基于组合序列波动性的异步航迹关联算法

针对传统异步航迹关联算法效率低、目标靠近传感器附近关联性能下降的问题,提出一种基于离散数据波动性的异步雷法航迹关联算法。提出分段划分方法,根据航迹长度将不等长序列转化为等长序列,以适应实际航迹轨迹的复杂变化。定义混合离散数据集的加权方差,描述同源航迹序列数据集合的波动性,以此进行关联判定。实验结果表明,与传统异步航迹关联算法相比,所提算法的正确关联率更高、耗时更低,且不受雷达随机误差分布及目标运动位置的影响,算法稳定性较强。

分布式多传感信息融合系统的异步航迹关联方法

在分布式多传感信息融合系统中,由于每个局部传感器的采样频率不同以及具有不同的通信延迟,导致来自不同传感器的局部航迹往往是异步的.针对此问题,提出了一种异步航迹关联方法.该方法首先基于最小二乘法实现单传感器的时域融合,从而将多传感异步航迹同步化.接下来,将多传感多目标航迹关联问题转化为在网络中搜索总费用最小的多个互不相交的路径问题,从而获得相应于每个目标的各个传感器的局部航迹组合.仿真试验表明,算法可以有效地解决异步航迹的关联问题,且具有较高的关联成功率.

异步航迹关联算法与仿真

在分布式多传感多目标信息融合系统中,由于每个局部传感器的采样频率不同以及具有不同的通信延迟,导致送入融合中心的局部航迹往往不是同步的。本文提出一种异步航迹的关联方法,该方法首先基于最小二乘法实现单传感器的时域融合,从而将多传感异步航迹同步化;然后利用网络优化算法,获得相应于每个目标的各个传感器的局部航迹组合。仿真试验表明本文算法在解决异步航迹关联问题的有效性。

网络瞄准环境下异步航迹融合策略及融合算法研究

多个网络节点的异步航迹融合是实现网络瞄准作战方式的关键技术之一.本文有效利用各网络节点的异步航迹信息,提高瞄准的精度.首先分析了网络瞄准环境下异步航迹融合的主要方式,在此基础上结合工程实际,提出了3种可适用于网络瞄准的异步航迹融合策略;然后根据最优估计理论,分别给出了不同策略下的异步融合算法与实现步骤;最后通过仿真验证了所提出方法在解决异步航迹融合问题上的有效性,并分析了不同航迹融合周期对系统融合性能的影响.

多尺度小波变换提取趋向的异步航迹关联方法

传统的航迹关联方法都是基于雷达同步工作方式,但在实际的空中监视系统中,不同位置的雷达不可能同步工作。因此异步雷达目标航迹的关联更接近于实际。目标航迹数据序列实际上是一个含有多项式趋势的非平稳随机过程,利用小波变换提取这种趋势,比较两条航迹趋势的接近程度,进行异步航迹关联。理论分析和仿真实验表明,这种方法的关联正确率高,同步和异步方式下均可应用。

一种异步航迹关联的变异蚁群算法

本文提出了一种异步多传感器航迹关联的变异蚁群算法.该算法基于最优预测公式实现异步航迹的时间同步,通过动态删除可访问节点索引以规避不可行解,对最优关联结果进行变异操作以提高收敛速度和降低求解时间,采用非均匀的初始信息素分布策略以减少无效分配.仿真结果表明,本文提出的算法计算代价较小,并且具有较高的正确关联率.

基于异步航迹融合的乱序数据处理算法

针对集中式融合系统中从传感器到融合中心的传输延迟时间存在差异而导致融合中心出现乱序数据的问题,提出了一种能够处理单步延迟和多步延迟的乱序数据处理(ATFOOSM)算法.首先利用乱序时刻(乱序数据的采样时刻)前的滤波结果,通过卡尔曼滤波来获取乱序时刻的目标状态,再采用异步航迹融合的方式实现对当前时刻目标状态的更新.仿真中采用ATFOOSM算法和重新排序算法对单步延迟和多步延迟下的乱序数据进行处理,结果表明ATFOOSM算法能够获得与重新排序算法相近的滤波精度.

多传感器异步航迹融合算法与仿真

针对分布式多传感器数据融合系统,提出了一种多传感器异步航迹融合算法。由于不同传感器的采样时间各不相同,融合算法首先利用最小二乘法将局部航迹统一到融合中心的融合时间点,然后利用多传感器自适应航迹融合算法,将局部航迹进行融合,得到系统航迹。仿真结果表明该算法能够较好的解决异步航迹的融合问题,以较小的计算量达到了接近加权协方差(WCF)算法的融合精度。

交互式多模型异步航迹融合算法

对分布式融合系统中的异步航迹融合算法进行了研究.已有的异步航迹融合算法要求传感器所采用的状态方程与目标运动模式相同,这在实际应用中很难满足.针对已有异步航迹融合算法的不足,建立了基于状态方程集合的异步航迹融合模型.所有传感器均采用基于同一状态方程集合的交互式多模型(IMM)算法来实现航迹生成,融合中心对来自于相同状态方程的异步航迹数据进行加权平均来获得同步航迹,提出了交互式多模型异步航迹融合(IMMASTF)算法.仿真结果验证了IMMASTF算法的有效性.

基于伪点迹的多传感器异步航迹关联算法

在多传感器信息系统中,来自不同传感器的局部航迹往往是异步的,针对此问题,提出了一种基于伪点迹的异步航迹关联算法。首先利用点迹重构技术将异步航迹进行时间对准,然后再利用经典分配的方法对各局部航迹进行了配对,从而达到异步航迹关联的目的。仿真结果证明此方法能很好地解决多传感器异步航迹关联的问题,关联正确率接近90%。

单个非顺序量测的异步航迹融合算法

针对雷达航迹中存在的非顺序量测问题,在标准卡尔曼滤波的基础上,建立了该问题的数学模型,提出了用于解决单个非顺序量测一步滞后和多步滞后问题的异步航迹融合算法。通过在原A1算法和Al1算法的基础上融入平滑算法,提出了改进的A1算法和Al1算法,并进行仿真试验。仿真结果表明,改进后的算法能更准确有效的进行目标跟踪。

一种基于分步式滤波的异步航迹融合算法

针对分布式多传感器数据融合系统,改进了一种多传感器异步航迹融合算法.该融合算法在扩展记忆因子递推最小平方(EFRLS)估计形成本地航迹的基础上,首先利用最小二乘法将局部航迹统一到融合中心的融合时间点,然后使用分步式滤波融合算法进行状态估计.仿真实验结果表明,这种融合算法在噪声方差未知的情况下是有效的,其精度接近集中式融合算法.

基于k近邻平均距离的异步航迹关联算法

针对异步不等速率下局部节点航迹关联复杂问题,提出了基于k近邻平均距离的异步航迹直接关联算法。首先,给出不等长航迹序列间的k近邻平均距离计算规则,进而计算得到不等长航迹序列间的灰色关联度,再利用经典分配法进行航迹关联判定。算法无需时间同步,避免估值误差传播积累。仿真数据表明,算法正确关联率高、耗时较短、局部节点采样周期和开机时机不一致等异步因素对算法影响不明显,并且算法不受噪声分布形式和目标数目变化的影响。

基于分段动态时间序列的异步航迹匹配

研究了分布式目标跟踪系统中的航迹匹配,主要解决的是各传感器产生的异步局部航迹之间高效、准确地匹配问题。目前,主要的解决方法是进行时间配准,然而该方法会增大估计误差,影响后续的航迹关联和融合效果。在此情况下,提出了采用基于数值-导数的动态时间规整(Value-Derivative Dynamic Time Warping,VDDTW)和分段线性近似(Piecewise linear approximation,PLA)相结合的方法进行异步航迹匹配。VDDTW方法允许不同长度的航迹序列的匹配,且鲁棒性好;PLA方法将航迹序列分割为一系列子序列,降低计算成本,支持在线计算。仿真结果表明,该方法能快速、有效地解决异步航迹关联问题。

基于区间相离度的异步航迹抗差关联算法

分布式组网雷达系统中,雷达采样异步和系统误差是影响航迹关联性能的两个棘手问题,而带有系统误差的异步航迹关联更是难上加难。综合分析目标机动的性能以及系统误差对雷达探测的影响,将雷达采样异步带来的影响用灰区域来描述,再通过分析系统误差带来的影响将灰区域二度放大,由此避免了时域配准时所带来的估计误差。仿真结果显示,该算法在航迹异步、雷达系统误差较大的情况下具有很强的适用性。

基于矩形覆盖的异步航迹抗差关联算法

在分布式多目标跟踪系统中,由于各传感器开机时间不同以及采样频率的差异等原因,导致各节点接收到的局部航迹往往是异步不等速率的;同时,系统误差的存在也影响了融合系统的性能。针对这一问题,提出一种基于矩形覆盖的异步航迹抗差关联算法,该算法通过矩形覆盖法生成带差灰区间,然后通过划分区实混合序列与矩形覆盖的方法处理航迹,最后通过灰关联方法进行关联判定。仿真实验表明,本算法能有效解决异步带差航迹的关联问题。

带有信息反馈的最优异步递推航迹融合算法

现有的异步航迹融合算法大都采用无全局信息反馈的设计框架,并且忽略各异步传感器局部预测航迹误差间的相关性,加之考虑上述相关性的最优整体航迹融合算法的实时性难以被保证,从而导致局部传感器估计精度低、稳定性差、全局估计的最优性丧失和差的应用性等不足。为此,本文在引入全局信息反馈的基础上,同时考虑各局部预测航迹误差相关性,在融合估计误差协方差矩阵迹最小意义下,建立一种带有全局反馈机制的最优异步递推航迹融合算法。文中不仅对各种算法的次优或最优原理及性能进行了详细的分析与讨论,理论证明和仿真结果也表明了该文算法的有效性和优越性。

基于改进加权航迹关联的异步融合算法与仿真

在分布式多传感器信息融合系统中,来自各传感器的局部航迹往往是不同步的。针对分布式多传感器异步航迹关联与融合问题,文中提出一种基于改进加权航迹关联的异步航迹顺序融合算法。把多传感器异步航迹外推校准到同一时刻,实现异步航迹的同步化,再用改进的加权航迹关联算法进行航迹关联,并利用顺序融合算法对已关联航迹进行融合。仿真结果表明了该算法的有效性。

基于分段序列离散度的异步航迹关联算法

为解决异步不等速率航迹关联问题,提出一种基于分段序列离散度的异步航迹关联算法。定义分段混合航迹序列的离散信息度量,给出不等长航迹序列分段划分规则,通过计算离散度,利用经典分配法进行关联判定,并针对多义性问题设置二次检验环节。与传统算法相比,不需要时间对准,且具有不受噪声分布影响的特点。仿真结果表明,算法在航迹异步、传感器采样率不同等条件下均能以较高正确率稳定关联,并可有效分辨航迹交叉、分叉和合并等复杂情况,具有明显的优势。

雷达与电子支援措施异步抗差航迹关联算法

针对雷达与电子支援措施(ESM)存在系统误差、航迹异步等复杂条件下的航迹关联问题,该文提出一种基于区间序列离散度的异步抗差航迹关联算法。定义混合区间序列的离散信息度量,给出系统误差的区间化方法,通过计算区间离散度并利用经典分配法进行关联判定。与传统算法相比,可在系统误差存在的前提下无需时域配准对异步航迹直接关联,且对噪声分布不敏感。仿真结果表明,所提算法具有良好的抗差性且不受目标运动位置的影响,适用于传感器同地或异地配置等多种情况。