基于多代理技术的传感器管理系统

针对分布式对空监视网中混合式传感器管理结构存在的问题，提出了基于多代理技术的混合式传感器管理结构。该结构较好地克服了混合式管理结构中在融合中心存在的瓶颈问题，通过多个传感器代理、融合中心代理之间的相互协商来实现传感器任务的分配。传感器代理与传感器相结合使传感器的工作模式实现高度的自动化和模块化，便于传感器的灵活组网。     

多坐标系下目标跟踪的联合滤波

针对雷达目标观测和处理在不同的坐标系下完成，本文提出了联合滤波算法来跟踪机动目标。该算法以卡尔曼滤波器为基础，直角坐标系下和极坐标系下的算法相联合，不仅克服了两种坐标系下滤波算法的不足，而且对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

基于MVEKF的测向交叉定位跟踪算法

测向交叉定位能够根据两个或多个测量站对同一目标辐射源测得的方位信息,采用最佳状态估计法确定出目标辐射源的位置．针对扩展卡尔曼滤波（EKF）算法存在受初值、测量噪声影响大等缺点,将一种新的修正协方差的扩展卡尔曼滤波（MVEKF）算法应用到固定双站测向交叉定位中,可以提高收敛速度和定位精度．通过与EKF的仿真对比,验证了该算法具有更好的跟踪性能．     

综合运用模式识别与回归分析的数据融合算法

在混合式系统融合框架下,提出综合运用模式识别和回归分析的数据融合算法．在融合中心,首先处理的是各目标航迹起始段的本地航迹,其次是经粗处理的原始测量．基于模式相似性测度分析形成起始段的融合航迹,并利用融合航迹信息对原始测量数据进行回归分析,估计融合点和置信区间,跟踪滤波形成航迹．通过仿真实验,验证了算法的有效性和实用性．

     

基于改进“当前”统计模型的非线性机动目标跟踪算法

＂当前＂统计模型算法对目标加速度极限值及机动频率的依赖性这一缺点,导致该算法在跟踪弱机动目标及高机动目标时,跟踪性能会明显恶化.本文在当前统计（CS）模型的基础上,通过加权一个以残差方差的迹为参数的活化函数,对加速度方差和机动频率进行自适应处理,实现了对＂当前＂统计模型的改进;同时,采用UKF（unscented Kalman filter）对非线性目标进行跟踪滤波,构造出基于改进＂当前＂统计模型的非线性机动目标跟踪算法,仿真结果表明,改进的＂当前＂统计模型不仅保留了＂当前＂统计模型跟踪算法对一般机动目标跟踪精度高的特点,而且对弱机动目标跟踪也具有更优越的性能,大大扩大了机动跟踪范围.     

一种抗"飞点"的UKF算法

为解决“飞点”对滤波效果产生的不利影响，从统计学原理出发，提出一种抗“飞点”的UKF算法．在UKF算法中引入门限函数向量，对新息（innovations）进行控制，既充分利用正常新息确保滤波的精度，又有效抑制异常新息的不利影响，从而达到对“飞点”数据的容错能力．仿真实验验证了抗“飞点”的容错UKF算法的有效性和实用性．     

两传感器两扫描周期的数据关联

为了简化融合中心数据处理的复杂度，减轻计算机的负担和通信开销，研究了两传感器两采样周期的数据关联问题。建立了测量到航迹分配的线性规划数学模型，提出了关联测量数据的融合方法，采用带滤波器的遗传算法求解最优分配方案。仿真结果表明，这种数据关联方法所得到的目标航迹比单传感器的目标航迹更加精确。     

雷达信息处理系统中的坐标变换问题研究

在雷达信息处理过程中，首先需要进行目标观测数据的空间同步，即将数据变换到一个公共坐标系中，然后才能进行各种数据处理．本文主要讨论不同坐标系之间的坐标变换及转换误差，并提出了在雷达信息处理系统中使用地心坐标系作为统一坐标系的一种新的坐标变换方法以减小地球曲面误差的影响．     

多雷达数据处理系统中网格同步研究综述

在多雷达数据处理系统中，各种误差是影响目标跟踪和数据融合质量的一个重要因素。而网格同步则是系统中的一个重要环节，是进行数据融合的前提。如果没有网格同步则融合结果不可信。文章介绍了网格同步的定义，分析了目前国内外研究的主要方法。并针对此提出了一些新的想法。     

基于不同虚假量测分布的PDA算法

针对当前的概率数据关联算法假设虚假目标在跟踪门中服从均匀分布与实际情况不符,研究了假量测在跟踪门中分别服从均匀、瑞利、正态分布的情况,对概率数据关联算法进行了扩展,推导了各种不同分布下的加权因子计算公式.扩展后的PDAF算法更能准确有效地进行杂波环境下的目标跟踪.