机载ESM与雷达航迹融合仿真系统研究

机载电子对抗侦察（ESM）和雷达已成为机载平台上获取目标信息的重要传感器。针对机载平台的特点模拟工程实践,从航迹配准、航迹关联和航迹融合三个阶段给出了一套仿真计算过程,构建了一个多参数航迹融合仿真模型。在航迹配准中主要考虑ESM传感器和雷达航迹数据之间的时空对齐问题,航迹关联中分析了基于统计理论的、基于模糊分析的和基于快速判别的三种航迹关联算法,在航迹融合中采用一种快速的加权融合的方法。仿真实验中给出了一种衡量不同航迹关联算法性能的评估计算方法,比较了在不同参数环境下三种航迹关联算法的性能及航迹融合的效果。最后给出了一些实验结论和工程实践性的建议,具有一定的工程参考意义。     

基于D-S证据理论的无源航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本照搬多传感器数据融合的理论,仅利用目标的状态信息。文中利用了目标的多特征信息（载频、脉宽、脉冲重复间隔（PRI）等）,应用Dempster-Shafer（D-S）证据理论,提出了一种基于分布式无源多目标跟踪系统的多特征信息融合航迹关联算法。算法具有以下优点：关联速度快,正确率高,而且能够适应密集目标的环境。仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法。     

基于GDOP的分布式雷达网航迹关联阈值选择新方法

分布式雷达组网的航迹关联不仅与网内各雷达的性能有关,而且与目标的相对位置有关。本文提出一种新的雷达组网航迹关联方法,该方法在综合网内各雷达性能的基础上,将组网雷达定位精度几何稀释模型引入航迹关联算法当中。根据各雷达对观测同一目标定位精度的差异为参考,给出一种新的航迹关联门限阈值选择算法。本文介绍了航迹关联阈值的计算过程,并利用该方法对真实航迹数据进行了仿真。     

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。     

基于灰关联无源多目标跟踪系统航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本上照搬多传感器数据融合的理论,仅利用目标的状态信息.文中利用了目标的多特征信息(载频、脉宽、脉冲重复间隔等),应用灰关联理论,提出了一种基于灰关联的分布式无源多目标跟踪系统的航迹关联算法.由于利用了目标多特征信息,算法具有关联速度快、正确率高、而且能够适应密集目标环境的优点.仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法.     

组网雷达系统中的一种模糊航迹关联方法

航迹关联是组网雷达系统数据融合中的一项关键技术。首先提出了一种模糊关联方法,对两条航迹的航迹点进行关联,然后定义了航迹关联质量,取航迹关联质量最大的两条航迹为关联航迹对,从而提高了航迹关联的准确性。仿真结果表明：该航迹关联算法确实有效。     

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。     

模式简化的OTHR多径航迹融合算法

针对天波超视距雷达(OTHR)多径传播现象引起的航迹 路径模糊性问题,提出了一种模式简化的OTHR多径航迹融合算法。该算法先对经概率数据互联(PDA)算法滤波所得航迹进行聚类;然后,将同类航迹与简化后的传播模式匹配,加权得到某一关联假设下目标地理状态估计;最后,对所有关联假设下的目标地理状态估计加权融合,得到最终的目标地理状态估计。文中先通过设计仿真实验验证了简化模式的合理性,并对所提算法进行了仿真、测试。结果表明：模式简化后,并未影响多径航迹融合算法融合性能,但算法计算量与复杂度大大降低,并在某些航迹模式缺失的情况下,还能降低算法融合误差,改善融合效果。     

基于无源定位的多目标航迹融合技术研究

针对无源定位系统定位误差大、数据更新率不规则等问题,研究了一种通过定位数据辅助信息特征进行多目标航迹融合的新方法。该方法利用信号侦察获取的目标辅助信息作为航迹关联判决准则,并与传统的航迹关联方法相结合,从而实现了对侦察区域内多目标的航迹融合。对该算法的性能分析和仿真验证表明,新算法具有更好的航迹融合性能,更强的通用性和可扩展性;并且在密集多目标环境下可实时、有效地跟踪几十批次的目标。     

基于航迹矢量检测的雷达与电子支援设施抗差关联算法

针对雷达与电子支援设施(ESM)存在系统误差、上报目标不完全一致等复杂场景下目标航迹关联问题,该文基于高斯随机矢量统计特性,提出一种基于航迹矢量检测的雷达与ESM航迹抗差关联算法。首先在修正极坐标系(MPC)下推导目标状态估计分解方程,采用真实状态对消的方法得到航迹矢量,为剔除大部分非同源目标航迹,构建方位角变化率-距离变化率与距离比(ITG)统计量进行粗关联,然后采用基于航迹矢量\begin{document}${\chi ^2}$\end{document}检验的方法实现雷达与ESM的航迹关联。最后通过实验仿真验证了该文算法在不同系统误差、目标密度、检测概率等环境下的有效性。     

分布式系统模糊分类识别航迹关联算法

以模糊分类识别理论为基础,提出了一种分布式系统航迹关联算法。算法以各节点局部航迹为研究对象,确定航迹特性指标,建立航迹贴近度向量,根据最大隶属原则解决航迹关联问题。仿真表明,该算法比基于统计方法的加权航迹关联算法具有关联速度快、关联正确率高,且对密集目标环境适应性较强的优点。     

航迹关联和相对系统误差估计

航迹关联是多传感器多目标跟踪系统中的关键问题。当存在系统误差时航迹关联问题变得更复杂。该文将最优Bayes联合决策估计(JDE)法应用于存在系统误差的航迹关联中,并提出了简化的JDE法。最优Bayes JDE,通过在航迹关联时考虑传感器相对系统误差的估计误差,在相对系统误差估计时考虑航迹关联误差,来提高航迹关联的正确率和相对系统误差的估计精度。提出的简化JDE法可减少了计算量,其性能比最优JDE稍差。并给出了matlab仿真结果来验证方法的有效性。     

基于航迹矢量分级聚类的雷达与电子支援措施抗差关联算法

针对同平台雷达与电子支援措施(ESM)存在系统误差、上报目标不完全一致等复杂场景下航迹关联鲁棒性和有效性问题,该文提出一种基于航迹矢量分级聚类的雷达与ESM航迹抗差关联算法。首先推导修正极坐标系(MPC)下目标等价测量方程,基于等价测量的近似展开得到目标状态估计分解方程,利用真实状态对消的方法得到航迹矢量,基于高斯随机矢量的统计特性,采用航迹矢量分级聚类的方法提取同源航迹。最后通过实验仿真验证,所提算法在不同系统误差、目标分布密度、检测概率等环境下具有较好的关联效果和鲁棒性。     

基于类型辅助灰色关联度的红外传感器和ESM航迹关联算法

红外传感器与ESM是军事多传感器信息融合系统的重要组成部分。针对二者之间的航迹关联问题,提出了一种综合利用灰色关联度和类型信息的航迹关联算法。该算法将红外传感器和ESM的航迹序列看作离散时间函数,通过计算各航迹间的灰色B型关联度,形成灰色关联矩阵;通过归一化信息熵判断目标和辐射源类型信息的有效性,结合目标和辐射源的配属关系并利用VBS理论将不同框架下的证据转换到相同框架下,然后采用Jousselme距离度量证据的一致性,从而形成类型关联矩阵;最后,综合利用灰色关联矩阵和类型关联矩阵进行航迹关联判别。仿真结果表明,当可用数据点较多时,基于灰色关联度的航迹关联算法具有较高的关联正确率;当传感器分类效果较好时,基于类型辅助灰色关联度的航迹关联算法具有更好的关联性能。      

应用K-means聚类的分布式多传感器航迹关联算法

针对分布式多传感器航迹关联的特点,考虑采用K-means聚类的航迹关联算法。将来自各传感器的局部航迹与系统航迹进行关联,并将系统航迹作为初始聚类中心,避免了K-means算法本身依赖初始值的缺陷;提出将系统航迹与局部航迹的欧式距离以及其状态向量在1范数下的距离之和作为相似度测度;设定距离门限值,减少了极端数据对聚类结果的影响,并增加多义性处理。蒙特卡洛仿真实验表明,该算法在目标密集并且目标有交叉的情况下能以较小的代价得到较高的平均正确关联率。同时,该算法克服了最近邻域法的局部最优特性和关联正确率高度依赖特征阈值等局限性。     

基于图的分布式平飞航迹关联算法

航迹关联是分布式传感器信息融合的关键问题之一,其主要问题在于多目标平飞航迹难以关联,而实际工程应用中无法实时获取方差数据又增加了关联难度。将同一传感器获取的平飞航迹抽象为图论中无分辨的点,应用综合B型关联理论计算各点间距,进而构造反映航迹间关联关系的双向连通图,并用邻接矩阵描述其关联拓扑关系。不同节点的公共观测连通图对应的邻接矩阵必然是相似的,继而将图二分为单点图及其对应补图,利用辩证的思想将补图所对应的邻接矩阵的特征值抽象为对应点的特征向量,最终将平飞航迹关联落脚至多维分配问题。实验仿真表明,该方法具有较好的关联效果。     

分布式多传感器多目标跟踪方法综述

多传感器多目标跟踪是信息融合领域的热点问题,其通过融合多个局部传感器数据,提高目标跟踪精度和稳定性。多传感器多目标跟踪按融合体系可分为分布式、集中式、混合式3类,其中分布式融合结构对网络通信带宽要求低、可靠性和稳定性强,广泛应用于军事、民用领域。该文聚焦分布式多传感器多目标跟踪涉及的目标跟踪、传感器配准、航迹关联、数据融合4项关键技术,主要分析了各关键技术的理论原理与适用条件,重点介绍了不完整测量条件下的空间配准与航迹关联,并给出仿真结果。最后,该文总结了现有分布式多传感器多目标跟踪关键技术存在的问题,并指出了其未来发展趋势。