集中交互式多传感器模糊联合概率数据互联算法

为了解决杂波环境下多传感器多机动目标跟踪问题,本文提出了一种集中交互式多传感器模糊联合概率数据互联算法.该算法首先设定多个跟踪模型并计算每个模型中测量点迹与航迹测量预测之间的模糊综合相似度;然后基于阈值判别及经验概率法则计算模糊联合互联概率,并基于此概率对各航迹进行状态估计及状态估计协方差的更新;最后计算各模型概率,并据此概率对各模型所获得状态估计进行加权得出各航迹在融合中心最终的状态估计.对该算法与集中交互式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者有显著提高,同时有效地降低了周期耗时,综合性能更优越.

基于数据压缩的多传感器多假设算法

为解决集中式多传感器系统中多目标跟踪问题,提出了一种新的多传感器多目标算法.提出的算法首先应用经典分配规则对每个传感器送来的观测数据进行排列组合,然后对每个组合中各量测点进行概率加权以获得一个等效量测点,最后根据每个等效量测点产生的互联假设计算其互联概率并获得融合中心的状态估计.给出了该算法与已有集中式多传感器联合概率数据互联算法的仿真比较,仿真结果表明该算法的跟踪性能在探测概率降低的跟踪环境下表现得更为优越.

集中交互式多传感器联合概率数据互联算法

为了解决杂波环境下多传感器多机动目标跟踪问题,本文提出了一种集中交互式多传感器联合概率数据互联算法。本文提出的算法首先应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合,并对所有的测量组合进行有效性判断,然后应用数据压缩的方法将每个有效量测组合压缩成一个等效量测点并根据每个等效量测点的联合似然函数计算其联合互联概率,最后在此基础上应用交互式多模型算法的思想以处理目标出现机动的问题。本文最后给出了该算法的分析,仿真结果表明,本文算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题。

几种简化联合概率数据互联算法性能分析

针对最优联合概率数据互联算法复杂、运算量大的问题,目前提出了许多简化的联合概率数据互联算法。为了清楚地了解这些算法在不同环境下在跟踪精度、实时性等跟踪性能上的差异,对几种典型的简化算法进行了详细的性能分析。给出了简化算法的数学模型,然后从理论上对这些算法进行了优缺点比较,最后选取了多种典型的与实际工程背景相近的多目标运动环境,对几种比较有代表性的简化算法在这些环境下进行仿真实验,并根据仿真结果对它们各方面的性能进行综合分析。

多传感器多目标跟踪算法性能分析

多假设与联合概率数据互联算法都能很好地解决杂波环境下的多目标跟踪问题。随后 ,人们在此基础上又将单传感器多假设、联合概率数据互联算法推广至集中式多传感器系统与分布式多传感器系统。近来 ,也有文献提出将广义S D分配算法动态化 ,实时地应用到集中式多传感器系统对杂波中的多目标进行跟踪。这些算法各有特点 ,因而它们在不同的情况下 ,算法的跟踪精度、实时性等方面各有优劣。然而 ,至今尚未见到有文献对这些算法在统一环境下进行分类比较 ,文中假定多种典型的多目标运动环境 ,对上述算法在这些环境下进行仿真实验 。

当前统计概率数据关联算法

目标跟踪领域的一个研究重点是如何解决在密集杂波环境下机动目标的跟踪问题。机动目标跟踪的关键是解决目标模型的不确定性,而密集杂波环境则使这个问题变得更加复杂。针对这一问题,提出一种当前模型概率数据互联算法。该算法将当前模型算法与概率数据互联相结合,在使用概率数据互联算法的同时,利用当前模型算法对目标出现的机动进行自适应滤波。最后,给出了算法的仿真分析,仿真结果说明该方法能够有效地跟踪杂波环境中的机动目标。

杂波环境中机动目标跟踪算法性能分析

由于概率数据互联算法不具有跟踪机动目标的能力,为了解决杂波环境下机动目标跟踪问题,提出了很多基于概率数据互联的修正算法。这些算法各有特点,因而它们在不同的情况下,算法的跟踪精度、实时性等方面各有优劣。假定一种典型的目标机动情况,在这种情况下对几种比较具有代表性的修正算法进行仿真实验,并根据实验结果对它们各方面的性能进行综合分析。

扩展式机动目标可调白噪声模型

在目标跟踪过程中,每个量测周期所得到的雷达量测数据以极坐标形式表示。量测方程在极坐标中是线性的,但在笛卡儿坐标系中却是非线性的。此时,目标跟踪实际上是非线性的。随着现代航空、航天技术的发展,飞行器的机动性得到了更大的加强,这就使跟踪问题变得更加困难和复杂。针对非线性机动目标跟踪问题,提出了一种扩展式当前统计模型机动目标跟踪算法。该算法不需要假定目标的机动加速度模型,而是直接正确地估计出机动目标的当前状态,不存在任何估计滞后与修正问题。最后,给出了算法的仿真分析。

基于多维分配和灰色理论的航迹关联算法

针对目前应用于分布式多传感器系统中航迹关联算法只能解决两局部节点航迹相关的问题,该文提出了一种基于多维分配的灰色航迹关联算法。该算法运用灰色理论获取各传感器航迹间的灰色关联度,以此关联度为多传感器系统的全局统计量构造多维灰色关联度矩阵,并根据此矩阵形成的多维分配问题的解获得各传感器航迹间的关联结果。仿真结果表明,在密集目标环境下和/或交叉、分岔及机动航迹较多的场合,该算法的性能明显优于传统方法,其正确关联率较灰色航迹关联算法提高了大约8.8%。

有色噪声下的不敏卡尔曼滤波器

有色噪声干扰情况下非线性系统的状态估计是许多实际工程需要解决的问题。通常的方法是利用扩展卡尔曼滤波方法将非线性系统线性化后,再利用线性系统的方法对有色噪声系统进行估计。然而,模型的线性化误差往往会严重影响最终的滤波精度,甚至导致滤波发散。为了避免此类误差,先通过对测量方程进行变换的方法,将观测方程的有色噪声转换为白噪声后,再利用不敏卡尔曼滤波方法,对系统的状态进行估计。虽然,该方法也需要对观测方程进行线性化,但是由于此线性化过程是在求解新量测方程的测量误差中进行,因此对系统的误差影响不是很大。仿真结果表明新方法能够有效地对有色噪声环境下系统的状态进行估计,性能要优于现有的一些基于EKF的方法。

多传感器顺序粒子滤波算法

粒子滤波是一种基于MonteCarlo仿真的最优回归贝叶斯滤波算法.这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型,因此能够很好地解决非线性、非高斯环境下系统的状态估计问题.为了能够有效地解决非线性、非高斯环境中的集中式多传感器状态估计问题,本文研究了多传感器顺序粒子滤波算法.首先,从理论上推导了一般的集中式多传感器粒子滤波模型;然后根据集中式多传感器系统的特点,提出了顺序重抽样方法.最后,给出了算法的仿真分析.仿真结果说明顺序粒子滤波方法能够明显提高多传感器系统状态估计精度,并且随着传感器数增多,改善的效果越好.

多传感器多目标粒子滤波算法

为了能够有效解决非线性、非高斯环境中多传感器多目标跟踪问题,提出了一种基于粒子滤波的多传感器联合概率数据互联粒子滤波算法(MJPDAP)。该算法应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合以形成等效量测点,并计算所有等效量测点的联合似然函数。在此基础上,结合联合概率数据互联(JPDA)的思想计算各个粒子权值,以获得最终的跟踪结果。仿真结果表明,与单传感器联合概率数据互联粒子滤波算法(SJPDAP)相比,该算法位置跟踪精度能提高20m左右。

蚁群算法解决指派问题的研究和应用

指派问题是在生产和生活中经常出现的问题。本文建立了指派问题的数学模型,对现有的解决指派问题的蚁群算法进行了分析,并设计了一种改进的解决指派问题的蚁群算法,有效地提高了蚁群算法解决指派问题的准确性和效率,并通过实验结果验证了应用蚁群算法解决指派问题的可行性和先进性。

雷达—红外异地配置下的数据融合算法

文中讨论了雷达和红外传感器异地配置情况下的数据融合算法。首先,讨论了雷达相对于红外传感器所在位置的转换测量和相应的测量误差获得方法;然后,对转换后的雷达测量数据和红外传感器的测量数据进行融合处理,从而可获得新的等效测量数据。最后,给出了算法的仿真分析。仿真结果表明新的融合算法能有效提高系统的状态估计精度。

扩展式机动目标当前统计模型

在许多实际情况中,目标测量值通常在极坐标或球坐标中得到,而不是在笛卡尔坐标中得到。此时,目标跟踪实际上是非线性的。在众多的军事与非军事领域,机动目标跟踪都是一个非常重要的问题。机动目标跟踪的困难之处在于目标模型的不确定性。针对非线性机动目标跟踪问题,本文提出了一种扩展式当前统计模型机动目标跟踪算法。该算法不需要假定目标的机动加速度模型,而是直接正确地估计出机动目标的当前状态,不存在任何估计滞后与修正问题。最后,给出了算法的仿真分析。

基于信息滤波的分布式多传感器状态估计算法

在信息滤波理论和分布式状态估计算法基础上,研究了基于信息滤波的分布式多传感器状态估计算法。证明了基于信息滤波和Kalman滤波的分布式状态估计解的等价关系。最后,给出了算法的仿真分析。

分布式不敏卡尔曼滤波状态估计技术

在许多实际的分布式多传感器系统中,系统的动态或传感器的观测方程是非线性的.解决分布式多传感器非线性系统的状态估计问题,通常采用的一种方法是分布式扩展卡尔曼滤波.但由于模型的线性化误差,EKF的滤波效果在很多情况下并不能令人满意.另外,在许多实际应用中,模型的线性化过程比较繁杂,而且也不容易得到.为了有效解决分布式多传感器非线性系统的状态估计问题,提出了一种基于不敏卡尔曼滤波的状态估计技术.不敏卡尔曼滤波是最近提出的一种新的非线性滤波方法.由于不需要对非线性系统进行线性化,不敏卡尔曼滤波可以很容易地应用于非线性系统的状态估计,并且其性能也要优于扩展卡尔曼滤波.仿真结果说明分布式不敏卡尔曼滤波方法的性能要优于分布式扩展卡尔曼滤波方法.

态势生成中一种非线性运动模型的建立

探讨了在信息融合仿真试验床的态势生成部分,建立飞行实体运动模型的方法;通过保留运动学方程,简化动力学方程的方法,给出了一种常见的机动飞行方式(俯冲爬升类运动)的运动模型的计算公式;并对这种运动模型的非线性和机动性进行了分析和讨论;通过仿真,比较了几种机动目标跟踪算法对该运动模型的跟踪效果,验证了该方法的有效性。

共同系统状态过程噪声的多传感器联合滤波算法

目前,大多数多传感器联合滤波算法不考虑共同的系统状态过程噪声对各局部状态估计的影响,而实际上这种噪声是不可忽略的。基于此,从信息空间的角度出发,从理论上推导了多个传感器联合滤波算法,并验证了以往的不考虑共同系统状态过程噪声的多传感器及考虑共同系统状态过程噪声但传感器数只有2个的最优联合滤波算法均是该算法的特例。与一已有的联合滤波算法的仿真比较表明:该算法所获得的状态估计精度好于原有算法所获得的状态估计精度。

顺序结构多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中的多目标跟踪问题,本文运用模糊理论提出了一种多传感器模糊联合概率数据互联算法。该算法首先应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度;然后运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,并提出了顺序处理结构的多传感器模糊联合概率数据互联算法的状态估计模型;最后给出了该算法与经典的多传感器联合概率数据互联算法的仿真比较。仿真结果表明,本文算法的综合性能更优越。