共查询到20条相似文献,搜索用时 15 毫秒
1.
为了充分利用信号在时间上的冗余性,尽可能降低信号不确定性带来的影响,将DS证据理论引入到灰色航迹关联过程中,对局部节点每一时刻观测样本之间的灰关联度集合给出一个信任测度,然后利用DS组合规则对各时刻观测样本的信任度进行合成,得到信任度更高的结果,从而提升航迹正确关联率。仿真试验结果证明该算法性能明显优于单纯的灰色航迹关联算法。 相似文献
2.
3.
4.
5.
一种应用DS证据理论的雷达目标与IFF点迹关联方法 总被引:1,自引:0,他引:1
针对目标数量多、目标构成复杂环境下雷达目标与敌我识别(Identification Friend or Foe, IFF)点迹关联不准确的问题,提出了一种基于DS(Dempster-Shafer)证据理论的关联方法。基于区间灰数模型完成雷达目标与IFF点迹的灰关联度计算,并据此生成DS证据理论中辨识框架的基本概率赋值;利用Dempster规则对证据进行组合,当证据之间存在冲突时采用改进Murphy方法对数据进行处理;最终通过概率转换方法完成关联判决,形成对目标敌我属性的判定。典型场景下的仿真结果表明,该方法能够实现雷达目标与IFF点迹的有效关联,通过多次询问及关联过程,可提升不同场景下的关联正确率。 相似文献
6.
日益复杂的电磁环境对战场目标探测提出了很高的要求。由于多雷达融合系统的不断发展,如何准确快速地完成多雷达的航迹关联成为一个亟待解决的问题。现有的关于航迹关联算法的研究大多只考虑雷达上报的最新目标航迹点,而没有考虑先前的航迹信息。除此之外,大多数航迹关联算法对于航迹异步问题的解决方法是进行时间配准,这不仅增加了算法本身的计算开销,还放大了航迹信息中包含的误差,因此难以应用于目前复杂的电磁环境中。本文提出一种适用于对异步航迹进行关联的、且无需进行时间配准工作的基于孪生神经网络的航迹关联算法(TTCSN)。该算法首先将待关联航迹两两组成一对,将其成对地送入特征提取网络中,再利用共享权重的双向LSTM网络提取输入航迹的隐含特征,之后对两条航迹的特征向量进行相似度计算,得到相似度向量,最终送入分类器完成关联航迹与非关联航迹的判别。实验表明,TTCSN算法能够有效地解决异步航迹关联问题。 相似文献
7.
8.
9.
10.
基于D-S证据理论的多传感器数据融合 总被引:2,自引:0,他引:2
D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一,但在证据高度冲突时,其归一化过程会产生有悖常理的结果。针对这个问题,国内外的学者提出了许多不同的改进方法,基本上可分为两类:修改组合规则和修改融合模型。在此总结分析了相关的国内外典型文献的改进思想,并进行系统条理的分析,为证据理论的发展和改进提供了有价值的参考。 相似文献
11.
12.
13.
针对雷达数据智能航迹关联准确率较低的问题,文章提出了一种融合多尺度卷积神经网络和改进长短期记忆网络的航迹关联方法。首先,利用多尺度卷积神经网络提取多个维度的空间特征,避免固定尺寸的卷积核产生视野限制,使网络能够提取更高维度的特征。然后,将特征送入改进的长短期记忆网络捕获时间维度上的特征,改进后的单元结构充分考虑相邻时刻航迹数据的关联性,有效抑制了噪声和误差产生的影响。最后,仿真实验结果表明,该方法有效提高了航迹关联准确率。 相似文献
14.
多雷达多目标航迹关联算法大多量测数据中因信息贫瘠的原因导致雷达目标航迹关联精确度较差、性能较低等一系列问题。基于灰色关联分析理论的航迹关联算法,分析研究了综合性线段Hausdorff距离(LHD)灰色关联方面的理论,并将其用在雷达航迹关联领域。通过仿真证明,该算法能够综合考虑航迹之间的距离远近度和2条航迹曲线的拟合度。特征辅助信息不仅可以用于数据关联,也可以用在航迹关联方面。提出基于目标特征辅助信息的序贯灰色关联算法,仿真证明该算法与传统灰色关联算法相比精确度较高,能够在工程实践中提高关联概率。 相似文献
15.
在多目标跟踪过程中,机载预警雷达固有的多普勒盲区容易引起目标航迹中断和重起批,形成大量航迹片段,从而增加雷达情报分析的难度。基于此,提出了一种改进的多普勒盲区下的航迹片段关联方法。在传统基于二维分配的关联方法基础上,将多普勒盲区和目标类别信息并入到航迹片段关联的各个环节。预处理阶段采用盲区滤波算法对“老”航迹进行预测,粗关联阶段增加径向速度作为关联信息,二维分配阶段,利用目标类别信息修正分配代价函数。仿真结果表明:在复杂多目标环境且存在多普勒盲区的条件下,该方法航迹中断数较传统方法有明显下降,航迹寿命有明显提升。 相似文献
16.
17.
18.
19.
为使WiFi无线传感器网络能够利用单次获取的接收信号强度指示(Received Signal Strength Indication,RSSI)快速定位目标并减小RSSI阴影衰落对定位的影响,提出一种改进的基于Dempster-Shafer(DS)证据理论的利用RSSI信息对室内移动目标定位(Locating Indoor Mobile Target with RSSI based on DS evidence theory,LIMT-DS)的方法。LIMT-DS方法根据传感器接收到的RSSI值构造关于目标位置估计的条件概率密度函数,并据此通过改进的证据构造方法生成各传感器关于定位环境中位置点的证据,对各位置点进行证据综合,最后通过改进的决策模式选择出目标存在可能性较大的数个定位点进行位置加权,获得目标的位置估计。仿真与实验结果表明,LIMT-DS方法可以用传感器网络单次获得的RSSI信息实现对目标的定位,其定位性能明显优于同类方法。 相似文献