New deghosting method based on generalized triangulation

A new deghosting method baaed on the generalized triangulation is presented. First, two intersection points corresponding to the emitter position are obtained by utilizing two azimuth angles and two elevation angles from two jammed 3-D radars (or 2-D passive sensors). Then, hypothesis testing baaed deghosting method in the multiple target scenarios is proposed using the two intersection points. In order to analyze the performance of the proposed method, the correct association probability of the true targets and the incorrect association probability of the ghost targets are defined. Finally, the Monte Carlo simulations are given for the proposed method compared with the hinge angle method in the cases of both two and three radars. The simulation results show that the proposed method has better performance than the hinge angle method in three radars case.     

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。     

基于合作目标的动平台传感器偏差估计方法

运动平台载体的传感器误差配准是目前多传感器误差配准中的难点问题之一。利用合作目标已知位置,将载体平台姿态角偏差转换为传感器测量偏差中的一部分,并建立传感器极坐标测量系中各坐标轴的偏差解耦模型。在此基础上,利用广义最小二乘方法可实现平台载体的姿态偏差和测量偏差的实时估计。仿真结果表明,该方法的收敛速度快,可以同时有效估计平台载体的姿态偏差和传感器测量偏差。     

基于烟花算法的多传感器优化模型部署#br#

针对现代化战场多传感器网络部署优化问题,对传感器网络部署进行了优化,以总区域覆盖率、重点区域的共视参数、传感器资源利用率三方面作为评价指标,设计了多传感器网络优化模型,并将烟花算法应用于该模型,提出了烟花算法最优解求解方法。通过仿真验证算法的有效性,结果表明:经过烟花算法计算后,总区域覆盖率和重点区域的共视参数均超过了90%,传感器的资源利用率高;同时烟花算法的求解速度快,可赋予重点区域共视参数更高的权重,有利于战场重点区域覆盖率的提高。     

三维测向无源定位中的数据关联算法研究

借鉴多维分配的思想,把整体相关和最近邻方法相结合,将多个传感器情况下的被动数据关联问题进行降维处理,并利用χ²分布进行统计检验,以判断不同传感器测量数据的关联组合是否是来自同一个目标的正确组合,最终实现有效排除测向交叉定位中虚假定位点和准确定位的目的,实现多传感器多目标无源被动跟踪.仿真结果表明,利用文中的方法无源传感器可较好地对多目标进行定位,而且计算量适中.     

Novel method for ambiguity elimination in the LFMCW radar

1.INTRODUCTIONLFMCWradar has been widely used on platformssuch as missile,satellite and airplane due to its smallsize,light weight,si mple structure and high resolu-tion,as well as beingfree of distance blind zone[2,3].In most LFMCWradar systems,signals aretransmit-ted as multi-period LFMCW,and would be subject toFFT(fast Fourier transform)processing twice,thefirst for target distance,the second for target veloci-ty[1~3].However,the above methods could be usedonly whenthe multiplyi…     

异步被动传感器系统模糊Hough变换航迹起始算法

异步被动传感器系统由于不能通过视线交叉确定目标位置,因此使测量关联和航迹起始变得困难。为解决杂波、漏检和目标数未知情况下航迹起始问题,提出了一种用于异步被动传感器系统的航迹起始算法。该算法首先建立候选目标集,用极大似然法求出每一候选目标的初始状态估计、模糊Hough变换和模糊聚类实现航迹和目标的检测,最后用极大似然法估计出每一批目标的初始状态。仿真实验结果表明,提出的算法能有效实现航迹起始。     

分布式异类传感器网异步采样下的航迹起始算法

为解决分布式异类传感器网异步采样下的航迹起始问题,基于模糊集理论,定义了测量集与目标间的模糊综合贴近度。基于模糊综合贴近度提出了分布式异类传感器网航迹起始算法。该算法通过模糊综合贴近度函数全局极值点的检测实现目标的检测,用与目标相关联的测量估计目标的初始状态。算法的特点是不需要掌握目标探测概率、虚警率、杂波密度等诸多信息。仿真实验验证了算法的有效性。     

基于多卡尔曼滤波器的自适应传感器融合

准确估车前目标的位置和状态是车辆安全系统的一个重要组成部分,利用多传感器可以提高对目标测量的可靠性。给出了一种用于汽车防碰撞系统中估计车前目标位置的多传感器融合算法,根据车辆与目标之间的一步预测距离,从多个预置的卡尔曼滤波器中选择一个合适的滤波器来实时处理传感器的量测数据。该算法不仅可以有效地处理具有不同测量范围的传感器数据,同时还可以通过滤波器切换的方式,处理具不同数据速率的传感器数据。Monte Carlo数字仿真证明了该算法的有效性。     

基于博弈论的多传感器交叉提示算法

针对传感器交叉提示技术在目标探测中的应用问题展开研究,首先介绍多传感器交叉提示技术基本理论,建立了具有社区性的传感器网络模型和基于多Agent技术的分布式传感器管理结构,分析了传感器交叉提示发生的条件和类型,其次提出了传感器网络效能评价函数,最后设计了基于博弈论的多传感器交叉提示算法。仿真结果表明,提出的多传感器交叉提示模型符合实际作战场景,能够生成传感器联盟方案对目标检测和跟踪,并进行目标交接,与拍卖算法和人工蜂群算法相比,博弈论算法求解质量较高,收敛速度明显提高,更适用于作战态势较紧急的情形。     

基于Fuzzy-ART神经网络的红外弱小目标检测

针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于模糊自适应共振理论（fuzzy adaptive resonance theory, Fuzzy ART）神经网络的弱小目标检测算法。首先,采用Fuzzy ART神经网络结合Robinson 警戒环技术,建立自适应局部空间背景模型,并以此分析像素点的背景模糊隶属度来抑制背景杂波;然后依据目标与残留背景杂波的空间特征采用模板均差法来突显目标,并提出基于行列模糊聚类的自适应分割算法来提取候选目标;最后结合目标的运动连续性进行多帧轨迹关联从而检测出真实目标。理论分析与实验结果表明,该算法能随背景的局部情况来自适应调节空间背景模型,从而自适应抑制背景杂波、突显目标,能有效提高信噪比,检测出弱小目标。     

利用最优定轨算法鉴别弹道有源假目标

分析了弹道导弹突防过程中有源假目标航迹的运动学特性,指出和实体目标相比,真假目标运动学特性的差异是一种非显著性差异,这种非显著性差异可以体现在初始参数估计的残差上。对于实体目标而言,其最优估计的归一化残差为高斯分布,而假目标残差为非高斯分布,可以作为鉴别的依据。设计了初始参数的最大似然（maximum likelihood, ML）估计算法,采用Levenberg Marquardt (L M)迭代法进行求解,并利用估计残差设计了假目标的鉴别算法。该方法的优点是不仅可以鉴别假目标航迹,而且对真目标而言,该算法同时是最优定轨算法。仿真结果验证了算法的有效性。     

光电成像制导中地面运动目标检测与跟踪

地面运动目标的自动检测与跟踪是对地精确打击光电成像制导中的核心任务。针对地面运动目标自动检测问题,提出了由粗到精的迭代全局运动补偿算法以补偿动平台引起的背景图像像素位移,基于变化能量测度的独立运动目标检测算法以及基于三帧序列图像的运动目标定位算法。针对地面运动目标跟踪问题,提出了融合运动特征和灰度直方图特征的粒子滤波器目标跟踪算法,实现可靠、稳定跟踪地面运动目标。利用实际航拍视频进行算法验证实验,比较了基于傅里叶-梅林变换 (Fourier-Mellin transform, FMT)、Kanade-Lucas-Tomasi (KLT) 特征跟踪、Harris角点和迭代全局运动补偿算法,验证了基于变化能量测度的独立运动目标检测算法和融合多特征的粒子滤波器跟踪算法的有效性。     

基于区间数聚类的目标分群算法

针对态势认知中目标数量多、信息不确定、数据不精确等问题, 提出一种基于区间数聚类的目标分群算法。首先, 考虑到传感器测量数据具有误差且数据不完全等因素, 采用区间数对传感器探测到的目标进行特征描述。然后, 为有效利用区间数信息定义了一种新的距离度量, 并给出了改进的区间数聚类目标分群算法。最后, 构造4类相互独立的区间数据集, 对区间数据进行分类测试, 并通过典型想定场景设定多类目标实体, 基于目标空间位置、运动特征和属性等要素进行空间分群和任务分群。仿真结果验证了算法能够有效对目标进行分群, 具有较强的稳定性。     

被动传感器系统模糊-概率双加权数据关联新算法

针对被动传感器系统中的数据关联问题,提出了一种新的被动传感器系统模糊-概率双加权数据关联算法。该算法首先利用候选关联的方位角建立检验统计量,进行方位的粗关联,排除一部分虚假候选关联,减少计算量;再对保留的候选关联进行交叉定位,计算每个交叉定位点与各个目标的关联概率;同时对相应的候选关联建立模糊关联度,来修正目标的关联概率,最后采用最大值搜索方法得到各个目标的正确关联。仿真结果表明,该方法可以快速、准确的排除虚假定位点,能够有效的对多个目标进行跟踪。     

集中式多传感器群目标灰色精细航迹起始算法

为解决多传感器群内目标精细航迹起始的难题,提出一种集中式多传感器群目标灰色精细航迹起始算法。该算法首先基于循环阈值模型、群中心点完成群的预分割、预互联,然后将预互联成功的群按传感器分成子群,基于灰色精细互联模型剔除同一传感器子群内的虚假量测,并利用量测合并模型消除群内多传感器对同一目标的冗余信息,最后基于灰色精细互联模型、航迹得分完成群内量测的精细互联和航迹输出。经仿真验证,与分布式多传感器修正逻辑法、基于聚类和Hough变换的集中式多传感器多编队航迹起始算法相比,该算法综合性能更优。     

单天线SAR动目标的检测和聚焦

单天线SAR运动目标检测系统具有结构简单、算法容易实现等特点,它的运动目标检测性能的完善很有应用意义.首先建立了运动目标SAR回波模型,结合单天线SAR运动目标检测系统,提出了一种基于频域对称扰动的能够对具有方位向速度的运动目标检测的新方法,在详细分析运动目标散焦程度和方位向速度关系的基础上,给出了检测原理以及实现检测的方法.对检测到运动目标的距离门单元,提出了用基于图像域的偏移自聚焦算法估计动目标的调频率,进而完成运动目标在SAR图像上的聚焦成像.并用计算机仿真结果和实测数据验证了算法的有效性.     

有限记忆ISODATA算法在航迹关联中的研究

针对多传感器多目标航迹关联的特点,提出了将基于聚类分析的ISODATA算法应用于航迹关联的解决方法。将表征航迹特征的参量构成待分类的样本空间,利用ISODATA算法对来自不同传感器的航迹进行关联。构建了基于ISODATA算法的有限记忆关联模型,利用有限步的历史航迹状态数据,有效地解决了目标密集环境下的误关联问题。通过仿真研究说明了算法的有效性。     

最优分布变换与微弱点状动目标检测技术

研究了微弱点状动目标序列图像观测模型、目标检测模型和最优分布以及最优分布变换。提出了一种基于准优分布变换的微弱点状动目标检测技术。经过变换 ,未知统计分布变为准高斯分布 ,提高了信噪比 ,改造了分布形状 ,获得了有利分布。并将时空三维搜索简化为沿时间轴投影与二维空域搜索 ,实现了一种快速算法。PC仿真结果与国内外相应文献比较 ,在信噪比、检测概率与虚警概率方面具有更好的性能 ,且算法的实时性好。给出了该算法性能的理论分析和实验仿真结果     

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model, IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型（variable structure multiple model, VSMM）的高斯混合基数概率假设密度（Gaussian mixture cardinalized probability hypothesis density, GMCPHD）滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。