防空雷达网对多隐身目标的协同检测与跟踪

针对防空雷达网对多隐身目标检测与跟踪时雷达分配问题,该文将二值粒子群优化(BPSO)用于雷达分配,结合粒子滤波,提出了一种隐身目标的协同检测与跟踪算法。该算法将雷达分配问题转化成组合优化问题,根据目标的隐身特性设计雷达分配方案(RAS),借助随机分布的检测粒子计算不同RAS对新生目标的检测概率,同时根据RAS对已跟踪目标位置的后验克拉美罗界衡量跟踪精度,采用BPSO算法在RAS中进行全局搜索,选择最优分配方案进行粒子滤波与融合跟踪。与现有算法相比,该算法不仅能够及时检测新生目标,而且能够利用组网优势持续且优化跟踪隐身目标,使网络的整体跟踪精度得到显著提高,实现多目标协同跟踪。

基于性能边界和量化数据的WSN目标跟踪传感器选择算法

对能量和带宽受限的无线传感器网络下的目标跟踪问题,基于量化的观测数据和条件后验克拉美-罗下界提出一种传感器选择方法.为了节约网络能量和带宽,对传感器接收到的观测数据进行量化压缩,推导了传感器量化数据下目标状态估计的条件后验克拉美-罗下界,将其作为传感器选择和优化的准则,并且利用粒子滤波器给出一种条件后验克拉美-罗下界的近似计算方法.与基于无条件后验克拉美-罗下界和互信息的传感器选择方法进行了对比仿真,结果表明了条件后验克拉美-罗下界作为传感器选择准则的有效性以及对跟踪性能的改进.

位置误差条件下多运动站无源跟踪PCRLB

在无源跟踪中通常假设目标运动模型为离散白噪声加速度模型,此时状态协方差矩阵奇异,通用的后验克拉美罗限(PCRLB)求解方法失效.另外,观测站位置误差可能对目标无源跟踪性能带来较大影响.对此,首先将状态变量分成非奇异的位置和速度两部分;然后通过构造中间向量得到PCRLB的通用表达式,进而推导了观测站存在位置误差时的PCRLB;最后以多运动站只测角跟踪为例对PCRLB进行了仿真分析,结果表明,所推导的PCRLB计算式可为算法设计提供理论指导.