双向互选最近邻准则下的多目标TDOA无源定位

为有效解决多目标无源定位中的数据关联难题,提出双向互选最近邻多目标数据关联算法。该算法借鉴全局最近邻思想解决多目标到达时差(TDOA)测量数据关联问题,在设置检测门限对时差测量数据进行关联初选的基础上,将所有目标和初选后数据的关联配对关系进行全局考虑,通过对初选后数据的前后向互选来解决多目标时差测量数据的正确关联问题。该算法在从众多时差测量数据关联配对点中提取真实目标位置的同时,可有效解决时差无源定位中的定位模糊问题,算法模块也可应用到多星测时差、测向-测时差等无源定位系统中。仿真结果表明,该算法能有效解决多目标时差测量数据的关联问题,最终实现对多目标的无源定位。     

采用高分辨率雷达的自动目标识别系统

本文提出了一种利用雷达传感器观测值对飞机目标联合跟踪和识别的系统。文中假设用于估计目标方向和识别目标的数据源高于分辨率雷达的距离剖面图序列。在包括目标数目以及它们的位置、方向和目标类型和完整的参数空间上运用后验分布完成推理判断。算法严格地依赖于适当地传感器和目标模型，从距离剖面图的似然值可得出目标方向，由目标动态确定目标方向的先验值。给出了高分辨率雷达数据的确定性模型和随机模型，对确定性模型研究了     

基于模态柔度的复合材料梁层间损伤识别试验研究

利用复合材料梁的模态柔度曲率改变率(MFCI)来探讨复合材料无损检测方法。采用锤击法测量计算出复合材料梁的前三阶固有频率和加速度幅值,并采用频谱转换法将加速度幅值转换成振型位移幅值,计算出复合材料梁的模态柔度曲率改变率(MFCI)值,进而检测出复合材料梁的损伤位置。以损伤的大小、位置、层为要素制作了4组不同工况的对比试件。实验结果表明,损伤单元MFCI的值5.200 6明显高于各无损伤单元MFCI的平均值0.720 5,并且它所对应的横坐标的值反映出损伤位置,发生突变单元的间距反映出损伤的大小;3个不同层上损伤MFCI的值分别为5.200 6、5.982 8、6.883 0,可间接反映出损伤发生在不同的层间位置上。多损伤的情况下,损伤MFCI的平均值为1.192也能识别出损伤位置,但比单损伤MFCI的平均值5.294小很多,说明复合多损伤互相干扰,消弱了损伤识别的效率。通过实验证明了模态柔度曲率改变率法对判断复合材料梁的层间损伤有显著效果。     

一种模糊多传感器跟踪系统

许多多传感器目标跟踪系统都是在假定数据关联过于复杂、集中式融合办法的计算要求过多而难于实现的情况下提出的。此外还需假设噪声分量相对较小、无漏检，扫描周期相对较短等等。业已证明，在采用这些假设条件生成模拟数据进行测试时，许多多传感器跟踪系统都能有效地工作。然而深入研究了几组实际数据的特点之后，就会发现这些假设并不总有效的。本文首先介绍了一种实际的多传感器跟踪环境的特点，并解释了在这种环境下现有系统不能有效完成任务的原因。然后给出克服这些系统缺陷的种数据融合方法，方法分为3步；（Ⅰ）采用一种自适应学习方法估算同步误差；（Ⅱ）漏检时调整目标的测量位置；（Ⅲ）采用一种基于模糊逻辑的算法预测下一个目标位置。为做出性能评估，我们采用不同的实际数据集和模拟数据集对融合方法进行了测试，结果令人满意。     

含无序量测的多传感器目标跟踪滤波算法

由于通信链路的随机时间延迟和星上传感器测量的预处理时间的不同等因素,导致在目标飞行器的测量中产生无序量测现象。为解决该问题,提出了一种基于扩展卡尔曼滤波的前向预测多步滞后无序量测处理算法。该算法首先采用扩展卡尔曼滤波算法估算出目标飞行器的状态方程和协方差方程,然后在滤波过程中利用前向滤波更新的方法,将协方差方程更新结果去相关后,累积到当前协方差方程滤波结果中,从而有效解决了目标飞行器测量中的无序量测问题。最后,将该算法与扩展卡尔曼滤波算法、丢弃算法进行了对比仿真。仿真结果表明,采用该算法处理目标飞行器的位置和飞行速度,得到的测量误差较小,在整个观测时间内,测量误差的收敛性较好,能够实现对目标飞行器的精确测量和跟踪。     

空间飞行器交会对接相对位置和姿态的在轨自检校光学成像测量算法

空间飞行器交会对接的最后逼近阶段，通常采用光学成像敏感器来测量跟踪飞行器和目标飞行器之间的相对位置和姿态。考虑到飞行器在轨运行期间，CCD相机受空间环境的影响，其内参数会发生变化的实际情况，提出了一种单CCD在轨自检校光学测量方案，其主要特点是飞行器在执行测量任务时，可同时进行相机内参数的自检校。首先根据严格的中心投影共线条件方程，推导出目标飞行器光学特征点坐标和对应的像点坐标与内参数及相对位置和姿态的严格解析关系；然后建立了内参数及相对位置和姿态的解析表达式；提出了目标航天器上光学特征点的布设要求。通过严格的理论分析和数值仿真，单CCD在轨自检校光学测量方案具有可靠性高、精度高、算法易实现、适应能力强等优点。     

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。     

采用最大似然人工神经系统(MLANS)的多传感器自动目标识别与敌我识别

自动目标识别及与其相关的非合作式敌我识别问题通常要求将多传感器信息融合到一个统一的战场图像中。当前解决这个问题的途径是分步进行的：首先检测目标；接着估计目标的航迹，并采用这些航迹进行多传感器信息相关或关联；经过关联的信息被综合到一体化的图像中并进行目标识别．将复杂的问题分解为几个较小的问题分步解决的缺点是每一步仅能利用部分信息。例如，从杂波中检测出目标不可能在单独传感器的一帧内完成，而且它所要利用     

UKF容错滤波方法在自主导航中的应用研究

地磁场向量可描述成卫星的位置函数，以地磁场强度向量为观测量，利用三轴磁强计的测量信息即可实现近地卫星的自主导航。但当测量值存在野值时，滤波会出现偏差、收敛变慢甚至发散。将UKF滤波容错方法用于磁测自主导航，构造出一种基于残差正交性判别的UKF（Unsend Kalman Fiher）容错滤波方法，来实现野值的实时修正和故障诊断，使滤波器具有较强的鲁棒性。仿真结果表明该方法有效。     

交会对接最后逼近阶段CCD相机的测量方法

本文提出交会对接最后逼近阶段，在ＣＣＤ相（及二极管阵列）任意安装条件下，测量追踪飞行器相对于目标飞行器位置和姿态的方位角法和成象法测量方案，及在采用单机和多机时的算法，并进行了分析比较。在采用单机时，精度很高，而采用双机或多机，算法简单，速度快。将两者结合起来，可以较好地解决该阶段的测量问题。     

空间预警系统对弹道导弹发射点战术参数估计方法

本文围绕空间预警系统对弹道导弹发射的探测和监视过程，根据地球同步轨道上的星载传感器获得的角测量及有关目标弹道曲线的先验信息，利用改进的Gauss-Newton方法解决了对发射点战术参数最大拟然估计问题，并采用Monte实验验证估计算法的一致性和有效性，且对发射点位置的估计误差进行了分析。     

直角坐标系中雷达测量方差的两种计算方法

文章提出了依据雷达极坐标测量标准差和采用雷达极坐标测量数据估计直角坐标系中雷达测量方差以及目标位置误差的2种计算方法,分别为依据目标在统一直角坐标系中各坐标分量上的标准差得到目标位置间接测量偏差的标准差法和基于直线航迹线参数估计的统计学方法。结合相关滤波方法进行试验验证表明,这2种方法应用于多雷达加权航迹融合模型中的雷达测量权值动态分配过程中,均取得良好效果,对于卡尔曼滤波器等传统滤波器和多雷达航迹关联算法也具有较高的推广和应用价值。