基于观测值聚类的雷达数据融合

基于模式识别理论，提出了一种通过对多传感器的测量数据聚类，以区分来自同一目标的测量数据集合，结合聚类数据集与目标预测值，应用卡尔曼滤波器估计目标的运动状态，从而实现了各雷达站目标观测航迹的数据融合．实验表明了本算法的有效性．     

雷达与被动传感器数据关联算法研究

异类传感器的信息融合问题是一个重要而又困难的研究课题：针对雷达与ESM(Electronic Support Measurement)的航迹关联问题，提出基于位置和属性单一信息的单目标规划模型，在此基础上，构建基于位置与属性联合信息的多目标规划算法模型，然后将多目标规划问题转化为单目标规划问题进行求解，并将其求解结果与仅根据来自位置或属性单一信息进行数据关联的单目标规划问题的实验结果进行比较：仿真结果表明，新算法的目标正确关联概率明显提高，是雷达与ESM数据关联的一种新的有效算法。     

测向交叉定位系统的动态航迹起始算法

提出了一种两站测向交叉定位系统多目标跟踪的动态航迹起始算法。该算法根据启发式规则消除一部分虚假定位点,用Hough变换法检测出所有直线航迹,再利用逻辑法起始真实目标的航迹。对存在虚警、漏检和目标数量未知的复杂环境的仿真研究,证明了该算法的有效性。讨论了新算法由两站系统推广到多站系统的方法,避免了多站测量数据关联的NP完全问题。     

多传感器航迹融合的评价指标及计算方法

以多传感器的观测数据与航迹正确相关与否的概率为基础，建立航迹关联分辨力、融合航迹的精度等评价指标，并给出其计算方法．     

基于跟踪滤波的航迹关联方法

提出了一种基于对目标跟踪滤波的航迹关联方法，即通过对滤波数据进行多项式拟合，计算参数误差的极大似然值，判断两条原始航迹是否来自同一目标。大量的实际数据实验表明此方法关联的正确率高。     

多特征信息融合的多目标数据关联算法

分析了对关联性能有重要影响的目标特征信息，其中包括目标的位置、多普勒频移、雷达截面积和目标的运动方向，并且针对多个目标交叉飞行时容易出现的关联错误问题，提出了一种基于多特征信息融合进行模糊逻辑推理的数据关联方法．仿真结果表明，基于多特征融合的数据关联算法具有较高的综合性能．     

基于航迹关联的一、二次雷达联合跟踪

该文针对一、二次雷达在杂波环境下多目标多传感器协同跟踪问题,提出了一种带二次雷达修正的基于航迹关联的一、二次雷达联合跟踪算法。该算法先通过一次雷达对敌友方目标和二次雷达对友方目标运用联合概率数据关联算法滤波跟踪得到航迹数据之后运用双门限航迹关联判定友方目标并撤消对友方目标的跟踪和利用二次雷达探测数据进行对敌方目标的高度信息进行自适应修正,通过蒙特卡洛仿真表明该算法在提高目标跟踪精度和减小处理器的运算量都是有效的。     

随机集粒子滤波的快速被动数据关联算法

针对杂波干扰环境下的被动多目标跟踪问题,将多站集中式融合方法与概率假设密度粒子滤波递归过程相结合,实现被动多目标跟踪．进一步,将概率假设密度粒子滤波递归过程并行化处理,每个目标使用单独滤波器跟踪,避免了大量粒子的聚类过程,简化算法复杂度,进而提出一种快速被动数据关联算法．实验结果表明,与传统算法相比,新算法可以在不增加额外计算负担的基础上,有效得到每个目标的航迹．特别对于目标发生交叉的情况,能很好地区分每个目标的航迹．     

神经网络在多目标跟踪融合中的应用研究通过鉴定

江苏科技大学电子信息学院主持研究的“神经网络在多目标跟踪融合中的应用研究”项目通过了成果鉴定。多传感器数据融合是一项新的技术。多传感器多目标跟踪是多传感器数据融合中的一个典型应用。其主要包括三大部分：数据配准、数据（航迹）关联和目标状态估计，通常有分布式、集中式、混合式等结构。目前，多传感器多目标跟踪融合是一个热门的研究课题，在国防和民用领域具有重要的应用价值。     

一种多雷达系统数据融合算法

针对多传感器多目标数据的融合问题,提出一种对多个雷达站的目标数据运用模糊聚类进行融合的方法.该方法以局部雷达α-p滤波的结果作为中心处理单元模糊聚类的初值,通过聚类迭代运算,直接融合出新的航迹.并给出了一个由3个雷达站、3种典型目标航线构成模型的仿真结果.