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。     

多传感器系统的数据融合技术

从多传感器的基本要领出发，重点分析了传感器集成系统的结构。从原理上阐述了几种结构的基本要求。它们的可应用性以及具体实例的分析表明，在多种条件下，几种结构均有各自的特点。     

用于多目标跟踪的交互多模式概率数据关联算法

本文提出了一种新近开发的采用多模式数据关联的多目标跟踪算法。多模式数据关联是建立在利用从测量序列中提取多模式多目标跟踪这一新方法上的。Markov接控制多模式间的转换，这就能对多个模式进行交互作用。模式的引进开发了高性能算法的新范式，从而提出了一种高效的跟踪算法－交互多模式概率数据关联（IMP－JPDA）算法。IMP－JPDA算法可以看作一种广义的联合概率数据关联（JPDA）算法；当仅采用一次扫描的测量时，IMP－JPDA将简化为JPDA。     

带反馈分布式不同维传感器状态估计技术

论述了带反馈分布式信息融合系统中传感器观测维数不同时的状态估计方法。在多传感器系统中，目标的测量是在极坐标中获得，而数据处理通常是在直角坐标中完成。由于二维传感器不能获得观测目标的俯仰信息，其估计将会产生一定的动态误差。在分布式的信息融合系统中，各传感器需要将各自的局部估计送到融合中心进行统一处理。如果不适当地减小这种动态误差，必然将导致整个信息融合系统的估计精度下降。针对上述问题，文章讨论了如何利用系统反馈信息，减小二维传感器的局部估计误差，从而提高整个系统的估计精度。最后，给出了算法的仿真分析。仿真结果表明该方法能够有效地减小系统动态误差。     

机动目标跟踪的非线性IMM算法

在目标跟踪时，测量噪声通常假定为高斯状，然而这种假设不一定正确，噪声有可能是非高斯型的。在雷达系统中出现的非高斯噪声被认为是闪烁噪声，闪烁噪声呈长尾形分布，此分布将严重影响跟踪性能。现已发展一种新的算法，可以在闪烁环境下有效地跟踪机动目标。该算法将非线性Ｍａｓｒｅｌｉｅｚ滤波器引入交互式多模型方法中。我们用模拟试验来验证新算法的优越性。     

多假设多目标跟踪算法评估

本文对多假设多目标跟踪算法进行性能评估。文中主要研究了作为性能量度的目标探测／航迹起始能力。通过蒙特卡罗模拟就从目标回波建立航迹的概率和虚假航迹密度两个问题评估了多假设跟踪算法。选用了一台雷达作为传感器，并在蒙特卡罗模拟中使用了一个普通的多假设多目标跟踪算法。模拟结果预示了从一个目标回波建立一条航迹的概率以及一单位时间每个扫描空域内的虚假航迹密度。如同研究检测门限和航迹质量门限的影响那样，文中研究     

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。     

多传感器跟踪多目标算法

介绍在单传感器跟踪多目标算法基础上扩展的多传感器跟踪多目标的一种算法,讨论多传感器异步报告、多传感器报告与目标配对,以及N次扫描近似技术在多传感器跟踪多目标算法中的应用.     

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。     

基于多尺度分布式融合估计的GPS/INS组合导航系统的研究

针对如何融合多传感器的数据、提高数据处理的可靠性和精度的问题,将基于模型的动态系统分析方法与基于统计特性的多测度信号变换方法相结合,提出基于Kalman滤波的多尺度分解与估计联合的多尺度分布式融合估计算法.该算法首先建立系统的动态方程和观测方程,再利用小波变换将数据在不同尺度上进行融合处理,归纳出该算法的实现步骤.最后通过组合导航系统的仿真验证算法的有效性,结果进一步证明了该算法能够有效地提高多传感器数据的处理精度.     

多传感器组合导航系统分层融合算法

从信息融合角度来看，目前在组合导航系统中广泛应用的联合滤波算法居于两级式分布式融合结构。而分层融合结构作为多传感器信息融合的另一种重要的模式，在组合导航系统中应用尚未见报道。本文研究了多传感器组合导航系统的分层融合算法，重点与联合滤波算法进行了比较。以定理的形式证明了在一定条件下分层融合算法与联合滤波算法的等价性问题。进而提出了分层融合算法的部分反馈模式。仿真结果表明，部分反馈模式的有序分层融合算法可有效地应用于多传感器组合导航系统。在相同的容错能力和计算复杂性下，可以得到优于联合滤波的导航信息融合结果。     

多传感器数据融合与弹道落点的预报

为了更精确地对弹道落点进行预报，对多传感器数据融合技术进行了,分批人出了雷达、红外系统和光测系统与传感器融合子系统连用的实例，并得出结论：单传感器的精度是难以满足现代战争需要的，寻求一种较好的融合方法来提高落点预报精度虽是一个难题，但仍是可行的。     

相控阵雷达多目标跟踪算法研究（连载一）

以多功能相控阵雷达为背景，研究了多目标跟踪问题，针对“当前”统计模型及自适应跟踪算法的不足，提出一种修正自适应滤波算法；并探讨三维混合坐标系下的机动目标的建模与预报；且基于简化联合概率数据互联CJPDA（Cheap Joint Probabilistic Data Association)算法，提出一种实用方法直接计算后延概率，比CJPDA方法精度高，并根据“最近邻”JPDA思想，给出一种优化方案，蒙特卡罗仿真表明，本方案能有效跟踪多个机动和非机动目标，且易于实现。     

基于不确定性分析的多传感器航迹融合算法

针对目前多传感器系统中常用的航迹融合方法精度与计算量不能兼顾,不能很好地处理不确定性,特别是对曲线航迹拐点的融合误差较大等问题,提出一种基于不确定性分析的航迹融合算法.该算法通过分析航迹融合所需的信息量,用标准熵量化每条航迹的不确定程度,从总体上删除质量较差的航迹,然后对每条参与融合的航迹进行分析,用正交多项式回归的方法剔除了测量误差较大的数据点.该算法有效的处理了传感器航迹中的不确定因素,解决了目前航迹融合方法中拐点融合误差较大的问题,以较小的计算开销达到了较高的精度,从而平衡了精度与计算量之间的矛盾.最后在多传感器多航迹的环境下讨论了其具体实现过程,仿真实验结果验证了该算法的有效性、优越性.     

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     

基于交互式多模型的红外／雷达低小慢目标跟踪算法研究

研究了基于交互式多模型（IMM）的低小慢目标跟踪问题。基于低小慢目标运动特征的分析,以及目标匀速（CV）直线、匀加速（CA）直线、曲线飞行航迹模型,给出了目标跟踪的IMM算法及其流程。仿真结果表明：该算法能稳定精确跟踪低空目标。