网络瞄准环境下最优分布式航迹融合算法

利用地域分散的多传感器系统跟踪目标是网络瞄准的主要作战方式。首先结合网络瞄准的作战特点,建立了两种典型的分布式航迹融合结构;然后对网络瞄准环境下传感器量测噪声相关问题展开研究,分别给出了传感器量测噪声相关与不相关情形下的最优分布式航迹融合方法。理论分析和仿真计算表明,这些方法等价于集中式融合算法,可以显著减小由于噪声相关造成的融合性能下降,从而在一定程度上提高了瞄准过程中目标的定位精度。

分布式航迹融合系统评价指标体系优化

针对目前分布式航迹融合系统尚未形成一套标准的性能评价指标体系,以及常用精度指标存在的问题,对分布式航迹融合系统评价指标体系进行了优化。使用最佳基数线性分配度量标准(COLA)代替原有的精度指标,对已有的精度指标进行优化,提出了融合COLA精度指标,并通过分析评估对象,依据构建原则初步构建评价指标体系,然后根据仿真实验获得的实验数据和粗糙集属性约简的性质对指标体系进行筛选优化,最终构建了一套较为完整、客观公正的评价指标体系。仿真实验结果表明,优化后的指标体系可以有效以及更加适用地评价分布式航迹融合系统性能。

分布式雷达航迹融合关键技术研究

为实现全国范围内的空中交通动态监视,必须将分布于全国各地的管制中心的雷达融合数据经通信线路传送到全国空情融合中心,常用的办法是进行动态雷达数据拼接,在拼接边界存在航迹平滑度差,航迹易跳变等问题。考虑采用分布式融合算法来处理各融合节点输出的雷达航迹,解决了航迹在融合边界质量差的问题。并针对分布式雷达数据融合过程中的几个关键问题:误差校正、航迹关联、融合算法展开分析,分别给出了有效的处理方案,并在实际工作中进行验证,均取得了良好的效果。

时间偏差校准分布式多传感器多目标跟踪算法

由于信号处理、量测采集延时等原因,导致多传感器系统中存在量测时间戳不准确,即量测时间偏差。针对量测存在时间偏差的分布式多传感器系统,提出一种时间偏差校准分布式多传感器多目标跟踪算法。在局部处理器,针对传感器量测存在虚警和漏检的情况,基于联合概率数据关联(JPDA)和扩展卡尔曼滤波(EKF)算法进行多目标跟踪,估计出存在时间偏差的局部航迹。在全局处理器,针对局部航迹时间偏差导致全局航迹精度下降的问题,首先,采用逆卡尔曼滤波基于局部航迹构造等效量测,针对匀速直线运动目标,推导出相对时间偏差伪量测方程并给出计算方法;然后,提出一种基于伪量测的相对时间偏差估计算法,采用递推最小二乘估计与卡尔曼滤波在空域及时域实现了相对时间偏差的联合估计;最后,设计一个时间偏差校准分布式多传感器多目标跟踪架构,联合进行时变时间偏差估计与补偿、“等效量测-全局航迹”关联和全局航迹更新。虚警和漏检下的多传感器多目标跟踪仿真结果表明:量测存在时间偏差情况下,所提算法可以有效提高融合后的全局航迹精度。

Multisensor Distributed Track Fusion AlgorithmBased on Strong Tracking Filter and Feedback Integration^1）

A new multisensor distributed track fusion algorithm is put forward based on combiningthe feedback integration with the strong tracking Kalman filter. Firstly, an effective tracking gateis constructed by taking the intersection of the tracking gates formed before and after feedback.Secondly, on the basis of the constructed effective tracking gate, probabilistic data association andstrong tracking Kalman filter are combined to form the new multisensor distributed track fusionalgorithm. At last, simulation is performed on the original algorithm and the algorithm presented.