飞行状态敏感的关联门调节算法

机动目标的跟踪精度受飞行状态、噪声等多种因素影响,机动目标发生强机动或者杂波干扰过大都会导致跟踪精度下降。关联门是数据关联算法筛选的有效量测和提高跟踪精度的重要环节。本文提出了一种飞行状态敏感的关联门调节算法(Flight-Status-Sensitive Tracking Gate Adjustment Algorithm,FSSTGAA)。该算法根据目标的飞行状态分析误差的来源及其变化趋势,在跟踪误差尚可接受的范围内,依据误差动态变化率动态调整关联门大小。仿真结果表明,相比于传统关联门自适应算法,本文算法能有效地降低目标丢失率,提高机动目标的跟踪精度。

一种基于搜索式扩大关联门的IMM-PDA算法

针对目标机动时IMM-PDA算法容易发生失跟的问题,提出一种基于搜索式扩大关联门的IMM-PDA算法。该算法以传统IMM-PDA算法为基础,当IMM-PDA的关联门内没有检测到有效量测时,采用逐步搜索的方式扩大原关联门,重新检测有效量测。仿真结果表明,与传统IMM-PDA算法相比,文中算法能有效减少目标失跟,并提供更好的跟踪精度。

基于关联性能评估的多目标跟踪关联门算法

针对传统的关联门设计方法应用于杂波环境下多目标跟踪时容易出现错误跟踪现象以及跟踪精度下降的问题,提出了一种新的自适应关联门设计方法。该方法通过构建量测关联性能评估指标,获取量测向量与状态向量之间的关联误差信息及其误差变化率,并以此为敏感度指标,在丢失量测或目标关联出现偏移之前,预先调整关联门,从而在确保正确量测落入关联门内的同时减小杂波和非本目标回波的干扰。仿真结果表明,相比于传统的关联门设计方法,本文方法有效地提高了目标的关联成功率和跟踪精度。

一种用于杂波中机动目标跟踪的自适应关联波门设计方法

针对传统关联波门设计方法在应用于机动目标跟踪时容易引起失跟现象的问题，提出一种新的自适应关联波门设计方法。该方法在综合交互多模型概率数据关联算法的基础上进行关联波门设计，当波门内不存在有效量测时，首先以最大机动水平对应的模型误差协方差对关联波门进行适当扩大，确保量测点迹进入波门。然后假定目标的机动能力已知，在目标运动状态的预测范围内利用观测信息寻找最小均方误差意义下的最优波门中心。该方法可以从根本上改善关联概率，从而降低失跟率，提高目标跟踪精度。仿真结果表明，与传统关联波门设计方法相比，该方法的失跟率降低了30％～40％，而且目标机动时的跟踪精度提高了20％～30％。实测数据同样验证了该方法的有效性。

杂波环境下强机动目标自适应关联波门选择

杂波环境下强机动目标的跟踪容易出现失跟和精度不高等问题,关联波门对量测信息进行有效处理,是提高跟踪精度的重要环节。提出一种自适应关联波门选择算法,在分析目标跟踪不确定度的基础上估计目标的机动状态,作为关联波门的选择依据。该算法不但考虑了波门形状与目标机动状态的匹配度,也考虑了对门限参数的动态调整。仿真实验结果表明,该算法相比固定关联波门及传统关联波门自适应算法,对杂波环境下强机动目标跟踪具有更低的失跟率与更高的跟踪精度。

近距配置声呐方位门关联分析

由于空间分辨率低,两声呐纯方位目标关联存在关联模糊性,从而产生虚假目标(幻影)。当两声呐配置距离较近时,利用两声呐同目标的方位相似性,提出方位门快速关联,消除关联的模糊性,分析配置距离和目标方位对关联门的影响,提供目标早期接触跟踪关联方法。随着跟踪的进行,在具有初步的距离范围信息的情况下,提出距离范围方位门关联方法,提供目标接近态势下的目标关联。计算机仿真说明这2种方法的有效性。

自适应关联波门机动群目标跟踪算法

为解决中心群跟踪(CGT)算法中由于群机动造成的量测丢失、估计误差增大的问题,提出了一种基于自适应关联波门的机动群目标跟踪算法。首先,将CGT算法与交互式多模型(IMM)算法结合,并利用最新量测信息对IMM算法中的转移概率矩阵进行实时修正。其次,设计了一种用于整体机动和分离机动的自适应关联波门,根据机动时刻模型的新息协方差对其进行自适应调整,确保量测点迹进入波门。仿真结果表明,所提算法一方面减小了传统固定转移概率矩阵带来的估计误差,将优势模型的平均概率由0.58增加到了0.7;另一方面,设计的自适应关联波门有效解决了目标机动带来的有效量测减少的问题,相比于传统波门,目标失跟率减少了30%,具备工程实用性。

一种基于模糊推理的自适应关联波门设计方法

针对传统关联波门在杂波环境下的机动目标跟踪中容易出现丢失目标的问题,提出了一种基于模糊推理的自适应关联波门设计方法。该方法在概率数据关联(Probabilistic Data Association,PDA)算法的基础上进行关联波门的设计,建立机动目标跟踪场景中最优波门门限的数学模型,运用模糊推理算法,根据目标的机动性和目标所处环境杂波密度自适应调整波门门限。仿真结果表明,该方法相较于传统关联波门,目标的失跟率降低了21%,而且提高了目标的跟踪精度。

一维逻辑门布局和门-网关联图

本文介绍一维逻辑门布局的一种新试探算法。在本算法中,决定顺序的准则是使每个门的轨道数尽量少,其特点是:①不需迭代,执行程序的CPU时间比[4]的短;③必须的轨道数不比[4]的多。

基于群目标的多目标关联算法研究

针对群目标跟踪数据关联的特点以及多目标跟踪数据关联经典的联合概率数据关联算法存在的计算量大与假设条件苛刻等问题,提出了基于群目标的多目标概率数据关联算法GJPDA(Group-target joint probability data association)。该算法首先把跟踪空间内的所有回波看作一个群,跟踪空间中任一关联门内的所有回波看作一个子群,通过关联门是否交叉、多少回波位于关联门交叉区内的判别及其相对于不同关联中心概率的计算,确定交叉区域内回波的归属。以每一个关联门内所有回波的等效回波为量测实现多群目标跟踪。仿真结果表明了该算法的有效性。

基于残差矢量范数的点迹-航迹FCM数据关联算法

点迹-航迹数据关联是多目标跟踪的重要组成部分。文章将椭圆关联门的残差矢量范数引入模糊c均值（FCM）聚类算法,提出了一种基于残差矢量范数的点迹-航迹FCM数据关联算法。仿真实验表明,相对于传统的点迹-航迹FCM数据关联算法,该算法改善了跟踪性能,有一定的应用价值。

一种基于马氏距离的无源点迹航迹关联技术

点迹航迹关联是无源定位系统进行多目标跟踪的重要技术。传统的贝叶斯类点迹航迹关联算法以基于目标状态参数的统计距离作为度量标准进行关联，而无源定位系统中的点迹航迹关联还必须考虑目标的辐射源特征参数。文章定义了基于状态参数和辐射源特征参数的多维关联门，将状态信息和辐射源特征信息组成综合矢量，提出了一种基于马氏距离的关联算法。仿真实验证明了该算法的有效性。

基于隶属度的概率数据关联算法

分析了点迹-航迹关联中常用的概率数据关联算法,针对此算法在密集目标环境下,尤其是当多个目标的关联波门相交且相交区域存在有效测量时易发生误跟和跟丢的问题,对算法进行了改进,引入了测量隶属度的概念,通过计算各个有效测量与所对应目标之间的统计距离,进而求出各有效测量的隶属度,将相交的关联波门进行拆分,然后对拆分后的各个独立的关联波门分别使用概率数据关联算法进行数据关联,并采用卡尔曼滤波算法对目标进行状态估计。仿真结果表明:改进的数据关联算法相比JPDA算法,正确关联概率下降约3%,计算时间缩短38%。

相控阵雷达仿真中的航迹关联算法研究

随着计算机计算的迅猛发展,仿真技术得到了越来越多的应用。本文主要介绍了在相控阵雷达仿真中的航迹关联算法的实现,包括关联门的选择,关联算法及航迹管理流程等。文中的航迹关联算法对于在仿真中准确模拟相控阵雷达系统的功能有重要意义。

基于动态波门和DLSTM网络的机动多目标智能跟踪算法

针对模型驱动方法表达能力有限而难以及时应对目标机动的问题,提出一种基于动态关联波门和深度长短时记忆(DLSTM)网络的机动多目标智能跟踪(MTIT)算法,简记为MTIT-DLSTM-M算法。该算法在MTIT-DLSTM算法的基础上,首先利用新息定义关联波门以提取有效量测,再采用全局最近邻算法实现数据关联。然后,利用卡方分布理论设计出动态关联波门和机动检测策略,当判定目标出现机动后,清除累积的历史状态和历史量测,重启该目标的跟踪算法流程。仿真实验证明,与现有常规机动目标跟踪算法相比,所提MTIT-DLSTM-M算法运行效率高,且具有更好的鲁棒性,应用前景良好。

基于方位机扫雷达的机动目标双波门跟踪方法

点迹-航迹处理是雷达航迹跟踪过程中的重要一环,是把雷达探测到的点迹与已知航迹进行比较,然后正确关联配对的过程。复杂环境下的目标跟踪要求点迹-航迹关联处理、目标航迹跟踪的滤波和预测都要可靠,正确的点迹-航迹关联结果会产生较为准确的滤波和预测,而准确的滤波预测又会促进点迹-航迹的正确关联,二者之间是相辅相成的。常规跟踪法在目标机动尤其是悬停情况下的跟踪难度较大,多次掉点后不易重新正确关联,容易出现掉批、误关联等情况的发生。本文提出了一种基于前后双波门的机动目标跟踪法,可以使方位机扫雷达较好地连续跟踪机动目标。

基于地面传感器的低空目标跟踪算法研究

研究了用地面声阵列传感器进行低空飞行目标跟踪问题。采用了3种类型的关联门,即初始波门、小波门和中波门,使用Kalman滤波算法来实现对方位角的跟踪。充分考虑声音传播的延时,进行传感器的方位角数据匹配,计算目标的位置。通过判断上报方位信息的各传感器是否在同一有效探测范围内,降低了计算量。仿真结果表明,该低空飞行目标数据融合算法是有效的。

基于运动特征的机载雷达目标断续量测处理

机载预警雷达对目标的量测经常出现断续现象,影响了航迹连续性要求。通过对机载脉冲多普勒雷达量测出现断续的机理分析,考虑目标进入雷达多普勒盲区的情况,基于目标运动特征提出利用联合关联波门与盲区预测相结合的处理方法,将重新出现的目标点迹与原有航迹进行关联,避免同一目标航迹因量测断续而重复起始。仿真结果表明了该方法的有效性与可行性。

基于雷达数字孪生的水上多目标跟踪方法研究

雷达的采样数据经过多目标跟踪处理后可为无人艇提供障碍状态,以保障无人艇的安全。对雷达数字孪生的水上多目标跟踪方法进行了研究。首先,以雷达采样的真实数据为研究对象,建立雷达观测数据多目标跟踪算法全流程处理策略,提出了雷达和惯性导航/全球定位组合导航的采样数据的时钟二次同步对准算法;然后,建立了雷达数据的起始航迹、暂时航迹、稳定航迹三级动态匹配航迹管理策略;最后,基于双向拟合算法进行稳定航迹的降噪,通过真实采样数据对该算法进行数字孪生仿真测试,与运用多项式拟合算法进行状态估计的目标跟踪算法进行对比,验证了该数字孪生策略的有效性和稳定性。

三维点云室内平面要素提取与优化

室内平面要素的准确提取与关系恢复是室内模型自动化语义重建的重要基础,本文提出了一种面向复杂三维点云的室内平面要素提取与优化方法。该方法首先利用区域增长和RANSAC平面混合分割方法分割室内点云数据;其次利用室内语义部件的空间位置信息及包围盒和法向量信息,对分割后的平面进行平面要素的精确提取;然后对提取的墙面进行优化,实现共享墙面的合并,解决室内墙面冗余的问题;最后利用门与墙的空间位置信息,恢复门墙关联关系。试验部分采用了两组试验数据:一组是深圳大学某层教学楼的激光点云数据,另一组是国际摄影测量与遥感学会(ISPRS)的标准数据,通过对试验结果进行评估,验证了本文方法的有效性和可靠性。