基于消息传递的机载雷达组网航迹融合

机载雷达组网航迹融合需要解决目标跟踪、数据关联与航迹管理3个子问题,然而这3个子问题相互耦合,采用开环序贯估计算法会导致性能下降.本文提出了一种基于消息传递的机载雷达组网航迹融合方法,该方法在联合优化框架下解决目标跟踪、数据关联与航迹管理3个子问题.首先,建立机载雷达组网航迹融合的联合概率密度函数,并将其转换为因子图.其次,将因子图分解为置信传播区域与平均场近似区域.目标运动状态的统计模型服从共轭指数模型,因此采用平均场近似以获得简单的消息传递更新公式.数据关联包含一对一约束,因此采用置信传播.目标存在状态同样采用置信传播,以获得更好的近似结果.最后,可以通过闭环迭代框架近似估计后验分布,从而有效处理目标跟踪、数据关联与航迹管理之间的耦合问题.仿真结果表明,所提算法的性能优于多假设跟踪算法和联合概率密度关联算法.

数据和模型双驱动的航迹融合算法

针对数据驱动的航迹融合算法精度较低、泛化和适应性差的问题,文中提出了一种数据和模型双驱动的航迹融合算法。该算法主要包含残差提取、残差融合和航迹重建三个部分。残差提取,即模型驱动部分:根据先验知识,建立航迹误差模型,对局部航迹进行近似,并提取其残差作为误差的估计。残差融合,即数据驱动部分:设计了一个多尺度全卷积网络对残差进行融合。航迹重建部分:将网络输出的融合残差还原为融合子航迹,并对连续的多个子航迹进行综合,得到完整的融合航迹。仿真实验表明,该算法不依赖先验信息,融合精度显著优于数据驱动融合算法和传统算法,并具有很好的运动参数和运动模式泛化与适应能力。