基于序贯修正灰关联度的全局最优航迹关联算法

航迹关联是分布式多传感器航迹融合的前提。针对融合中心无法获得目标状态估计协方差的情形,该文提出一种基于序贯修正灰关联度的全局最优航迹关联算法。该算法取消数据列的区间值化,对数据列指标绝对差进行序贯积累,对灰关联系数计算式进行可交换性修正,得到各传感器航迹间的序贯修正灰关联度,以此关联度为全局统计量进行全局最优的航迹关联判决。仿真结果表明,在密集平行编队、随机交叉目标和存在非共同观测目标环境下,该算法的性能和稳健性明显优于传统方法。     

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。     

基于航向参照匹配的航迹抗差关联算法

探讨了系统误差影响下的多传感器航迹关联问题。由于传感器观测存在虚警和漏报,利用目标拓扑信息进行航迹关联的算法可靠性会降低。提出一种基于航向参照匹配的航迹抗差关联算法,该算法首先建立以传感器观测目标为原点、航向为参照的运动坐标系,对邻居目标数据进行旋转和平移转换;然后对各目标参照系下的邻居目标以目标距离为统计量进行全局最优关联;最后以各目标参照系下确认关联对的平均距离为匹配度量,以使匹配度量最小的参照目标对为关联匹配目标。仿真结果从目标共同观测率、系统误差范围和目标密集程度等方面验证了算法的有效性和健壮性。     

基于拓扑统计距离的航迹抗差关联算法

传感器观测目标的拓扑信息可用于解决系统误差下的航迹关联问题,但传统方法对航迹信息利用不足且难以适应传感器虚警和漏报的情形。论文提出一种基于拓扑统计距离的航迹抗差关联算法,首先转换目标状态估计及其协方差以得到目标参照系下的拓扑描述;然后在推导拓扑统计距离的基础上,进行全局最优关联;最后以目标参照系下邻居目标关联对的平均统计距离作为参照目标间的关联度,根据双门限准则完成参照目标的关联判决。仿真结果表明,在密集编队目标、随机分布目标和传感器存在虚警漏报条件下,该算法的性能明显优于传统方法。     

一种存在系统偏差的航迹关联方法

研究了组网雷达存在系统误差情况下的航迹关联问题,采用ECEF坐标系作为公共参考坐标系,采用三门限算法进行航迹关联。将不同雷达量测的位置偏差作为粗关联门限,利用位置误差序列的样本方差建立历史航迹关联门限,最后对仍存在歧义的航迹,通过优化算法实现关联的全局最优解,与最近邻域法相比该算法可以有效实现不同目标数目与不同系统误差下的航迹关联,仿真结果显示了该算法的有效性。     

基于JVC的紧凑型地波雷达海上目标点迹-航迹最优关联方法

紧凑型地波雷达由于接收天线阵列孔径减小导致对海上目标的定位精度低,在多目标跟踪算法中采用序贯式的点迹-航迹关联方式易发生误关联导致航迹断裂、误跟踪等问题。对此,该文将多目标点迹-航迹关联转化为最优分配问题,提出一种基于JVC算法的多目标点迹-航迹最优关联方法。对于关联波门重叠区域内存在公共候选点迹的多条航迹,首先以雷达获取的目标多普勒速度、距离与方位角作为目标特征参数,利用最小代价函数确定公共候选点迹与所有航迹之间的相似度,得到关联代价矩阵;然后以总关联代价最小化作为优化准则,采用JVC算法求解得到最优的点迹-航迹关联结果。利用仿真与实测目标数据开展了点迹-航迹关联实验,并与序贯最近邻关联方法的关联结果进行了对比。实验结果表明:采用该文所提方法跟踪得到的航迹时长明显优于序贯最近邻关联方法的结果,解决了序贯式关联因关联错误导致的航迹断裂、误跟踪等问题,提高了航迹跟踪的连续性。     

基于JVC的紧凑型地波雷达海上目标点迹-航迹最优关联方法

紧凑型地波雷达由于接收天线阵列孔径减小导致对海上目标的定位精度低,在多目标跟踪算法中采用序贯式的点迹-航迹关联方式易发生误关联导致航迹断裂、误跟踪等问题.对此,该文将多目标点迹-航迹关联转化为最优分配问题,提出一种基于JVC算法的多目标点迹-航迹最优关联方法.对于关联波门重叠区域内存在公共候选点迹的多条航迹,首先以雷达获取的目标多普勒速度、距离与方位角作为目标特征参数,利用最小代价函数确定公共候选点迹与所有航迹之间的相似度,得到关联代价矩阵;然后以总关联代价最小化作为优化准则,采用JVC算法求解得到最优的点迹-航迹关联结果.利用仿真与实测目标数据开展了点迹-航迹关联实验,并与序贯最近邻关联方法的关联结果进行了对比.实验结果表明:采用该文所提方法跟踪得到的航迹时长明显优于序贯最近邻关联方法的结果,解决了序贯式关联因关联错误导致的航迹断裂、误跟踪等问题,提高了航迹跟踪的连续性.     

机载雷达中断航关联算法

由于多普勒盲区、电磁干扰以及电子静默等原因,机载预警雷达会经常出现目标航迹中断的现象。针对传统中断航 迹关联算法航迹错误关联和漏关联的概率较高的缺点,文中提出基于先验信息的中断航迹关联算法,利用目标运动特征等先验信息进行粗关联,采用对数代价函数结合二维最优分配实现中断航迹关联,并通过多项式拟合连接关联成功的航迹。仿真实验表明,该算法关联性能比传统算法有显著提高。     

利用JPDA 进行编队目标的多雷达航迹关联应用研究

航迹关联是航迹融合中的关键步骤。在对同一编队内多个目标进行多雷达航迹关联时,受系统误差残差的影响,航迹关联正确率无法满足使用要求。为了解决此问题,文中在多雷达航迹关联过程中引入JPDA 算法,通过选择合理的联合事件来计算航迹关联似然值,并构建系统仿真模型,针对工程实用的经验JPDA 和次最优JPDA 算法进行了分析,通过比较原始的航迹关联结果和分别加入两种JPDA 算法后的航迹关联结果,能够表明JPDA 算法对于编队多目标环境下的航迹关联正确率有较好的提升作用。     

基于航迹隶属度的分布式系统数据融合算法

航迹关联与航迹融合是分布式目标跟踪系统数据融合的关键.本文研究了基于航迹隶属度的数据融合算法.综合各传感器航迹估计形成的目标运动状态特征向量与传感器分辨率,根据模糊聚类算法建立各观测时刻航迹隶属度矩阵与系统航迹关联决策矩阵,解决融合中心航迹关联问题.根据加权融合算法思想,结合各观测时刻航迹隶属度矩阵,实时、动态分配航迹号集合中各局部航迹权值,解决目标航迹融合问题.蒙特卡罗仿真表明,算法航迹关联效果明显优于加权航迹关联算法,并得到与简单航迹融合算法一致的目标融合航迹.     

基于小波变换的异类传感器机动目标的模糊航迹关联

针对雷达和电子对抗测量对机动目标的航迹关联问题,提出了一种基于小波变换的模糊航迹关联算法.首先通过小波分析对航迹序列进行去噪、粗关联,然后根据目标的特性建立模糊因素子集,进行精关联.仿真实验表明:与传统的加权法相比,该算法有效地解决了机动目标航迹关联问题,并提高了航迹关联的概率.     

一种基于模糊聚类的PHD航迹维持算法

针对杂波环境下数量变化的多目标航迹关联问题,提出一种基于模糊聚类的PHD航迹维持算法.该算法充分利用多帧信息,对当前时刻状态进行多步预测,并根据惯性进行加权,然后利用模糊聚类求得当前估计属于每条航迹的隶属度,从而得到最终的航迹.与传统的估计与航迹关联算法不同,该算法在更新每条航迹信息时,不仅仅是简单地对相邻帧之间的对数似然比进行求和,而是通过加权聚类等操作综合考虑了多帧信息.实验结果表明,所提算法能够更好地保持目标航迹,即使在目标出现交叉的地方也能达到很好的跟踪精度,具有较强的鲁棒性和优良的航迹维持性能.     

基于小波框架和多尺度变换的航迹关联算法

在分布式多传感器信息融合系统中，航迹关联是首要解决的问题。文章将小波理论引入到航迹关联算法研究中，基于小波框架条件和多尺度变换，提出了一种新的航迹关联算法。该算法结合了航迹的整体走势和局部特征两方面来解决航迹关联问题。文章从理论分析和仿真实验来证明该算法的正确性．并将新算法与现有算法进行比较，验证了在机动目标的航迹关联判断中，新算法明显优于其它两种。     

基于改进盖尔-沙普利算法的自动识别系统与双频地波雷达断裂航迹关联

高频地波雷达(HFSWR)可以实现大范围海上船只目标的连续探测,但是海杂波等干扰因素的影响容易造成跟踪航迹的断裂。目前关于地波雷达航迹关联的研究中,通常忽略了航迹断裂的情况,将航迹关联视为二分图匹配问题,这会导致可能将单一目标的断裂航迹判断为多个目标,从而引起目标的误关联。针对上述情况,该文结合模糊综合评判和迭代搜索算法,首次将盖尔-沙普利(GS)算法引入航迹关联领域,并且对其进行改进以满足航迹断裂时的多对多航迹关联情况,提出了改进的盖尔-沙普利(IGS)算法。在该算法中,通过计算航迹之间的模糊综合评判值来得到航迹之间的倾向度序列,再由迭代搜索对航迹进行聚类以获得航迹集群,最后将航迹集群及倾向度序列输入盖尔-沙普利算法来进行数轮博弈以给出关联结果。利用双频率高频地波雷达和船只自动识别系统(AIS)的仿真数据与实测数据进行实验测试,实验结果表明：所提出的算法解决了在航迹断裂情况下的多传感器航迹关联问题,且在密集区域的航迹关联效果优于传统算法。     

基于自适应可调Q因子小波变换的海杂波背景下的目标检测技术

本文针对海杂波背景下的慢速微弱目标的检测问题,根据海杂波和目标的振荡特性差异,提出了一种基于自适应可调Q因子小波变换（Adaptive Tunable Q-factor Wavelet Transform, A-TQWT）的海杂波背景下的目标检测算法。通过迭代计算、搜索出最能匹配海杂波和目标振荡特性的可调Q小波变换（TQWT）三元参数组合 ,运用形态分量分析法（Morphological Component Analysis, MCA)对海面回波信号进行分析,得到目标的最优稀疏表示;再根据目标分量各小波子带占总能量的比重,选取合适的门限确定重构小波系数集进行重构,得到目标的重构信号,从而实现目标和海杂波的有效分离。最后在IPIX实测数据集上添加慢速微弱运动目标进行算法验证,结果表明本文提出的算法可以有效检测出落入海杂波多普勒通道中的慢速微弱目标,且不需要任何目标和杂波的先验信息。      

粒子滤波的卫星电子信息舰船目标跟踪算法

针对电磁探测卫星的重访时间间隔长、且捕获得到目标信息的时间为随机,目标运动模型难于精确建立,数据杂波干扰强等问题,结合卫星电子信息给出的辐射源电磁特征,基于粒子滤波提出了一种稳健的海上舰船目标跟踪算法。首先,采用二阶自回归的状态转移模型确定候选量测的关联区域,从而减少杂波的干扰;然后选取与目标电磁特征相似的量测进行粒子滤波的状态更新,并通过重采样操作剔除权值较小的粒子以提高跟踪算法的精确性与稳健性。仿真与真实数据的实验结果表明,该方法在强杂波干扰下可以稳定跟踪卫星电子信息中的海上舰船目标并且具有较高的精确性与稳健性。      

Evolutionary algorithm for data association and IMM-based target tracking in IR image sequences

Simultaneous tracking of multiple maneuvering and non-maneuvering targets in the presence of dense clutter and in the absence of any a priori information about target dynamics is a challenging problem. A successful solution to this problem is to assign an observation to track for state update known as data association. In this paper, we have investigated tracking algorithms based on interacting multiple model to track an arbitrary trajectory in the presence of dense clutter. The novelty of the proposed tracking algorithms is the use of genetic algorithm for data association, i.e., observation to track fusion. For data association, we examined two novel approaches: (i) first approach was based on nearest neighbor approach and (ii) second approach used all observations to update target state by calculating the assignment weights for each validated observation and for a given target. Munkres’ optimal data association, most widely used algorithm, is based on nearest neighbor approach. First approach provides an alternative to Munkres’ optimal data association method with much reduced computational complexity while second one overcomes the uncertainty about an observation’s source. Extensive simulation results demonstrate the effectiveness of the proposed approaches for real-time tracking in infrared image sequences.     

杂波环境密集机动目标跟踪PCIMM-UKF算法

杂波环境密集机动目标跟踪对于数据关联和滤波始终是一个挑战性问题,本文提出的PC（投影收缩）IMM（交互多模型）-UKF（无迹卡尔曼滤波）算法,利用优化领域前沿研究成果之一的投影收缩算法,解决了全局最优关联问题,同时将IMM和UKF算法结合,克服了非线性机动目标跟踪困难的缺点,大量数值仿真结果也表明该算法可行且有效。     

基于图连通密度的海面漂浮小目标检测

海面漂浮小目标由于其能量弱,一直是海面目标检测的重难点。传统基于统计模型的漂浮小目标检测算法借助回波能量进行检测,没有利用数据频域幅度间的关联性,导致检测性能受损。该文借助图的处理方式,首先利用回波数据脉冲间频域幅度的关联性计算连通密度,生成邻接矩阵,接着将邻接矩阵转换为拉普拉斯矩阵,提取拉普拉斯矩阵的最大特征值作为检测特征,提出了一种基于图的连通密度的海面漂浮小目标检测算法。通过对实测的全相参的X波段 (IPIX)雷达数据进行连通密度的分析,发现海杂波构成的图比较稠密,而海面漂浮小目标构成的图比较稀疏,故通过连通密度构成的图可以有效地检测海杂波中的漂浮小目标。进一步地,通过与对比算法实验分析发现,该文所提基于图的连通密度的检测算法检测性能明显优越。