红外交叉定位系统中传感器-传感器的目标关联

针对红外交叉定位系统中传感器-传感器目标关联问题,提出了目标关联的判决方法。当两传感器与多个目标共面时会产生虚假定位点,提出了利用目标角度和角速度之间的关系剔除虚假定位点的方法。探讨了时间对准和关联目标的限定条件。综合以上分析给出了完整的目标关联算法步骤。实验仿真结果表明,该算法计算简单,适合实时处理;关联效果较好,其漏关联率和误关联率都很低。

分布式多传感器多目标跟踪方法综述

多传感器多目标跟踪是信息融合领域的热点问题,其通过融合多个局部传感器数据,提高目标跟踪精度和稳定性。多传感器多目标跟踪按融合体系可分为分布式、集中式、混合式3类,其中分布式融合结构对网络通信带宽要求低、可靠性和稳定性强,广泛应用于军事、民用领域。该文聚焦分布式多传感器多目标跟踪涉及的目标跟踪、传感器配准、航迹关联、数据融合4项关键技术,主要分析了各关键技术的理论原理与适用条件,重点介绍了不完整测量条件下的空间配准与航迹关联,并给出仿真结果。最后,该文总结了现有分布式多传感器多目标跟踪关键技术存在的问题,并指出了其未来发展趋势。

多传感器融合多目标跟踪中的序贯航迹关联算法

对于分布式多传感器融合多目标跟踪系统,提出一种序贯处理的航迹关联融合算法。为实现杂波干扰环境中对密集多目标的精确跟踪,航迹关联采用了粗、精关联相结合的方法,最小均方误差法用于实现航迹融合。序贯处理的航迹关联融合算法在保证航迹关联正确的同时,大大降低了计算量。仿真实验结果说明了本文方法的有效性。

基于全局最优的被动多传感器多目标轨迹关联算法

多目标轨迹关联问题是天基光学跟踪系统的核心和难点之一。传统的分布式轨迹关联方法基于目标的3维轨迹信息,不适用于被动传感器的2维轨迹关联问题。为此,该文以倾角差为统计检验量,建立轨迹统计检验模型,提出基于全局最优思想的轨迹关联算法,并用密集多目标场景进行算法的蒙特卡罗仿真。结果表明,该轨迹关联算法性能优良,可以有效完成密集目标环境下的被动多传感器多目标轨迹关联任务。

基于协同memetic PSO算法的传感器-目标分配问题求解

传感器-目标分配问题是防空系统传感器管理的一项重要研究内容。对面向跟踪的防空系统传感器-目标分配问题进行了研究,结合主客观分配原则,利用0-1整数规划模型对问题进行了建模,约束主要考虑传感器的跟踪能力和目标的被执行跟踪容量。构造了一种协同memetic粒子群优化(particle swarm optimization,PSO)算法,分别采用PSO算法和邻域搜索算法作为全局搜索和局部搜索。为了在粒子位置矢量中反映出传感器组合,根据问题设计了一种特殊的粒子编码方法。最后通过仿真实验验证了算法的合理性和有效性。

基于FCM的多传感器融合多目标跟踪的数据关联

数据关联是实现多目标跟踪的核心技术之一,也是实现多传感器信息融合的前提。本文采用改进的模糊c-均值法求解关联概率,并通过在不同的传感器所对应的观测空间上建立多目标运动状态的投影,将单传感器数据关联算法推广到多传感器信息融合系统,从而可在密集杂波环境中实现对多目标的数据关联和精确跟踪。仿真实验结果说明了本文方法的有效性。

无线传感器网络中的目标关联覆盖算法

为提高无线传感器网络的节点覆盖度,提出一种目标关联覆盖算法,利用节点间的关联性和动态分组调整覆盖区域,利用贪心算法对覆盖区域进行优化,以保证所关注的目标节点被传感器节点均匀覆盖,同时提高网络资源的利用率。在每个周期内唤醒部分节点,轮流进行工作,以均衡网络能量消耗。实验结果表明,该算法适应性更强,并且能有效降低网络能耗,提高网络性能。

无线传感器网络多目标关联覆盖

针对多目标网络覆盖中传感器节点和目标的关联关系,依据数据挖掘中的关联规则挖掘技术,设计了多目标关联覆盖算法MTACA.考虑到能量的有效性,利用关联规则挖掘方法动态地确定目标集合和传感器节点集合,通过节点集合工作状态的转换完成目标的完全覆盖,延长了网络使用寿命.同时,改进了适应区域覆盖的PEAS算法,使其适应多目标覆盖的应用.通过仿真对MTACA和改进的PEAS算法进行了性能分析.结果表明:MTACA算法和改进的PEAS算法在目标完全覆盖能力和网络使用寿命上明显优于随机部署网络;MTACA算法在目标完全覆盖能力、网络使用寿命、网络剩余能量以及节点间能量消耗均匀性上明显优于改进PEAS算法.

支持无线传感器网络多目标跟踪的最邻近数据关联算法研究

多源数据关联问题是无线传感器网络中多传感器数据融合的关键技术之一。联合概率数据关联算法是一种跟踪多目标的数据关联算法,它不需要任何关于目标和杂波的先验信息,但与其他有关数据关联算法相比,计算机开销大。在构造有效矩阵的过程中基于最邻近方法的联合概率数据关联算法,结合最邻近数据关联算法的思想,选取统计距离最小的3个有效量测构成有效矩阵,从而简化了有效矩阵,减少了原有算法的计算量。

基于K-Medoids聚类的多传感器航迹关联算法

为有效解决目标密集环境下的航迹关联问题,提出了一种基于K-Medoids聚类的航迹关联算法.该算法采用局部航迹与系统航迹进行关联的策略,将系统航迹作为Medoids,降低了需要关联的航迹对数量,避免了K-Medoids的固有缺陷,很大程度上提高了关联算法的效率.通过采用无穷范数计算采样点点迹距离求出了两条航迹的近似距离,这使得关联判决能考虑历史和当前航迹,提高了正确关联率.在多传感器多目标环境下讨论了其具体实现过程,仿真实验结果验证了该算法的有效性和优越性.该算法在存在噪音和离群点时,具有很强的健壮性,适合目标密集环境.

基于灰关联分析与D-S证据理论的多传感器雷达辐射源识别方法

提出了基于灰关联分析与D-S证据理论的多传感器雷达辐射源识别方法。该方法在单个传感器中运用灰关联分析法通过计算灰关联度给出该传感器关于识别框架的基本概率赋值,再在融合中心用D-S证据理论对多个传感器的识别结果进行融合。仿真试验结果表明该方法是可行的。

一种基于多传感器时间-空间信息融合的红外小目标识别方法

为了提高强干扰条件下的红外弱小目标识别的可靠性 ,提出了一种基于多传感器时间 空间信息融合的红外小目标识别方法 ,并采用D S证据合成理论对来自多个红外双波段成像传感器的实际图像信息进行了仿真融合计算 .

一种基于GA的多传感器多目标数据关联算法

研究了漏检情况下多传感器多目标检测中的数据关联问题，并将其描述为数学规划中组合最优化问题． 当传感器数大于等于３ 时，该问题的求解是ＮＰ的． 文中提出了一种基于ＧＡ（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ） 的数据关联算法，仿真实验表明，该算法具有较高的关联成功率，并能优化求解的目标个数，提高多传感器系统的检测概率．

一种改进的多传感器多目标跟踪联合概率数据关联算法研究

联合概率数据关联(JPDA)算法对单传感器多目标跟踪是一种良好的算法,但对于多传感器多目标跟踪的情况,特别是目标较为密集时,计算量剧增,会出现计算组合爆炸现象。因此,提出了一种改进算法,即对多传感器多目标量测进行同源划分,将多传感器对多目标的跟踪问题简化为单传感器对多目标的跟踪问题,然后将JPDA当作一种组合优化问题,采用连续型Hopfield神经网络求解关联概率。经仿真研究表明,该方法不仅克服了JPDA算法在多传感器多目标跟踪问题中的缺陷,还提高了跟踪精度。

基于协同Memetic自适应QPSO算法的传感器-目标分配问题求解

对复杂防空作战环境下的传感器-目标分配(sensor target assignment,STA)问题进行了研究,建立了基于识别、跟踪、定位多阶段综合作战效能的分配模型。针对该模型,首先基于粒子群聚集度和进化度判断,对传统量子粒子群(quantum particle swarm optimization,QPSO)算法进行了改进,提出了自适应QPSO算法。然后,结合多粒子群协同和Memetic搜索策略,提出了基于协同Memetic自适应QPSO算法的STA求解方法。同时,为使粒子位置矢量反映分配方案,依据不同战场环境设计了两种特殊的粒子编码方案。最后通过仿真实验验证了所提算法的有效性。

一种杂波环境下的多传感器多目标数据关联算法

研究了多传感器多目标的数据关联问题,提出了杂波环境下多传感器多目标跟踪的极大似然关联算法.算法中考虑了传感器对目标的漏检情况,在各个观测站传感器的观测数据不完备的情况下,建立了传感器测量与目标的可行关联分配模型,并综合采用了假点的后验概率比模型,提高了多传感器对同一目标测量的互补性和对弱信号目标的跟踪精度.理论分析和仿真实验结果表明,所提出的算法可实现杂波环境下对弱目标的持续跟踪,并且在确保航迹关联性能和较好跟踪效果的基础上,降低了算法的运算量.

多传感器目标跟踪航迹关联技术及应用

多传感器目标跟踪是信息融合技术在目标跟踪领域的应用范例。航迹关联是其中的关键技术之一。本文分析了多种航迹关联算法 ,提出一种将最近邻法与chi-square分布相结合 ,通过计算统计均值选择航迹的关联方法。

基于量测划分的单传感器多目标数据关联算法

在PDA算法的基础上,提出了一种基于量测划分的单传感器多目标数据关联(MSDA)算法;与JPDA算法相比,MSDA算法采用二维分配算法来消除共有量测对相邻目标的影响;与PDA算法相比,MSDA算法仅采用扩充后的私有量测集合来完成目标航迹的更新过程。对MSDA算法、JPDA算法、PDA算法在不同条件下的关联效果进行了仿真计算。仿真结果表明:在关联精度上,MSDA算法要优于PDA算法,但略低于JPDA算法;在实时性上,MSDA算法与PDA算法基本相当,而要明显优于JPDA算法。

基于故障-测点互信息的传感器多目标优化配置

针对大型流程工业系统状态监测故障诊断的传感器优化配置特点,建立能够定量反映测点获取故障信息效率的故障-测点互信息矩阵.提出传感器系统测点-故障关联度优化目标函数,建立兼顾测点获取故障信息效率、传感器系统可靠性、经济性的多目标优化配置模型.设计改进的非支配排序遗传算法(NSGA-II),在保证故障可检测性和可分辨性的前提下,获得兼顾3大优化目标的Pareto前沿解集.电站除氧器的实例分析表明了该方法的可行性和有效性.

基于多传感器的多目标联合概率数据关联被动跟踪算法

文章根据多传感器被动跟踪的特征，对传统的联合概率数据关联算法进行了修改，给出了求解联合事件概率的方法。利用同类数据的特点，采用了位置量测合并的方法，避免了计算量的增加。还开发了适用的生成可行矩阵的Ｍａｔｌａｂ程序。最后，进行了Ｍｏｍｔｅ Ｃａｒｌｏ。仿真实验，验证了文中算法能够很好地对多个目标进行精确跟踪。