基于距离加权最小二乘的量测数据关联

量测数据关联是被动多传感器系统中需要首先解决的一个关键问题,通常可采用多维分配算法进行求解,其中代价函数的选取在一定程度上决定了算法的最终分配结果。基于广义似然比构造的代价函数由于采用精度较低的传统最小二乘法进行定位,且没有考虑融合方差的影响,导致其性能较差。针对这一问题,提出一种基于距离加权最小二乘的量测数据关联算法,该算法将距离信息引入最小二乘定位算法中,并在代价函数的计算中融入目标位置的估计方差,构建出能够更为准确反映量测与目标之间相关程度的代价函数。仿真实验表明,所提算法在计算代价较小的前提下,提高了关联正确率,具有较好的工程应用价值。     

2D雷达组网几何定位融合算法

研究了两部2D雷达组网中的目标定位估计和定位精度问题。为考虑地球曲率对目标定位精度的影响,提出了两雷达站组网中基于实际地球椭球模型的几何交叉定位与数据融合相结合的方法,建立了两部雷达观测定位几何模型,推导了定位方程和精度估计公式并进行了误差分析。仿真分析表明,在选择更为实际的观测模型的前提下,利用几何定位与数据融合方法不但改善了两雷达的定位性能,而且根据定位几何精度因子(geometrical dilution of precision, GDOP)图的特点,选择相应的定位雷达,提高了雷达站组合的几何定位精度。     

基于AOA的双机无源定位模型及其解算方法

在双机协同的无源定位算法中,角度信息有着非常重要的作用。为解决双机无源定位问题,提出了一种只利用角度信息的定位模型,并同时消去中间变量距离的影响。对比了最小二乘法、加权最小二乘法、总体最小二乘法、渐进无偏估计法等方法对该双机定位模型的解算。相比时差/到达角联合定位算法模型,该算法需要更少的观测信息和更少的观测误差,就能提高定位精度。仿真结果验证了上述4种解算算法的定位性能,证明了该算法在定位精度上的优秀性能。最后,还对4种算法在不同误差和约束条件下在双机协同观测定位中的定位精度进行了对比。     

基于多站微多普勒融合的弹道目标特征提取

宽、窄带混合组网雷达数据融合处理是弹道中段目标特征提取的重要途径。提出了一种基于宽、窄带雷达混合组网的弹道目标融合提取算法,该算法通过窄带自相关处理,获得锥体弹头的进动周期,并结合非线性最小二乘估计,分别估计出组网雷达中各散射中心的幅相参数。然后根据宽、窄带雷达微多普勒特征的融合特性和关联特性,利用加权平均和散射中心关联相结合的方法,提取出锥体弹头的三维进动特征及结构参数,从而实现宽、窄带混合组网雷达的数据融合。计算机仿真验证了该方法的可行性与有效性。     

一种新的地心地固坐标系传感器配准算法

针对多传感器系统进行数据融合的需要,提出了一种新的地心地固坐标系下传感器的配准算法,充分考虑了地球曲率对配准算法本身的影响,当传感器之间相距很远时仍然适用。新算法将传感器配准问题表述成一个关于传感器测量的最小二乘判决函数,然后首次引入Levenberg-Marquarat算法来对其进行优化。最后通过仿真试验对新算法的性能进行了评估,结果说明新的算法对于不同数目的测量值具有良好的一致性。     

异步航迹关联算法与仿真

在分布式多传感多目标信息融合系统中,由于每个局部传感器的采样频率不同以及具有不同的通信延迟,导致送入融合中心的局部航迹往往不是同步的。本文提出一种异步航迹的关联方法,该方法首先基于最小二乘法实现单传感器的时域融合,从而将多传感异步航迹同步化;然后利用网络优化算法,获得相应于每个目标的各个传感器的局部航迹组合。仿真试验表明本文算法在解决异步航迹关联问题的有效性。     

多传感器信息时空融合模型及算法研究

在目标识别中,为了获得观测目标的准确状态,需要同时考虑数据融合的时间性和空间性。提出了一种多传感器信息的时间和空间两级融合的结构模型。首先对同一时刻不同传感器的信息进行空间融合,然后对经空间融合后的时间序列进行时间上的融合。就该模型提出了基于证据理论和模糊积分的融合算法。将该模型和算法应用于目标识别。仿真实验表明,该模型可以提高系统的识别率和可靠性。     

基于交叉定位的多传感器多机动目标跟踪

交叉定位的思想可以用来简化数据关联 ,实现状态估计。但在杂波或多目标的环境中 ,定位法会产生大量虚假目标。通过分析传感器数目的选择 ,来限定虚假目标生成的概率。提出了一种基于HMM(HiddenMarkovModel)的全邻似然估计跟踪算法。该算法采用观测 -航迹关联 ,具有相对简单的多项式复杂度。由于传感器量测的融合在状态空间中统一进行 ,该算法可推广到异类传感器组成的系统中。     

非标准多传感器信息融合下的状态融合估计

给出了标准多传感器观测信息的统一融合模型,在此基础上分析了传感器观测系统参数对最优融合估计性能的影响.针对存在量测系统误差的非标准多传感器融合系统,构建了一种有效的系统误差参数估计模型.此外对传感器问具有不同非线性误差成份的融合系统,提出了一种基于互迭代自适应半参数的状态融合估计算法.该算法通过对非标准多传感器融合模型误差的补偿,利用线性和非线性迭代的方法来提取非线性因素,进而确定状态的最优融合估计.给出了应用该算法的具体步骤,并通过理论分析与仿真实验证明了该算法的有效性.     

基于速度方位约束的多传感器模糊数据互联

针对杂波环境下多传感器跟踪多目标的问题,提出了一种基于速度方位约束的多传感器模糊数据互联算法(multi-sensor fuzzy data association method based on velocity and azimuth, VA-MSFDA)。该算法首先利用方位速度信息对确认区域内的有效量测作进一步筛选,剔除部分虚假量测,然后基于模糊聚类方法计算候选量测与观测区域内各目标互联的概率,应用顺序结构多传感器联合概率数据互联(multi-sensor joint probabilistic data association algorithm,MSJPDA)原理,依次处理各传感器中的目标测量数据,实现对多目标的跟踪。仿真结果表明,与顺序MSJPDA相比,VA-MSFDA在算法耗时、估计精度、收敛速度和量测正确关联率等方面优势明显,能够更好地解决杂波环境下的多目标跟踪问题。