基于改进的FCM和信息熵修正的航迹融合算法

在局部航迹信息质量不均衡条件下,选择所有局部航迹进行航迹融合的算法会造成系统航迹质量下降。为了提高跟踪性能,提出了一种基于改进的模糊C均值(FCM)和信息熵修正的航迹融合算法。通过交互式多模型(IMM)滤波后的航迹信息对聚类数据做“质量”修正,改进后的FCM算法对局部航迹进行聚类分析,利用信息熵和隶属度对局部航迹进行选择和融合,达到修正聚类中心和提高系统航迹质量的效果。仿真结果表明：当多个传感器跟踪机动目标时,在传感器的观测精度发生变化和存在量测丢失的情况下,该算法的跟踪性能优于已知的航迹融合算法。     

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。     

基于多信息加权融合的降维航迹关联算法

针对分布式3个传感器多目标的航迹相关算法如果直接计算时间和花费都比较高这一问题,提出降维航迹关联算法。该算法先利用2个传感器的目标位置估计点构造航迹相关代价矩阵,求出最优解,再利用这个最优解与第3个传感器的目标位置估计点构建航迹相关代价矩阵,进一步得到三维航迹相关配对。针对单信息系统不稳定这一问题,提出了融合多个特征信息的加权算法。该算法利用熵权法赋予各种不同信息的权重进行加权融合,转化为单信息问题。仿真结果说明本文所给出的新算法不仅减小了目标跟踪误差而且其时间花费较少,因此,新算法是可行的。     

一种分布式异步航迹融合算法

在多被动传感器目标跟踪中,融合中心处理的信息一般是同步的,然而实际情况并非如此。另外,一些被动传感器只能得到目标的方位信息,无法单独形成有效航迹,这就需要将各传感器数据同步到相同时刻,然后应用同步融合算法。针对被动传感器探测系统,采用传感器到传感器融合和系统到传感器融合的分布式融合结构,并对各局部传感器引入全局反馈,对相关信息采用协方差交叉算法进行处理,完成被动传感器异步数据的融合,仿真结果表明,该算法具有较好的融合效果。     

预警机多传感器信息融合技术研究

针对预警机多传感器信息融合问题,介绍了信息融合的基本原理与框架,在此基础上给出了信息预处理、多航迹相关和航迹融合的具体算法,并针对融合的过程进行了仿真验证,结果表明本算法具有工程可行性。     

机载雷达目标跟踪与航迹信息提取

针对机动目标跟踪中航迹信息提取精度不高的问题,提出一种ECEF坐标系下基于交互多模型的多机协同跟踪算法。首先,各载机以ECEF坐标系为融合中心对目标量测进行无偏转换处理,以有效减小量测转换误差对目标跟踪的影响;然后,利用交互多模型的方法对目标进行融合跟踪,以进一步提高目标机动时的跟踪精度;最后,通过二次滤波的方法,来有效实现目标航迹信息的精确提取。仿真结果表明,该算法可较好地提高目标机动时的跟踪精度和航迹信息提取精度。     

一种对多传感器异步数据的融合处理方法

在传感器异步采样时刻情况下 ,对机动目标的跟踪滤波算法进行了探讨 ,基于细分时间片的方法 ,提出了一种将多传感器数据组合成类似于单传感器数据的异步数据处理方法 ,运用于目标点迹航迹的合成。通过对多传感器数据的利用 ,增大对目标观测的数据流数据率 ,来提高跟踪精度。仿真实验显示 ,各通道的均方根误差均相对减小 ,表明了算法的可行性。     

基于PTE的多雷达航迹融合算法

针对杂波背景下的多雷达航迹融合时局部估计误差互协方差矩阵未知的问题,提出基于目标存在概率（PTE）的航迹融合算法,提升了正确航迹率和跟踪精度。首先,通过综合概率数据关联得到单接收站的目标航迹估计集合和对应的目标存在概率。然后,在局部估计误差互协方差矩阵未知的条件下,基于PTE信息提出不带记忆的综合广义凸组合航迹融合算法。进而将前一帧的融合状态进行反馈,提出带记忆的综合广义凸组合航迹融合算法。仿真验证了所提算法的有效性。     

基于多传感器的机动目标跟踪与融合技术综述

在分析了目标跟踪技术的重要地位之后，对目标跟踪要素进行了简要介绍。同时，描述了机动目标建模、滤波算法、航迹管理、传感器管理以及目标身份识别技术常用的方法，试图对基于多传感器的机动目标跟踪和识别算法构建一个轮廓和框架。     

基于航迹质量评估的雷达和ADS-B数据融合方法

雷达和广播式自动相关监视系统（ADS-B）的数据融合是监视“黑飞”无人机和飞鸟等目标的有效手段,然而两种传感器跟踪性能差异较大且易波动,会带来融合精度下降问题。提出一种基于航迹质量评估的雷达和ADS-B 数据融合方法,首先量化评估局部航迹精度、数据更新次数和传感器测量误差对局部航迹质量的影响,其次综合计算局部航迹的质量加权因子,最后基于分布式融合结构完成异步航迹融合处理。结果表明：本文提出的融合处理方法能有效提高融合跟踪精度,在传感器跟踪性能出现波动的情况下,跟踪误差均优于传统航迹融合方法。实际工程应用中的融合效果也验证了本文方法有助于实现对低空合作和非合作式目标的综合监视。     

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。     

基于模板匹配的集中式多传感器群内目标精细跟踪算法

为解决多传感器探测下群内目标精细跟踪的难题,基于非机动情况下各探测周期内群内目标真实回波位置相对固定的特性,提出了一种基于模板匹配的集中式多传感器群内目标精细跟踪算法。该算法通过预关联成功的群状态集合与群量测集合分别建立模板形状矩阵和待匹配形状矩阵,利用匹配搜索模型和匹配矩阵确认规则选出代价最小的匹配矩阵,并基于模板和对应的匹配矩阵利用 kalman滤波完成群内各目标航迹的状态更新。仿真表明,与传统多传感器多目标跟踪算法中性能优越的基于数据压缩的集中式多传感器多假设算法相比,该算法在跟踪精度、实时性、有效跟踪率方面的性能明显优越,能很好的满足群内目标精细跟踪的实际工程需求。     

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。     

基于空间多特征综合推理的航迹航路关联

针对航迹分类问题,研究了基于空间多特征的综合推理在航路判读中的应用。首先根据空管系统对航路以及飞机飞行的要求,对航迹航路相关问题进行建模。然后根据已知的传感器系统输出的目标特性(位置,航向)与已知的多个航路信息分别进行相关度计算,构造基本信任函数,通过对其融合,得到目标单特征识别结果。其中,通过合理地引入复合类,实现了对目标类别的广义信任分类。建立了多特征折扣融合算法,对多特征基本信任函数进行折扣后再融合,得到目标多特征识别结果。仿真结果以及空管实际数据测试表明:该算法不仅可以实现航迹分类,同时可以有效地降低分类的错误率。     

分布式无源传感器系统多目标跟踪算法

研究了分布式无源多传感器系统多目标跟踪问题,在只有测向信息可以利用的情况下,分布式系统首先利用波门技术分别对各个无源传感器角度测量数据进行关联配对和滤波;然后,将处理结果送到融合中心,在融合中心通过构造的χ2分布检验统计量进行多目标方位航迹的关联;最后,通过交叉定位和位置信息融合获得多个目标的位置信息估计,实现无源多目标跟踪。论文通过仿真分析对算法的有效性和可行性进行了验证。     

纯方位二维目标跟踪的航迹起始算法

 针对传统航迹起始算法在纯方位目标定位和跟踪系统应用中存在的弊端,提出了一种完全基于角度量测的快速航迹起始算法。该方法通过深入分析目标在角度坐标下的运动特性,给出了全新的关联门构造方法。该波门技术有效提高了纯方位二维目标真实量测的确认效率,极大限制了虚假航迹随密集杂波的扩张。利用此波门,通过基于逻辑的方法对仅有角度量测的目标航迹进行扩展。该方法有效地解决了角度坐标系下机动目标的航迹起始分辨率下降的问题,为基于单个被动传感器纯方位跟踪系统进行快速、准确的航迹起始提供了新的思路。仿真结果及实际应用表明了此算法的有效性和实用性。     

基于混合滤波的无线传感器网络融合跟踪方法

 针对无线传感器网络(WSN)中的多传感器融合目标跟踪,提出一种混合滤波算法,称为无迹混合集中式粒子滤波(UM CPF)。该算法使用了一个混合的粒子传播方案。在使用集中式粒子滤波(CPF)对WSN中的节点测量信息进行融合时,粒子滤波器中的一部分粒子使用从无迹变换(UT)获得的高斯分布作为建议分布进行粒子传播,而剩余的另一部分粒子则简单地使用状态转移先验分布进行粒子传播。WSN中的融合跟踪仿真结果表明,和纯粒子滤波算法CPF相比,在仿真速率相当的情况下,混合滤波算法明显提高了跟踪精度和稳定性。     

非线性系统中多传感器目标跟踪融合算法研究

 研究了在非线性系统中 ,基于转换坐标卡尔曼滤波器的多传感器目标跟踪融合算法。通过分析得出 :在非线性系统的多传感器目标跟踪中 ,基于转换坐标卡尔曼滤波器 ( CMKF)的分布融合估计基本可以重构中心融合估计。仿真实验也证明了此结论。由此可见分布的 CMKFA是非线性系统中较优的分布融合算法     

基于卡尔曼滤波的数据融合技术在系统航迹中的研究与应用

本文针对空中交通管制自动化系统输出的系统航迹在边界地区出现多重目标和跳跃点的问题,提出了一种对系统航迹进行二次融合的方法,建立了状态方程和测量方程,提出了一种自适应扩展卡尔曼滤波的跟踪算法.将系统航迹传输时延转换为空中目标的距离,用卡尔曼滤波方法对数据中的噪声进行滤波.对目标的匀速航行和机动航行进行了仿真实验,实验结果表明了该算法的正确性和有效性.最后将该算法用于系统航迹中,也取得了良好的效果.     

基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强,单一寻的制导方式很难完成对目标的稳定跟踪和精确打击,需采用多种探测器作为传感器,提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型,利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题,避免了求解复杂的雅克比矩阵。对于分布式多传感器融合,传统的方法多采用协方差交叉（CI）融合方法,但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程,且计算量小。在此基础上,提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后,对算法进行了仿真分析,并进一步验证了提出算法的有效性。