一个快速的被动式传感器数据关联算法

本文针对仅能获得关于目标角度信息的被动式传感器、且允许传感器漏检、虚警、以及监视空域目标位置和数量未知的静态数据关联问题 ,提出了一个基于空间交点属性强度的快速数据关联算法 .与现有算法相比 ,本方法较好地改进了数据关联算法的精度和运算速度 .最后 ,通过仿真实验给以验证 .

遗传算法在多传感器多目标静态数据关联中的应用

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题。而常见的关联算法要么计算量大，要么实际运用中效果不理想。本文提出了利用遗传算法来解决无杂波和漏检情况下三种不同类型、不同位置的传感器对数目未知的目标进行检测时的静态数据关联问题。实验结果表明这种算法具有很高的关联成功率。

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．

基于改进单亲遗传算法的被动传感器数据关联

主要研究了两被动传感器的数据关联方法.首先建立了两传感器联合关联概率数学模型,将求解后验概率的极大值问题转化为求解特殊的指派问题;然后提出了一种改进型单亲遗传算法求解此问题,并从理论上证明了该算法的封闭性和可达性.仿真结果表明,所提出的方法收敛速度快、关联正确率高,验证了模型和求解方法的正确性、可行性.

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。

被动式多传感器数据关联的消元算法

针对被动式多传感器多目标数据关联 ,试图解决其计算量较大的部分——多维分配问题的求解 ,从而解决数据关联的实时应用问题。通过对分配问题的模型进行分析 ,结合矩阵变换 ,得到消元的几个定理 ,并结合计算机仿真分析 ,给出了一种消元算法。仿真结果表明 ,与传统的最优分配解法相比 ,这种方法没有遍历所有的可行解空间 ,计算量小 ,而且易于计算机实现。并且 。

基于遗传算法的多传感器多目标静态数据关联

提出利用遗传算法来解决在传感器存在漏检、检测空域中目标个数未知情况下,单平台多传感器数据融合系统对目标进行检测时的静态数据关联问题.实验结果表明这种算法具有很高的关联成功率,并且提高了多传感器数据融合系统的检测概率.

基于GA的漏检情况下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。当传感器大于３时，该问题的求解是ＮＰ的。提出一种基于 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，并能优化求解的多目标个数，提高多传感器系统的检测概率。

多传感器多目标数据关联模糊聚类算法的改进

多传感器多目标跟踪广泛应用于军事和民用监视系统。数据关联和滤波技术是多目标多传感器跟踪监视系统的主要组成部分。近年来，人们开始研究模糊数据关联方法，取得了较好的效果。本文针对基于模糊聚类均值算法的数据关联方法中的一些问题，提出了一些改进的想法，仿真结果说明了其有效性。

基于匈牙利求解的被动传感器数据关联算法

在多传感器多目标跟踪领域中,数据关联是按一定规则连接具有共同目标的决策过程。通过整数规划将数据关联问题转化为多维分配问题。该文利用改进的拉格朗日松弛算法把多维分配问题降为一系列二维分配问题;引入匈牙利算法求解二维分配问题的最优解以获得最佳关联结果。仿真结果证明该文算法计算量小,关联正确率高。

改进的被动多传感器数据关联算法

针对被动传感器数据关联的问题,提出了一种基于改进量子粒子群算法的被动传感器数据关联方法。算法采用分层关联的思想,首先通过构造角度检验统计量进行方位粗关联,然后将余下的候选关联组合转化为三维分配问题,继而提出了一种改进的量子粒子群算法求解此问题。仿真实验表明,该算法能够快速消减候选关联集合的数目,快速、准确地排除虚假定位点。

基于改进联合概率数据关联的AUV定位算法

基于水下无线传感器网络的位置估计是解决水下自主机器人定位问题的有效方法,然而由于水下无线传感器网络中的传感器节点一般部署在开放水域中,外来的恶意节点在基于到达时间的网络信道中注入恶意噪声延迟会对定位精度产生不利影响。针对这个问题,本文提出了一种改进联合概率数据关联算法。首先,我们考虑了一种异构的网络架构,包括水面浮标节点、水下信标节点和待定位的AUV目标节点,并获取网络架构中信标节点和AUV之间的距离测量;然后,我们设计了一种基于矩阵相似度的恶意噪声识别机制,识别并丢弃受恶意噪声污染的距离测量,并且对检测为未受到恶意噪声污染的距离测量进行分组,利用最小二乘法完成对AUV的初步定位;接着,为了丰富所得到的样本测量点以提高AUV的定位精度,我们在预测点以及检测出未受到恶意噪声污染的测量点的附近生成一系列服从高斯分布的虚拟测量;最后,对这些测量点进行数据关联处理与更新,完成对AUV目标节点的精确定位。仿真结果表明,所提出的定位方法与其他工作相比,在有恶意噪声攻击的情况下仍能保持较好的定位精度。

基于自适应遗传算法的多传感器多目标静态数据关联

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题 ,而常见的关联算法要么计算量大 ,要么实际运用中效果不理想。本文提出了利用自适应遗传算法来解决在传感器存在漏检、检测空域中目标个数未知情况下 ,单平台多传感器数据融合系统对目标进行检测时的静态数据关联问题。实验结果表明 ,这种算法具有很高的关联成功率 。

一种适于工程应用的多目标跟踪快速数据关联算法

提出了一种新的多目标跟踪快速数据关联算法 .重点分析了关联门相交区域中的公共回波对航迹更新的影响 ,并综合考虑了关联门内其余候选回波对航迹更新的作用 ,以很小的计算代价完成了后验概率的计算 .仿真表明 ,新算法以与PDAF算法接近的计算量 ,达到了接近于JPDAF算法的目标跟踪成功率 .

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。

多传感器数据融合机动目标跟踪算法

机动目标的运动特性具有复杂性、多变性、无先验性。多传感器信息融合的机动目标跟踪问题可以描述为数据关联和状态估计两个相关功能的最优化问题。本文分析了运用于多传感器数据融合机动目标跟踪的数据关联和状态估计算法,得出了高效费比的模糊数据关联算法(FDA)和变结构多模算法(VSMM)。此外,并分别介绍了模糊数据关联算法和相似模型集的变结构多模算法。将模糊数据关联算法和变结构多模算法结合起来,从而提高对机动目标跟踪的性能。

一种提取关联规则的数据挖掘快速算法

提出了一种从大型数据库中挖掘关联规则的快速算法 .该算法以经典的 Apriori和 DHP算法为基础 ,提出了中间检查点、等价项目类等概念 ,并对 Apriori中的 Apriori- gen算法进行了改进 .结果表明 ,它较

基于神经网络的无源多传感器属性数据关联

采用引入动量项、自适应调整步长、Levenberg-Marquardt优化方法对基本的BP神经网络进行改进,以提高学习速度,改进的BP神经网络学习算法用于对无源多传感器获得的雷达辐射源参数进行属性数据关联,能够自适应地调整阈值,即根据训练数据调整关联的门限值,与确定门限的属性关联算法相比,有着很高的关联正确率。

多传感器多模型相互作用的数据关联方法

基于信息融合中的数据关联技术,在卡尔曼滤波基础上,结合相互作用多传感器多模型的概率数据互联算法,建立故障监测报警和现场传感器量测数据关联二者之间的关系,建立更具一般性的分布式传感器系统基础上的多传感器多模型,改进概率数据关联方法,以用于故障监测报警中相互作用的算法.并结合一个时变系统中空间位置传感器的故障诊断问题为例,运用多传感器多模型相互作用的数据关联方法进行仿真分析,研究此类故障判据的数据关联问题和数据关联算法的改进,研究表明相互作用多模型的概率数据互联改进方法不仅与有限维数的特定测量阈值相对应,而且直接针对故障模式,能够体现出动态模型的优点,可以与系统诊断知识相融合,为故障诊断的单步的、多步的、长期的预测预报提供依据.

基于空间交点强度的被动式多传感器数据关联

将基于空间交点强度的被动式传感器快速数据关联算法推广到多传感器情况 ,讨论整个算法的实现原理 ,并给出算法的具体实现过程。在无漏检和无虚警的情况下做了仿真实验 ,同时对存在漏检和虚警的情况进行分析 。