面向地面时敏目标跟踪的多传感器智能切换技术

针对地面时敏目标跟踪问题,提出了一种多传感器组合的智能切换方案。首先结合可能的作战任务需求,对跟踪平台中多传感器集合进行初始配置。然后根据初始配置的传感器集合和不同传感器具有数据互补性的特点完成传感器分类组合。基于当前统计模型的机动目标跟踪算法,给出综合考虑目标跟踪精度和在线运算时间的多传感器组合智能切换目标函数,并计算每一传感器分类组合的目标函数值,同时根据目标函数值实现多传感器智能切换。最后,通过一个仿真实验验证了所提出的面向地面时敏目标跟踪的多传感器智能切换方法的有效性。     

基于PSO的无线传感器网络中传感器节点的选择

本文考虑在目标跟踪系统中的传感器资源管理问题。由于频率,能量和带宽的限制,以及计算量过大的问题,本文提出一种粒子群算法,利用CPCRLB函数作为适应度函数对传感器选择,使得目标跟踪精度不损失的情况下得到最优组合,并且节省能量与减小计算量。     

机载传感器时间间隔优化管理算法

提出了一种机载传感器目标探测时间间隔优化管理方法.该方法考虑目标状态估计精度,采用交互多模型滤波算法进行传感器量测信息滤波,进而实时计算传感器目标探测跟踪的信息矩阵.在此基础上,搜索计算传感器在一定探测目标精度下的探测最佳间隔时间,实现机载传感器探测资源的有效配置和管理.进行了该传感器时间间隔优化管理算法的仿真研究,结...     

基于效能函数的自适应传感器跟踪资源分配

针对基于效能函数的传感器管理算法存在的问题, 结合集中式序贯Kalman滤波算法, 将协方差自适应传感器管理算法应用到目标-传感器(组合)配对函数的计算中, 实现了传感器与目标配对系数的赋值与自动更新; 结合目标优先级函数, 提出了一种基于效能函数的自适应传感器分配算法。该算法的仿真结果表明, 有限的传感器资源既能够根据期望跟踪精度自适应分配, 又能够根据目标优先级动态地调整, 使传感器的分配策略更加合理有效。     

基于红外和雷达的目标跟踪数据关联快速算法

在顺序串行多传感器联合概率数据关联算法的基础上,提出了一种杂波环境下多传感器多机动目标快速跟踪算法,即顺序的MSFAFDA.首先顺序地用来自红外和雷达的量测更新状态估计,然后应用多传感器快速数据关联算法进行数据关联,易于推广到具有多个传感器的跟踪系统.仿真结果表明,MSFAFDA算法的计算量要比一般的多传感器IMM-JPDA算法小,具有更快的收敛速度;跟踪的目标数越多,MSFAFDA算法在实时性方面的优势就越明显.     

一种基于离差矩阵控制的传感器管理算法

传感器管理是对系统中的传感器进行优化分配以实现目标跟踪性能的优化和系统资源的有效利用。针对跟踪多目标的传感器管理问题建立了传感器管理模型,提出了一种基于离差矩阵控制的多传感器与多目标分配算法。该算法把所有目标的离差矩阵大小的和作为优化的目标函数,能够使目标的跟踪精度尽量接近期望值。同时采用遗传算法来寻找使目标函数最优的传感器分配方案,提升了计算速度。仿真结果表明,该算法能够对多传感器与多目标进行有效的分配,既达到了期望的目标跟踪精度,又节约了系统资源。     

一种多传感器融合的多维数据互联算法

多传感器融合的数据关联问题一直是目标跟踪领域的核心与难点之一.文中提出了一种多传感器融合的多维数据互联算法.首先进行多目标跟踪模式的判断,根据跟踪模式选取不同维数的数据互联算法,对现有的多维数据互联算法存在问题进行了分析和改进,给出了算法实现的伪代码.仿真与实验结果表明,该算法对弹道目标跟踪具有较好的效果,对复杂环境下的多目标也能进行稳定地跟踪.     

基于模糊Topsis的传感器资源分配算法

影响传感器资源分配的目标属性有多种.文中将目标模糊多属性效用作为传感器资源分配的依据,提出了一种基于模糊Topsis的传感器资源分配算法,并分别给出了影响资源分配的目标多属性模糊效用函数.提出了几种传感器资源分配性能评价指标.仿真结果表明,该算法充分考虑了目标跟踪和威胁等多因素,更符合不同目标对传感器资源的需求.     

多传感器交互滤波算法

 由于传感器节点感知范围有限,传感器网络内的目标跟踪过程可以被建模成为一个马尔可夫跳变系统.以此为基础根据贝叶斯理论设计接力卡尔曼滤波算法,重构新息方程,实现网络中连续的协作式跟踪.进而通过混合每次迭代状态和方差的初始值,提出了多传感器交互滤波算法.其性能优于接力卡尔曼滤波算法,却牺牲了算法的计算复杂度.最后,仿真结果验证了所提算法的有效性.     

基于递推质心算法的二元传感器网络分布式目标跟踪

传感器网络的一个重要应用方向是目标定位与跟踪。为了减少通信消耗,二元传感器是一个很好的选择。在递推质心算法和动态分簇结构的基础上提出了一种分布式递推质心算法,并将其应用到二元传感器网络分布式目标跟踪中。计算机仿真结果表明,该算法能够有效地对目标进行定位跟踪,并能够在节点密度大、节点探测半径大和采样周期小的情况下减少能量消耗和计算量,从而延长网络使用寿命。     

多传感器多目标跟踪算法性能分析

多假设与联合概率数据互联算法都能很好地解决杂波环境下的多目标跟踪问题。随后 ,人们在此基础上又将单传感器多假设、联合概率数据互联算法推广至集中式多传感器系统与分布式多传感器系统。近来 ,也有文献提出将广义S D分配算法动态化 ,实时地应用到集中式多传感器系统对杂波中的多目标进行跟踪。这些算法各有特点 ,因而它们在不同的情况下 ,算法的跟踪精度、实时性等方面各有优劣。然而 ,至今尚未见到有文献对这些算法在统一环境下进行分类比较 ,文中假定多种典型的多目标运动环境 ,对上述算法在这些环境下进行仿真实验 ,并根据仿真结果对它们各方面的性能进行综合分析     

集中交互式多传感器模糊联合概率数据互联算法

 为了解决杂波环境下多传感器多机动目标跟踪问题,本文提出了一种集中交互式多传感器模糊联合概率数据互联算法.该算法首先设定多个跟踪模型并计算每个模型中测量点迹与航迹测量预测之间的模糊综合相似度;然后基于阈值判别及经验概率法则计算模糊联合互联概率,并基于此概率对各航迹进行状态估计及状态估计协方差的更新;最后计算各模型概率,并据此概率对各模型所获得状态估计进行加权得出各航迹在融合中心最终的状态估计.对该算法与集中交互式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者有显著提高,同时有效地降低了周期耗时,综合性能更优越.     

一种基于费歇信息增量的多传感器对多目标的分配方法

在对序贯Kalman滤波在多传感器多目标跟踪中的应用情况进行分析之后,提出了一种基于费歇信息增量的多传感器对多目标的分配方法．该方法较好地解决了传感器的组合分配问题,并能对目标的跟踪精度实施控制,仿真结果证明了该方法的有效性．     

基于约束最小二乘的纯方位多站被动跟踪算法

纯方位单站目标被动跟踪需要观测站作机动才能满足可观测条件,导致跟踪算法收敛时间较长。基于纯方位多站被动跟踪算法可以解决算法收敛时间较长的问题,文中提出了一种约束最小二乘算法用于纯方位多站被动跟踪,它首先为最小二乘算法引入约束条件,利用矩阵最小特征值所对应的特征向量,解决了EKF 算法需要初值的问题,避免了滤波的发散,同时也极大地减小了最小二乘估计的偏置。仿真表明,这种算法能够渐进地逼近估计误差的下限,并且其精度有所增加,是一种渐进、稳定以及近似无偏的估计算法。     

Multi-Deme Parallel FGAs-Based Algorithm for Multitarget Tracking

For data association in multisensor and multitarget tracking, a novel parallel algorithm is developed to improve the efficiency and real-time performance of FGAs-based algorithm. One Cluster of Workstation （COW） with Message Passing Interface （MPI） is built. The proposed Multi-Deme Parallel FGA （MDPFGA） is run on the platform. A serial of special MDPFGAs are used to determine the static and the dynamic solutions of generalized m-best S-D assignment problem respectively, as well as target states estimation in track management. Such an assignment-based parallel algorithm is demonstrated on simulated passive sensor track formation and maintenance problem. While illustrating the feasibility of the proposed algorithm in multisensor multitarget tracking, simulation results indicate that the MDPFGAs-based algorithm has greater efficiency and speed than the FGAs-based algorithm.     

基于最小模型组最优模型扩展的机动目标跟踪方法

针对变结构多模型算法中模型集自适应较复杂,且模型扩展受模型结构限制等问题,提出了一种最小模型组最优模型扩展的机动目标跟踪算法。该算法以最小模型组作为基础有效模型集,采用模型组切换方法进行模型组自适应;并根据Kullback-Leibler距离准则在连续的模型空间中对基础模型组进行最优模型扩展。因此,该算法具有模型集自适应简单、模型激活不受模型结构的限制等优点。多组实验仿真结果表明:该算法既可以对相同结构的模型进行激活,也可以对不同结构的模型进行激活;在没有明显增加计算量的同时,提高了目标的跟踪精度,具有较好的跟踪效果。     

简评基于图像融合的目标识别和跟踪算法

传统的目标识别和跟踪算法都是基于单传感器图像的.随着多传感器图像融合技术的深入发展,其在目标识别和跟踪领域的应用也越来越广泛.评述了基于图像融合的目标识别与跟踪算法,包括融合预处理、融合识别和融合跟踪,说明了图像融合思想在目标识别与跟踪领域的优越性.     

李世忠，王国宏，吴 巍，苏少涛

在强对抗条件下雷达/红外双模复合制导跟踪中,雷达采用间歇工作方式可以减少敌方导弹拦截概率和电子支援措施锁定概率。文中在导弹复合制导跟踪中提出了一种雷达间歇工作下的雷达与红外序贯滤波融合算法,该算法针对雷达、红外量测时间不一致的特点,采用顺序处理结构的多传感器集中式融合方法对目标进行跟踪,在跟踪中使用了基于交互多模型和扩展卡尔曼(IMM-EKF)的序贯滤波方法,利用滤波过程中的状态估计协方差与测量误差方差进行比较控制雷达间歇工作。该算法可以自动适应雷达间歇工作,不需要在单/双传感器跟踪模式之间切换,最后通过仿真的方法分析了传感器数据率和雷达间歇工作对跟踪精度的影响。     

多运动平台多传感器机动目标自适应跟踪

针对多运动平台多传感器背景下的机动目标跟踪问题,提出了模糊自适应无迹卡尔曼滤波(FUKF)算法,基于良好机动性描述的"当前统计"模型和良好非线性滤波能力的UKF(Unscented Kalman Filter),利用模糊推理技术实时自适应地调整系统噪声协方差矩阵,来提高对目标机动性的理解能力和跟踪精度.仿真实验表明该算法的有效性.