基于随机有限集理论的多扩展目标跟踪技术综述

随着传感器分辨率的不断提高,扩展目标跟踪技术在实际应用中的作用日益凸显。传统的基于数据关联的目标跟踪方法在对多扩展目标进行跟踪时难以适用,而基于随机有限集理论的方法由于避免了数据关联的困扰而得到了广泛的关注和大量的研究。通过对近年来基于随机有限集理论的多扩展目标跟踪技术研究现状进行了综合分析,包括外形建模方法、最优多目标跟踪贝叶斯滤波器的各类近似技术以及基于随机有限集的多扩展目标跟踪算法的性能评价指标等。最后在已有研究发展的基础上,提出了基于随机有限集理论的多扩展目标跟踪技术需重点关注和解决的若干问题,包括如何将外形建模与群目标轮廓建模进行结合、多机动扩展目标跟踪、多扩展目标跟踪性能评价指标、非线性非高斯下的扩展目标跟踪、非标准量测下的扩展目标跟踪等问题。

挠性航天器动态输出反馈控制中的“溢出”管制方法

研究挠性空间飞行器控制系统鲁棒设计的动态输出反馈控制系统中的“溢出”管制问题，给出了抑制“溢出”的正交空间法和参数优化方法，而且通过在设计指标中引入对“溢出”的管制项，使控制系统最佳设计和“溢出”管制结合起来，达到了减少“溢出”，改善系统鲁棒性的目的。

挠性航天器控制系统的最优综合

本文研究了挠性航天器控制系统的最优综合设计问题，给出了系统最优时控制律和执行机构与传感器配置应满足的非线性方程，而且在这一设计过程中通过使用特征值灵敏度约束，明显降低了控制系统对执行机构和传感器安装误差的敏感性，克服了轨迹敏感性约束和单纯使用特征值灵敏度指标的不足。

基于形态学和Hough变换的航迹起始研究

为进一步提高密集杂波环境下航迹起始算法的有效性,受人工航迹起始方法的启发,将雷达多次扫描数据视作二值图像,提出了一种基于形态学中膨胀操作和Hough变换相结合的航迹起始算法。首先为降低计算量,基于最大速度和雷达扫描周期这一先验信息构造了距离关联门,提出了一种去除图像杂波点的预处理方法;分析了雷达量测误差对目标位置的影响,给出了一种描述目标空间分布范围的近似方法,并依此构造了膨胀操作的结构元素,利用该结构元素对源图像进行膨胀来强化真实航迹呈直线这一特性,继而运用Hough变换方法进行直线检测。仿真实验给出了各步操作的算法结果,证明了所提预处理算法和起始算法的有效性。

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(geometricaldilution 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。

基于改进容积卡尔曼滤波的纯方位目标跟踪

为处理纯方位跟踪的非线性问题,提出了距离参数化均方根容积卡尔曼滤波,在消除距离信息不可测对跟踪影响的同时弱化了计算机有限字长截断效应所引入的误差。在假设目标的初始距离信息用多个参数化模型表示的基础上,对每个模型独立进行均方根容积卡尔曼滤波,并依据贝叶斯准则计算各滤波结果对应的概率,将概率和对应结果的加权融合作为最终滤波结果。实验仿真表明,该滤波虽略微提升了计算复杂度,但获得了更好的滤波精度和鲁棒性。

一种新的自适应滤波算法

针对机动目标跟踪问题 ,在“当前”统计模型的基础上 ,利用速度预测估计与实时速度估计间的偏差进行自适应方差调整 ,提出了一种新的自适应滤波算法———速度估计自适应跟踪算法 (简称AVE)。大量仿真结果表明 ,该算法在跟踪机动目标时 ,具有良好的跟踪性能 ,并极大地改善了AF算法跟踪非机动目标的能力。

基于信息增量的多被动传感器资源分配算法

针对多被动传感器多目标跟踪中的传感器资源分配问题进行研究。讨论了多被动传感器跟踪误差的克拉美-罗下限,在此基础上分析了多被动传感器系统跟踪误差的几何分布。为解决多目标跟踪中的传感器资源分配问题,通过先验信息熵与后验信息熵之间的差值获得信息增量;在此基础上针对多被动传感器系统的特点构建最优化分配模型,将被动传感器组合在不同时刻动态地分配给不同目标。仿真实验表明,与不考虑资源分配的固定跟踪模式相比,该方法能够高效合理地利用有限资源,并且使多被动传感器多目标跟踪系统的整体跟踪性能得到提高。

高级加密标准AES及其实现技巧

介绍美国联邦信息处理标准(FIPS)草案——高级加密标准AES,用ANSIC高效实现了此算法,并给出了其执行性能。

带渐消因子的Quadrature卡尔曼滤波

为了解决无源传感器机动目标跟踪系统非线性较强、传统的跟踪滤波方法不稳定容易发散的缺陷,提出了一种带渐消因子的QKF(FQKF)算法。该算法通过引入时变渐消因子来实时调整状态预测误差协方差阵、量测预测误差协方差阵及状态预测误差和量测预测误差之间的互协方差阵,利用公式推导得出渐消因子实际上是对状态传播积分点和量测传播积分点进行渐消,进而达到实时调整滤波器增益矩阵的目的。并通过算法的机理分析和仿真实验表明FQKF算法具有强跟踪滤波器(STF)的优良性能,能够克服QKF算法的缺陷,对于无源传感器机动目标跟踪中系统的突变状态具有较强的跟踪能力,较QKF算法稳定性有所提高,并且计算量适中。

一种远程控制软件的设计与实现

简要分析了现有远程控制软件工作模式与原理。针对现有控制软件不易穿越网络子网的不足 ,根据实际的需要设计出一种新颖的远程控制软件。这种软件改变原有的工作模式 ,利用现有的技术 。

基于相继干扰消除的无线传感网低时延广播算法

近年来,传感器技术、嵌入式计算技术与通信技术迅猛发展且日益成熟,因此传感器节点日益小型化和智能化,促进了无线传感网在战场监视、智能交通、精准农业、建筑结构健康状况监测、灾难恢复、环境监控、医疗监护等军用和民用领域的广泛应用.广播的目的是将数据从源节点分发给网络中的所有节点,在无线传感网中主要用于路由发现和重要通知的发布等.无线传感网应用于战场情报获取或火灾监控等时延敏感领域时,需要将数据快速地从源节点广播给全网所有传感器节点,因此,设计一种低时延的广播算法具有非常重要的理论研究意义和实际应用价值.但是,由于无线信号传输的广播特性,节点的信号传输会对其干扰范围内所有节点的数据接收产生干扰,而信号干扰是影响广播时延的重要因素.在信号干扰约束下的最低时延广播问题是NP(Non-Polynomial)难问题,因此难以设计出多项式时间的最优化算法.现有研究工作通常通过干扰避免调度方法来设计低时延的广播算法,虽然能避免信号之间的干扰,但是不能增加可并发传输的广播链路数目,进而有效地降低广播时延.为了有效地解决该问题,本文首先设计了一种贪婪广播算法GreedyB.该算法通过构造宽度优先搜索树来实现网络节点的分层,依据覆盖节点数最多优先选为父节点的规则来构造广播树,最后采用逐层调度和干扰避免调度的方式来分配广播链路的传输时间片.在贪婪广播算法GreedyB的基础上,本文结合相继干扰消除技术设计了另一种广播算法SICB,致力于进一步降低广播时延.与GreedyB算法不同,SICB算法在分配传输时间片时,分析广播链路之间是否满足相继干扰消除的条件,条件满足时安排在同一时间片,不满足时进行干扰避免调度.本文通过理论分析证明了,GreedyB和SICB两种算法都能提供正确的无信号干扰的广播调度方案,并且两种算法时间复杂度和空间复杂度都是多项式时间的.本文通过大量的仿真实验对所提算法进行了性能分析.仿真实验结果表明,GreedyB和SICB两种算法在不同网络规模、最大传输距离、信号传输功率、噪声功率等网络参数下的广播时延都要低于现有的广播算法,性能优化率最高分别可达43.5%和52.7%.

马尔可夫链蒙特卡罗容积粒子滤波器

针对非线性、非高斯系统状态估计问题,提出了一种基于重要密度函数的改进粒子滤波器—马尔可夫链蒙特卡罗容积粒子滤波器。在状态转移概率的基础之上综合考虑了当前的量测信息,利用容积卡尔曼滤波对每个采样粒子进行估计,使得重要密度函数更加贴近于真实后验;同时为避免粒子贫乏,在重采样后加入马尔可夫链蒙特卡罗步骤。理论分析和实验仿真表明:马尔可夫链蒙特卡罗容积粒子滤波器的性能要优于容积粒子滤波器以及其他参照滤波器。

一种新的目标跟踪算法研究

当采用概率母函数将单传感器PHD滤波推广到多传感器情形时,针对计算繁琐,难于实现的问题,本文基于集中式融合系统的有序滤波思想,提出多传感器、多目标有序粒子PHD跟踪算法,该算法通过选取与各传感器相关的重要性密度函数,层层更新各传感器的采样粒子,达到多传感器多目标有序PHD跟踪。实验结果表明,当仅仅使用单传感器对多目标进行跟踪时,虚警概率较高时一些粒子会严重偏离原始目标轨迹,导致目标数目估计出现偏差,而采用多传感器多目标有序PHD跟踪可以有效减小多目标距离跟踪误差,提高跟踪精度。

高度机动目标的改进CS-Jerk模型

针对高度机动目标跟踪问题,通过对Jerk模型的分析,借鉴"当前"统计的思想,采用截断正态分布来表征目标机动加速度变化率(Jerk)特性,利用Jerk均值与方差之间的关系自适应调整过程噪声协方差矩阵,提出一种改进的"当前"统计Jerk模型(MCS-Jerk model);并通过理论分析指出了Jerk模型及其跟踪算法的缺陷以及改进的MCS-Jerk模型算法的有效性;仿真结果表明改进的模型及跟踪算法的高机动目标跟踪性能明显优于基于Jerk模型的跟踪算法。

UKF和KF两级滤波的雷达与红外配准算法

针对雷达与红外传感器的时间和空间偏差配准问题,给出时空偏差配准模型,提出了一种时空偏差实时估计算法。该算法将目标的运动状态和传感器偏差组合在同一状态方程中,构建扩维状态的系统动态方程和量测方程,并通过对量测方程的非线性分析,采用UKF和KF两级滤波的方法进行目标状态和配准偏差的联合估计。仿真结果表明,与采用UKF滤波的方法相比,该算法具有更高的估计精度,而且减小了计算量。

并行Hough变换航迹起始

Hough变换作为一种批处理航迹起始方法,混淆了传感器量测数据的时序信息,难以克服单次扫描数据的累积效应。该文通过改变Hough变换处理结构和计数器累加方式,提出了一种并行处理结构的Hough变换航迹起始算法。该算法利用Hough变换将不同时刻的量测集合分别映射到参数空间,继而将空间中具有相同索引的各次累加结果构成累加向量;再根据建立的参数空间累加规则,利用滑窗法来确定累积矩阵的输出,最后通过门限检测实现航迹起始判决。对密集杂波环境下不同扫描周期下的航迹起始问题进行了仿真验证,结果表明了并行Hough变换起始算法的有效性。

异类传感器三维空间数据关联算法研究

在异类传感器信息融合系统中,快速准确地对目标进行数据关联极为重要。为解决2D雷达与红外传感器在三维空间中的数据关联问题提出了一种新方法。该方法采用两级关联算法进行关联,首先利用精度较高的2D雷达径向距离和红外传感器俯仰角及方位角找出目标在X-Y平面上的可能位置,通过构造角度检验统计量完成第一级关联,排除大部分虚假定位点;再采用二维分配算法对余下的候选关联组合进行精确关联,从而获得最优关联分配方案。仿真结果表明该方法较大地提高了正确关联概率,是一种有效实用的数据关联方法。

改进高斯混合粒子滤波的纯方位目标跟踪算法

针对纯方位跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题,提出了一种基于改进高斯混合粒子滤波的纯方位跟踪算法。该算法基于Sigma点卡尔曼滤波(SPKF)和粒子滤波的特点,用有限的高斯混合模型来近似后验状态密度、系统噪声和观测噪声的分布。利用贪心EM算法实现模型的降阶,一定程度上克服了EM算法假定混合成分数为已知、迭代的结果需要依赖初始值、可能收敛到局部最大点和可能收敛到参数空间的边界的缺点,从而改善粒子枯竭的问题。仿真实验结果表明在纯方位跟踪领域,与传统粒子滤波(PF)和基于EM的高斯混合粒子滤波相比,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。

基于模板的态势估计推理模型与算法

分析了态势估计的三级模型,给出了基于模板的计划识别推理框架,研究了态势估计推理算法,并提出一个通用的态势估计模板匹配算法,最后运用专家系统工具CLIPS实现了事件/活动、军事计划的模板表示及推理,结果表明使用模板匹配的方法实现态势估计是有效可行的。