基于DS证据理论的灰色航迹关联技术研究

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。     

雷达组网航迹灰色关联方法

针对雷达组网航迹关联问题,提出了一种基于灰色区间相对支持度的解决方法。通过分析雷达量测值与目标真实值之间的不确定关系,提出利用相对确定的区间数来处理测量误差的影响,在不同纬度区间数的基础之上构建灰色区间,通过计算灰色区间相对支持度,构建灰色区间相对支持度矩阵,将相对支持度最大的两个灰色区间作为判断航迹关联的依据。实例表明,该方法能够较好地解决组网雷达航迹关联问题。     

基于小波变换的航迹关联方法

该文基于小波框架条件及多分辨率特性,提出了一种新的自适应航迹关联算法。将目标航迹数据序列分解为整体走势和局部特征两方面来解决航迹关联问题。当目标作匀速直线运动时,只比较两航迹的整体走势;当目标作机动运行时,同时比较两航迹的整体走势和局部特征(机动性)。理论分析和仿真实验证明了该算法的有效性和合理性。     

基于纯方位信息的多传感器航迹融合仿真分析

对于现代战场环境来说,多传感器信息融合越来越重要。但是由于不同传感器性能存在差异,使用不同的关联方法会造成航迹关联正确率不同,航迹关联正确是航迹融合有效的基础,因此需要深入研究。首先理论分析了异类传感器航迹融合性能的主要影响因素及其影响程度,提出了异类传感器航迹关联方法。仿真结果表明,提高传感器测量精度、降低异类传感器测量精度差异、提高异类传感器航迹关联正确率将会改善航迹融合的效果。     

一种应用DS证据理论的雷达目标与IFF点迹关联方法

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。     

基于孪生神经网络的航迹关联方法

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。     

基于拓扑序列法的灰色航迹关联方法

为了解决组网雷达存在系统偏差情况下的航迹关联问题,提出了基于拓扑序列法的灰色航迹关联方法。首先,采用灰色理论生成当前时刻目标拓扑序列的灰色关联矩阵,并建立航迹间的相关度量;然后,运用全局最优化方法对相关度量矩阵进行最优化分配获得航迹关联对。该算法采用全局最优化方法避免了门限选择不当对正确关联概率带来的影响,有效地利用了航迹的空间分布信息和状态信息。仿真结果表明,该算法可以有效地实现系统偏差情况下的航迹关联。     

弹道目标多传感器低重合率航迹关联技术研究

弹道目标伴随着运动速度快、区间跨度广、测量误差大等因素,多传感器在协同跟踪时相互间因重叠率低产生航迹中断是一个比较普遍的现象。这种现象因对航迹关联得到连贯完整的航迹产生影响而成为一个亟待解决的问题。针对该问题,通过对现有航迹的延续和反推,本文提出一种利用目标状态进行航迹关联的方法。实验证明,该方法可以有效解决弹道目标在低重合率条件下的航迹关联问题。     

分布式多传感器信息融合中的航迹文件管理技术

为了使文献［１～５］提出的航迹关联算法能在工程和实际中得到更好的应用。系统地讨论与这些航迹关联算法配套使用的航迹号管理、关联映射、系统航迹的建立、保持和撤消技术．并详细研究在航迹关联过程小两局部节点数据率不匹配、选主站和其它参数利用等问题的解决方法。     

基于D-S证据理论的多传感器数据融合

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。     

多传感器融合多目标跟踪中的序贯航迹关联算法

对于分布式多传感器融合多目标跟踪系统,提出一种序贯处理的航迹关联融合算法。为实现杂波干扰环境中对密集多目标的精确跟踪,航迹关联采用了粗、精关联相结合的方法,最小均方误差法用于实现航迹融合。序贯处理的航迹关联融合算法在保证航迹关联正确的同时,大大降低了计算量。仿真实验结果说明了本文方法的有效性。     

基于数据拟合的航迹关联方法

航迹关联对航迹融合结果具有决定性影响。为了解决组网雷达存在系统误差情况下的航迹关联问题,以不同雷达的量测位置偏差建立粗关联门限进行航迹粗关联。对仍存在歧义的航迹,运用最小二乘法进行数据拟合,得到量测序列的对应系数,建立局部关联门限,仿真结果显示了该算法的有效性。     

基于多尺度卷积和改进LSTM的航迹数据关联方法

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。     

基于特征辅助的灰色航迹关联方法

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。     

一种多普勒盲区下的航迹片段关联方法

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。     

基于 DS 证据理论的协作频谱感知改进方法

提出了一种新的协作频谱感知方法,该方法采用DS证据理论。首先,在本地感知通过投影近似法分解感知结果以减少次级用户上报至融合中心的感知数据,从而降低协作带宽开销。其次,在融合中心根据次级用户证据矢量之间的距离计算可信度,以可信度为权重对每个次级用户的基本概率分配进行加权平均来减小高度冲突数据对检测性能的影响。仿真结果表明,该方法减少了协作感知的带宽开销,改善了数据高度冲突时的检测性能。     

一种深度学习航迹关联方法

根据机器学习当中的理论方法,通过输入和输出数据设计,把信息融合领域的航迹关联问题,转换为机器学习领域中的分类识别问题,研究提出了一种深度学习航迹关联方法.仿真结果表明:所提方法在关联性能和自适应能力方面优于对比方法,具有较好的应用前景.     

基于DS证据理论的室内移动目标RSSI定位算法

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。      

基于一维测量的多传感器多目标航迹起始

针对多传感器多目标跟踪中的航迹起始问题,在各个传感器仅有一维量测数据的情况下,提出一种基于目标距离和信息的多目标航迹起始方法.该方法利用空间约束和空间聚类对航迹起始阶段第一和第二周期的组合进行有效删减,再用跟踪门的方法建立航迹.仿真结果表明该航迹起始方法可以有效抑制一维量测下的组合爆炸,显著降低航迹起始的处理量,具有一定的工程应用价值.