无源声呐水下多目标融合跟踪方法

针对海洋环境噪声导致弱目标在不同子频带检测结果差异较大,致使以全频带探测结果为输入的跟踪算法出现性能退化的问题,提出一种子带融合跟踪方法。该方法利用改进的高斯混合概率假设密度滤波器对各频率子带输出的方位估计结果进行跟踪,并采用广义协方差交集准则对子带跟踪结果进行融合,以获得综合各子带信息的跟踪结果。仿真结果表明,所提方法可以提高弱目标在各子带信噪比不均衡情况下的跟踪能力,且运算时间与对比方法较为接近。海试数据处理结果进一步验证了所提方法的有效性。

计算高效的分布式多传感器PHD融合方法

基于广义协方差交集(GCI)融合理论,提出一种计算高效的分布式多传感器多目标跟踪算法,其中概率假设密度(PHD)滤波器在每个传感器节点运行,进行滤波处理。GCI用于融合多个PHD时,融合密度包括大量融合假设,这些假设随着高斯分量的数量增加呈指数增长。因此,GCI融合在实际运行中往往难以计算。为了提高多传感器融合的运算效率,文中通过距离度量将高斯分量聚类,然后进行孤立。距离度量可计算出目标融合后的密度权重,丢弃权重可忽略不计的融合假设,就能够构建简化的近似密度函数。分析表明,所提出的融合算法相较于传统的GCI融合算法,计算效率能够呈倍数提升。在先后出现12个目标的仿真场景中,通过实验验证了所提融合算法的有效性。

基于GCI融合的分布式雷达抗欺骗干扰算法

针对分布式雷达抗多假目标欺骗干扰问题,提出了一种基于数据级融合的抗干扰算法。首先,利用基于随机有限集的集势概率假设密度(Cardinalized Probability Hypothesis Density,CPHD)滤波器同时跟踪真实目标与假目标;然后,对于非协同假目标,根据其在分布式雷达检测中类似于虚警的性质,采用具有迫零特性的广义协方差交叉(Generalized Covariance Intersection,GCI)融合方法,在融合过程中实现干扰抑制;最后,对于协同假目标,引入雷达被动工作模式,采用一致性算法结合GCI方法进行分布式融合,达到了全局鉴假效果。仿真结果表明,在分布式雷达网络中,所提算法可以剔除非协同和协同假目标,并能有效跟踪真实目标。

基于协方差交叉算法的多源遥感图像融合方法

协方差交叉算法是分布式信息融合中不需要计算局部估计误差之间的相关性、通过优化一定的目标函数得到的一种保守的分布式融合估计方法。这种方法为图像融合增强提供了一种新思路。介绍了一维协方差交叉算法,把此方法扩展到二维信号和图像融合上,提出了一种基于协方差交叉算法的图像融合方法,最后对融合后的图像与已有的融合方法进行比较。结果表明,融合效果优于小波方法、经验模式分解方法和非负矩阵分解方法。

基于网格剖分的协方差交集融合新算法

针对协方差交集的最优融合问题,提出了一种基于网格剖分的协方差交集融合新算法。该算法首先利用几何法对位置空间进行网格剖分,求出局部航迹协方差椭圆所包含的网格集合;其次,对所有的网格集合进行与运算,求出局部航迹协方差椭圆所包含的公共网格集合;最后,利用公共网格集合逼近协方差椭圆的交集,求出融合估计值。蒙特卡罗仿真试验证明,该方法能有效提高相关误差航迹的融合精度。

分布式多传感器融合跟踪

针对传感器观测的非线性问题,引入了无迹卡尔曼滤波算法,它在稳定性和精确性等方面均高于卡尔曼滤波,进一步,针对其弱可观测性,采用多个传感器分布式融合跟踪策略。而协方差交集算法,它不需要考虑每个传感器之间的相关度,根据实际要求选择好合适的权值后,可以直接进行融合,并且达到很好的精度,于是,提出了基于协方差交集算法的分布式多传感器融合跟踪算法,最后分别以2个和4个被动站跟踪为例进行仿真研究,结果表明所提出的分布式融合算法能够达到很好的跟踪精度。

一种基于自适应网格剖分的协方差交集融合新算法

针对分布式航迹融合问题,提出了一种基于自适应网格剖分的协方差交集融合新算法。首先,自适应计算网格剖分误差上限;其次,利用网格剖分法求出局部航迹协方差椭圆的交集;最后,利用交集中心求出融合航迹估计值。通过仿真试验,该算法能自适应估计网格剖分步长上限,提高融合精度。

基于AMD算法的多目标分布式融合

提出一种新的基于广义交叉协方差(GCI)和平均边缘概率密度(AMD)的分布式多目标融合机制。传统的多传感器跟踪算法存在一些难以克服的缺点:如航迹关联性能对关联参数设置敏感,航迹关联计算量随目标个数增加呈指数增加等。为解决这些问题,提出一种适用于多目标的鲁棒性较好的分布式融合算法。首先,将多目标联合后验概率密度近似为关于其AMD的积分布;然后,考虑到不同雷达节点之间的未知的互相关,采用GCI融合算法进行融合。由于航迹关联过程被内嵌在航迹融合过程中,所提分布式融合机制同时进行航迹关联和航迹融合,理论上会更加完备。所提算法借助高斯混合模型实现,试验结果证明其性能相比传统融合算法有很大改善。

基于无迹变换的协方差交集算法研究

针对分布式数据观测系统中数据融合存在数据线性化过程误差较大、滤波过程中的错误无法修正的问题,提出了一种基于无迹变换的协方差交集算法。该算法首先对系统数据进行无迹变换,然后对数据采用协方差交集算法滤波,可得到较好的滤波性能。实验结果表明,该算法弥补了协方差交集算法的不足,能够修正数据线性化误差及滤波产生的错误,是一种有效的数据融合算法。

一种高维航迹融合协方差交集算法降维实现方法

在互相关性未知的分布式融合系统中,协方差交集算法是一种有效的融合算法,但其在融合高维航迹时存在计算量大、精度低的问题,为此对高维航迹进行了降维处理,把高维航迹的融合变为多组二维航迹的融合,从而得到了一种降维的协方差交集算法(Dimensionality Reduction Intersection Algorithm,DRCI)。理论分析表明该算法能有效降低运算量,仿真实验结果表明,该算法的精度高于协方差交集算法(Covariance Intersection,CI),与Kalman融合算法处于同一水平。

多传感器时滞系统CI融合滤波算法

针对多传感器信息融合时存在的时滞问题,建立了带状态和观测时滞的传感器网络移动目标追踪仿真模型,利用增广矩阵将时滞系统化为非时滞系统,提出了多传感器时滞系统协方差交叉(covariance intersection,CI)融合滤波算法。该方法避免了计算任意2个局部滤波误差互协方差阵,极大地减小了计算量与计算时间。分析了该方法的精度,比较了CI融合滤波算法与局部和最优融合Kalman滤波算法的精度,结果表明,CI融合滤波算法的精度高于局部滤波精度,但低于最优加权融合滤波精度。

鲁棒融合Kalman滤波在异步电机转速控制中的应用

协方差交叉融合算法是新兴的一种分布式融合算法,该算法避免了局部互协方差或相关阵的计算,算法简单,故得到了广泛的应用。以异步电机转速控制为应用背景,进行协方差交叉融合Kalman滤波算法的应用研究。相比已有的单传感器状态估计,所提出的协方差交叉融合状态估计算法估计精度更高。仿真实例分析说明了所提出的算法的有效性。