一种协方差和信息增量联合控制的多传感器管理算法

分析了当传感器资源较丰富时采用基于联合信息增量的传感器管理算法存在的问题,结合协方差自适应传感器管理算法的思想,给出了一种协方差和联合信息增量联合控制的传感器管理算法,并进行了算法的仿真.仿真结果表明,该算法既能够根据期望的精度对目标进行跟踪,又能够根据目标的机动性来动态地分配传感器资源,使得传感器的分配策略更加灵活.     

一种多传感器目标跟踪中的简单切换方法

本文基于一种快速卡尔曼滤波的跟踪算法,利用已经确定的传感器布局信息,预先计算出不同空间位置上不同传感器组合的GDOP因子,并根据GDOP建立了多传感器的切换准则.从而可以在目标航迹的不同阶段上,选取最优GDOP的传感器组合,用尽可能少的传感器对机动目标进行精确跟踪.仿真结果表明该方法不仅降低了算法的计算量,而且仍然能够保持良好的跟踪性能.     

综合利用各类信息的异类灰色航迹关联算法

异类传感器航迹关联是航迹融合中的一个难点,红外传感器与雷达的航迹关联是典型的异类传感器航迹关联。综合利用角度和其他特征信息是改善异类传感器航迹关联的一个重要途径。针对异类传感器数据关联用于关联的信息量少的问题,对于雷达在直角坐标系对目标进行跟踪,红外传感器在修正的球坐标系对目标进行跟踪的情况,综合利用角度、角度变化率和ITG信息,提出了一种基于灰色理论的航迹关联决策方法,计算机仿真结果表明新的关联算法与只利用角度信息的关联算法相比具有更好的关联性能。     

机载多传感器跟踪航迹数据融合研究

随着机载传感器的增加和性能的提高,使目标探测和跟踪信息更加全面,精度也大大提高,但机载显示和火控需求的参数是唯一的,所以需要对不同传感器探测和跟踪的目标信息进行融合.本文针对机载传感器特点和飞机平台参数需求,对多传感器跟踪生成的目标航迹数据融合进行了研究,并给出了相应算法.     

基于跟踪状态监视的稳健航迹关联与融合算法

空间邻近目标跟踪过程中存在航迹交错现象,传统的航迹关联与融合算法可靠性大大降低。提出基于跟踪状态监视的稳健航迹关联与融合跟踪算法:首先,采用滑窗式全局最优关联方法利用多帧航迹数据确认航迹关联对,并建立系统航迹;然后,根据确认关联航迹的实时关联状态检测航迹交错;最后,根据航迹衰减残差识别运动状态,自适应选择融合量测或者融合状态估计完成系统航迹的状态更新。仿真结果表明,算法能够提高融合航迹精度,实现稳健航迹关联与融合。     

具有形状信息的多个群目标跟踪算法

针对杂波和漏检环境下多个群目标跟踪中形状估计精度低的问题,提出一种具有形状信息的多个群目标跟踪算法。该算法首先进行量测集划分进而起始航迹,随后对传统的群目标Bayesian递推算法进行改进,并融合群航迹关联等算法,利用改进的算法对多个群目标的运动状态和形状信息同时进行估计,大大提高了形状的估计精度。仿真结果表明,该算法不仅可以对多个群目标的运动状态同时进行跟踪,并且可以有效估计每个群目标的形状信息,大大提高了形状估计精度。     

一种新的单站红外目标纯方位参数航迹滤波方法

红外单站只能测量目标的角度信息,难以获取目标的距离信息,无法在直角坐标系下有效对3维目标进行跟踪。该文提出一种新的纯方位参数航迹滤波方法,该算法避免传统方法中需采用多站交叉定位的思路,根据红外传感器测量速率较高的特点,直接利用单传感器测量的方位角序列,对目标航迹参数进行估计,较好地解决了单站的目标跟踪问题。仿真结果表明,该方法对直线运动或机动目标具有良好的跟踪性能。     

基于多特征融合的高机动多目标低截获概率跟踪技术

在多目标跟踪过程中,目标的高机动特性使得传统采用固定运动模型或交互式多模型的目标跟踪算法很难实时精确匹配目标运动模型,从而引起高机动目标的低跟踪精度问题。针对这一问题,本文提出一种基于目标运动状态模型自适应更新的高机动多目标跟踪算法。在多目标跟踪过程中,该算法采用多特征聚类融合算法进行目标运动模型估计,并根据各目标跟踪波动参数进行状态转移矩阵决策更新,同时利用联合概率数据关联实现多机动目标状态转移矩阵自适应更新的关联跟踪,从而解决了传统多目标跟踪算法因目标运动模型失配引起的低跟踪精度问题。在目标跟踪算法的传感器选择上,无源传感器不对外辐射能量,具有较好的低截获概率性能,但其跟踪精度有限,常不能满足多目标高跟踪精度的要求。雷达作为有源传感器,具有较高的跟踪精度。但由于雷达对外辐射信号,容易被防御方截获。针对这一问题,本文提出了一种无源传感器目标跟踪为主,有源雷达间歇跟踪为辅的多传感器协同管理目标跟踪算法。该算法通过对目标跟踪本征堆积误差的判断进行传感器的最优分配,并根据波动参数的大小进行状态转移矩阵决策更新。仿真结果验证了本文所提出的多传感器协同的高机动目标跟踪算法在满足高机动目标跟踪精...     

雷达与双波段红外探测器融合跟踪系统

利用双波段红外探测系统测到的目标双波段红外辐射信息,推导出目标的伪距离量测信息,使得单站红外探测系统变为可观测系统;在此基础上,采用带反馈的分布式估计融合算法,将雷达与双波段红外探测系统得到的局部航迹进行融合,并将每次融合估计的结果反馈给局部传感器,使得融合中心达到最优性能的同时,减小了雷达和红外局部估计的误差.仿真结果表明:①单站红外探测系统利用目标的双波段红外辐射信息能够对目标进行有效地跟踪,跟踪精度较高;②带反馈的布式估计融合算法具有良好的跟踪性能,而且能够明显改善局部传感器的跟踪精度.     

一种用于HPRF雷达的改进DPA弱目标检测算法

针对高重频雷达距离模糊可能会导致目标航迹不连续即发生跳变的问题,提出了一种改进的动态规划检测前跟踪算法,该方法在传统动态规划的基础上加入了后续状态估计并改进了动态规划搜索策略.它利用目标初始状态信息对目标后续状态进行估计并进行航迹跳变判决,再根据判决结果选择动态规划搜索策略,进而得到最优的目标试验航迹.文中利用改进的动态规划算法分别对距离模糊后跳变与未跳变两种情况的弱目标进行检测.仿真结果验证了该算法可以提高雷达回波中弱目标的检测性能,算法实际可行有效.     

基于跟踪微分器的波门跟踪算法的研究

针对目标自动跟踪系统对目标跟踪算法实时性和精确性要求高的特点,提出了一种基于跟踪微分滤波器的运动目标跟踪方法.该算法利用跟踪微分器预测目标中心在下一帧体现在图像中可能出现的位置,以该位置为波门目标检测的中心,减少了目标的搜索范围,缩短了算法的运算时间.仿真结果表明,该方法具有不依赖于目标运动模型,实时性好,精确性高等优...     

初值自适应的磁性目标跟踪方法

针对在初始先验信息缺失时磁性目标滤波跟踪方法发散问题进行研究,本文提出了一种多初值模型的解决框架,并以平方根形式的中心差分卡尔曼滤波器（Square-Root Central Difference Kalman Filter,SRCDKF）为例,结合多初值模型得到了SRCDKF自适应磁性目标跟踪算法.文章首先根据远距离磁偶极子的磁场等效性,建立了多初值滤波跟踪模型,然后基于最大似然选择理论推导了如何从多模型中选择最佳结果,即多初值模型的选择方法,最后以SRCDKF滤波器为滤波单元,得到了基于SRCDKF的自适应磁性目标跟踪算法.经过仿真试验表明：（1）多初值模型建立和选择方法的有效性;（2）基于SRCDKF的自适应磁性目标跟踪算法,在初始位置信息缺失的情况下,能够有效完成对磁性目标的跟踪;（3）以不同滤波器为滤波单元的自适应跟踪算法跟踪试验结果表明,多初值模型的解决框架可解决初值先验未知下的跟踪问题.     

基于信任力矩的网络资源选择模型

提出了基于信任力矩的网格资源选择模型,将网格资源按类型划分为多个可信资源域,每个域的网格资源由其域代理负责组织管理,通过对资源节点进行信任评估,依靠历史交易经验、当前资源属性和个人偏好综合判断,实现了既注重用户资源选择的服务质量,又能满足用户需求偏好的资源选择算法.通过仿真实验验证了模型的可行性和有效性     

数据字长对GPS信号捕获跟踪性能影响分析

数据字长对GPS接收机性能和硬件资源消耗有着重要影响,以循环相关捕获算法为例,利用线性方法建立GPS接收机各部分量化误差模型,讨论算法实现中各模块数据字长对信噪比的影响,给出了误差表达式,确定了系统性能与资源消耗的最优结合点.软件接收机仿真测试结果表明,该方法分析结果正确有效,能够为捕获跟踪电路的FPGA实现提供工程设计参考.     

多目标跟踪中基于特征辅助的概率数据关联算法

在传统的多目标跟踪系统中,数据关联仅利用了那些与目标状态向量直接相关的信息。在此提出了一种基于广义概率数据关联(GPDA)的新的关联算法即特征辅助跟踪(FAT)算法。该算法同时利用了目标的特征信息和状态信息进行数据关联,较好地解决了在密集杂波环境下对近目标的跟踪问题。最后以目标的一维距离像信息为例进行仿真,仿真结果表明,所提出的算法使跟踪性能优于传统的概率数据关联。     

光电目标图像自动跟踪技术研究

概括介绍了相关跟踪、特征跟踪和对比度跟踪等技术,根据各种复杂环境下的算法适应性的需要,提出了一种改进的相关跟踪算法,即对图像进行粗采样预处理,降低匹配图像的分辨率,再进行图像归一化分区域相关匹配算法.实验证明,此方法有效地提高了算法的适应性.     

基于蚁群优化算法的网格OBS任务调度研究

本文采用蚁群优化算法（ACO）设计了基于光突发交换（OBS）网络的网格任务调度。该算法既考虑了网格用户的需求,同时结合了网格中计算资源和网络资源的分配。设计了基于ACO算法的两种通路选择规则,并在一个集中式的网格OBS仿真平台上对这两种选路规则的性能进行了对比分析。     

复杂背景下基于加权信息熵的目标初始位置修正算法

对于某些目标跟踪算法而言,初始位置的选取是否精确是算法能否有效跟踪的关键点之一。从目标的灰度信息分布特点出发,提出一种基于加权信息熵的初始位置修正算法,首先,在搜索窗口中获取测试样本,然后,计算各个样本的加权信息熵,接着,通过先验信息对样本进行筛选,获得熵值最小区域,从而得到修正后的目标位置。从背景和目标的可区分性上来验证算法的有效性,实验结果表明,对于处在复杂背景下的目标,该算法能正确且可靠稳定地对其位置进行修正。     

云环境下服务信任感知的可信动态级调度方法

以社会学中的人际关系信任模型为基础,提出了一种基于服务消费者的服务满意度评价、推荐者的服务推荐和第三方服务性能反馈的可信度量模型。将用户对服务资源的信任需求和服务资源的可信度并入DLS算法得到可信动态级调度算法CTDLS,从而在计算调度级别时考虑服务资源的可信程度。模拟实验表明,该算法能有效满足任务在信任方面的服务质量需求,对提高任务调度的成功率具有实际意义。     

基于协同学的异构无线网络选择算法

终端接入的网络需要满足各类业务需求,对此提出了一种基于协同学的异构无线网络选择算法.该算法将终端网络选择看作一个系统化的问题,可选网络是一个复合系统,终端上运行的每一种业务都是一个子系统,依据熵的概念得到复合系统的熵值,熵值的大小反映了子系统之间的协同度,进而体现了网络的整体性能.仿真结果表明,在终端多业务的情况下,基于所提算法选择的网络业务QoS满意率达到了95％,比基于TOPSIS算法选择的网络业务QoS满意率提升了近4倍,能够很好地解决多业务终端网络选择问题.