分布式被动传感器轨迹关联算法性能分析

轨迹关联算法性能分析是天基光学被动跟踪系统中尚待解决的一个重要问题,给出针对基于倾角差准则的二维指派轨迹关联算法的性能分析新方法。该方法首先对在正确关联和错误关联条件下的倾角差统计量的概率分布进行准确建模,接着分析关联算法的等价条件,最后推导关联算法的理论关联性能。不同条件下的理论分析性能与Monte Carlo仿真结果表明,角度测量误差、目标间距、目标间的射向差别等都是影响轨迹关联性能的重要因素,这为工程应用提供了参考。

基于神经网络的分布式被动传感器信息融合技术

在分布式被动传感器信息融合中,存在多传感器信息关联和单传感器目标估计困难,二者相互依赖和制约,造成相对于不同传感器的信息难于进行时空对准、虚假目标不能消除。为此,应用一种混合式有序分层信息融合结构,避免多传感器信息的多重组合问题,建立了基于两个传感器的信息关联与目标估计联合优化模型,并采取一种优化神经网络算法,避免关联中的组合计算。仿真计算结果表明,这种信息融合结构、优化模型和模拟神经网络的应用是解决被动信息融合系统中关联和估计问题的一种有效方法,所采用的Hopfield型神经网络易于实现,可以提高信息融合的性能。

目标数未知条件下分布式被动传感器信息关联模型

分布式被动传感器信息融合中存在关联与定位在求解原理上相悖,导致最优化关联指标难以确定,在目标数未知时建模困难。为此,提出了双传感器信息关联的可行关联矩阵表示方法,在此基础上确定了基于方位测量的极大似然概率指标,建立了以可行关联矩阵为变量的最优化关联模型,并证明了代价函数极值定理。仿真计算结果表明所建立的模型是有效的,可以为分布式被动传感器信息融合系统提供参考。

基于计算智能的被动信息关联技术

针对分布式被动信息融合系统中存在多传感器信息关联建模和求解难题,研究了一种基于分层信息融合结构的两传感器信息关联模型,利用计算智能技术在并行计算与解组合计算问题的优越性,重点构建了基于模拟退火、遗传和神经网络技术的关联求解算法.以神经网络关联为例进行了仿真计算,结果表明了所给出的计算智能关联算法是有效的,在方法上对被动信息融合关联求解问题的解决具有重要意义.