基于伪点迹的多传感器异步航迹关联算法

在多传感器信息系统中,来自不同传感器的局部航迹往往是异步的,针对此问题,提出了一种基于伪点迹的异步航迹关联算法.首先利用点迹重构技术将异步航迹进行时间对准,然后再利用经典分配的方法对各局部航迹进行了配对,从而达到异步航迹关联的目的.仿真结果证明此方法能很好地解决多传感器异步航迹关联的问题,关联正确率接近90%.     

序贯处理的多传感器航迹融合算法研究

基于分布式的多传感器航迹融合系统,采用序贯处理的方法并结合矩阵加权的融合算法,在估计误差协方差阵迹最小的准则下,提出了估计误差相关条件下的航迹融合算法,从理论上对算法的航迹融合性能进行了分析,并进行了仿真。仿真结果表明了基于序贯处理的融合算法的可行性和有效性。     

基于多传感器信息融合的异步点迹关联方法

对于异步场景下的数据关联,通过时间配准将异步点迹集合同步化的方法计算复杂且误差较大,严重影响关联效果.在不进行时间配准的前提下,提出一种基于集合经验模态分解(Ensemble Empirical Mode Decom-position,EEMD)来提取趋势项的异步点迹关联方法.仿真结果表明,该方法整体上的关联效果好于基...     

交互式多模型异步航迹融合算法

对分布式融合系统中的异步航迹融合算法进行了研究.已有的异步航迹融合算法要求传感器所采用的状态方程与目标运动模式相同,这在实际应用中很难满足.针对已有异步航迹融合算法的不足,建立了基于状态方程集合的异步航迹融合模型.所有传感器均采用基于同一状态方程集合的交互式多模型(IMM)算法来实现航迹生成,融合中心对来自于相同状态方程的异步航迹数据进行加权平均来获得同步航迹,提出了交互式多模型异步航迹融合(IMMASTF)算法.仿真结果验证了IMMASTF算法的有效性.     

基于改进加权航迹关联的异步融合算法与仿真

在分布式多传感器信息融合系统中,来自各传感器的局部航迹往往是不同步的。针对分布式多传感器异步航迹关联与融合问题,文中提出一种基于改进加权航迹关联的异步航迹顺序融合算法。把多传感器异步航迹外推校准到同一时刻,实现异步航迹的同步化,再用改进的加权航迹关联算法进行航迹关联,并利用顺序融合算法对已关联航迹进行融合。仿真结果表明了该算法的有效性。     

基于网络延时的异步航迹融合

针对分布式传感器网络中广泛存在的通信延时问题,在异步航迹融合的基础上,提出一种基于网络通信延时的异步航迹融合算法。该算法对通信延时情况进行模拟,能自动地对产生延时的传感器进行跟踪和检测,并做出相应处理。算法具有较高的灵活性和较强的实用性。对数据传输延时的影响进行分析,通过仿真实验比较了数据传输延时对航迹融合效果的影响。     

网络瞄准环境下异步航迹融合策略及融合算法研究

多个网络节点的异步航迹融合是实现网络瞄准作战方式的关键技术之一．本文有效利用各网络节点的异步航迹信息, 提高瞄准的精度. 首先分析了网络瞄准环境下异步航迹融合的主要方式, 在此基础上结合工程实际, 提出了3种可适用于网络瞄准的异步航迹融合策略; 然后根据最优估计理论, 分别给出了不同策略下的异步融合算法与实现步骤; 最后通过仿真验证了所提出方法在解决异步航迹融合问题上的有效性, 并分析了不同航迹融合周期 对系统融合性能的影响.     

带反馈信息的多传感器航迹融合算法

基于分布式多传感器航迹融合系统,采用序贯处理的方法,研究了相关条件下带反馈信息的多传感器航迹融合问题.以估计误差方差阵迹最小准则导出了相应的融合算法,并进行了仿真分析.仿真结果表明带反馈信息的多传感器航迹融合算法的可行性和有效性,同时也表明带反馈的融合算法比不带反馈的融合算法具有更高的跟踪精度.     

一种基于序贯Monte Carlo算法的交通事件重构方法

为了能准确地重构出当前道路场景中的交通流事件,需要合适的模型与方法以及能够代表交通流状态的实时数据。基于交通流非线性非高斯的特点,提出了一种基于序贯Monte Carlo方法的交通流堵塞事件重构模型。提出的模型能够不断的同化真实道路上实时的传感器数据使仿真中的交通流状态与真实路况不断接近。通过分析仿真数据推测出当前真实道路上的堵塞事件及其相关属性,并据此在仿真环境中模拟堵塞,进而实现对真实道路上堵塞事件的重构。理论研究和实验结果表明该模型能够根据重构结果评估当前的道路状况,合理推测引起拥堵的位置与堵塞范围。     

多传感器异步航迹融合算法与仿真

针对分布式多传感器数据融合系统,提出了一种多传感器异步航迹融合算法。由于不同传感器的采样时间各不相同,融合算法首先利用最小二乘法将局部航迹统一到融合中心的融合时间点,然后利用多传感器自适应航迹融合算法,将局部航迹进行融合,得到系统航迹。仿真结果表明该算法能够较好的解决异步航迹的融合问题,以较小的计算量达到了接近加权协方差(WCF)算法的融合精度。     

一种基于航迹隶属度的动态加权融合算法

提出一种适用于传感器精度差异较大时的目标精确跟踪的加权融合算法,该算法通过求解局部航迹之间的最佳隶属度矩阵,将局部航迹本身的最佳隶属度动态地赋给对应传感器权值,实现权值的动态分配。蒙特卡洛仿真表明,精度差异较大传感器组成的融合跟踪网络中,该算法不论应用于匀速目标还是机动目标的精确跟踪,均具有良好的性能。     

一种改进的分布式航迹估计融合算法研究

在航迹估计融合算法研究中,加权融合估计算法实现起来特别容易,因此得到了广泛应用。但由于其加权因子直接影响融合结果,一般说来都根据平时经验制定其加权因子,导致算法性能很不稳定,设计起来也不方便。针对此问题,设计了一种改进加权融合算法,并与其它算法进行比较,结果表明,算法稳定性更高,设计更科学,融合效果更好。     

基于数据关联的多雷达点迹融合算法研究

在典型应用场景下,针对传统数据关联算法易于产生目标跟踪丢失的问题,提出了并行多传感器联合概率数据关联算法(PMSJPDA),给出行多传感器联合概率数据关联算法的实现流程,并对该算法进行理论分析。最后采用两部典型雷达构成PMSJPDA数据融合系统,对其算法的目标跟踪精度进行仿真,仿真结果表明,所提出算法可有效改善对目标的跟踪性能,提高了对目标的跟踪精度。     

分布式多传感信息融合系统的异步航迹关联方法

在分布式多传感信息融合系统中,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,导致来自不同传感器的局部航迹往往是异步的.针对此问题,提出了一种异步航迹关联方法.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.接下来,将多传感多目标航迹关联问题转化为在网络中搜索总费用最小的多个互不相交的路径问题,从而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,算法可以有效地解决异步航迹的关联问题,且具有较高的关联成功率.     

基于图像融合的微表面快速三维重构算法研究*

在分析电子探针图像多样性与相关性特征的基础上,提出先应用提升小波进行快速图像融合,以提高图像信息量,然后根据微表面图像纹理相似性,抽取出高程数据,通过顶点数组方式快速重构三维立体场景。实验表明,此方法信息量大、操作简单、场景逼真,易形成交互场景,具有较好的实际应用价值。     

基于WNNs的ADS与多雷达航迹融合算法

基于分布式多传感器航迹融合系统,采用小波神经网络（Wavelet Neural Networks,WNNs）理论,研究了自动相关监视（Automatic Dependent Surveillance,ADS）与多雷达信息的航迹融合问题。以位置方差权重因子和报告周期权重因子构建WNNs,并实时估计各航迹信息的可信度,融合输出综合航迹。仿真结果表明,该算法对航迹的融合结果优于互协方差融合等算法,并具有更强的鲁棒性,有效提高了监视能力的完整性。