基于联合GLMB滤波器的可分辨群目标跟踪

针对联合广义标签多伯努利(joint generalized labeled multi-Bernoulli, J-GLMB)滤波算法中群目标之间距离较近、容易关联错误的问题,结合超图匹配(hypergraph matching, HGM)提出一种基于HGM-J-GLMB滤波器的可分辨群目标跟踪算法。首先,采用J-GLMB滤波器估计群内各目标的状态、数目及轨迹信息,并利用HGM结果提升量测与预测状态之间的关联性能。其次,通过图理论计算邻接矩阵,获取群结构信息和子群数目。随后,利用群结构信息估计协作噪声,进而校正目标的预测状态。最后,通过平滑算法改善滤波效果,并设置轨迹长度阈值,使其在平滑状态达到消除短轨迹的目的。仿真实验表明,所提算法在线性系统下能有效提升群目标跟踪性能。

顾及权重信息的地图点群目标自动综合方法

在小比例尺地图上,许多地物呈点群状分布。当地图比例尺进一步缩小时,点状符号之间会出现相互堆叠、覆盖等情形。为了保持地图的清晰度、层次特征与美观性,需要对点群进行综合,即从原始点群中抽取出一定数量相对重要的点而删除相对次要点。点的权重反映了单个点在点群整体中的重要性程度,在点群综合算法设计中非常关键。按照点群综合过程中对权重信息的顾及情况,可以将已有的点群综合算法分为两大类:第1类算法在点群综合过程中没有顾及其权重信息,第2类算法在综合过程中虽然顾及到了权重信息,但仍然存在点群权重设定比较主观、综合结果缺乏现势参考价值,以及没有顾及道路网在点群综合中的制约与影响作用等问题。

基于前后向矩阵束方法的线性排布无人机集群目标规模估算

利用前后向矩阵束方法,提出了一种有效的“蜂群”无人机群目标个数估计方法用于目标检测。与传统的参数估算方法相比,所提方法对于稀疏信号也能准确地进行估算。首先,在一定的角度或频率下,获取线阵排列群目标的雷达散射截面;然后,根据已知的雷达回波构造Hankel-Toeplitz矩阵,并对该矩阵进行奇异值分解;最后,通过设置合适的阈值选取比例较大的奇异值,以此准确地估算线阵排列群目标的个数。此外,文中还讨论了不同信噪比对估算结果的影响。为了提高精度,文中采用多组不同方位角度的回波信号来联合估算群目标的个数。仿真结果表明,该方法能够有效、准确地估算线阵排列群目标的个数,而且估计结果不受噪声的影响,具有较好的鲁棒性。

群目标等效量测形成算法研究

群目标作为多目标的一种特殊形式，实现跟踪的关键问题之一是要得到对其的等效量测。为此，提出了形成群目标等效量测几何中心、质心和重心的3种方法。给出了求解群目标几何中心、质心和重心的算法；阐述了以群目标几何中心、质心和重心为等效量测的跟踪原理和适用范围；得出了3种算法均能有效地形成群目标的等效量测，且适用于不同战术环境的结论。

基于改进SAMP的频率捷变和PRI抖动雷达群目标检测

针对群目标场景下目标个数未知和网格失配影响稀疏重构效果的问题,提出一种改进的稀疏度自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法用于频率捷变和脉冲重复间隔(pulse repetition interval,PRI)抖动雷达的动目标检测.改进算法回溯阶段的原子选择策略,通过正则化挑选出能量相近的原子进行网格失配矫正,可以有效减小重构误差、抑制重构伪峰.根据重构信号的功率变化率自适应扩展支撑集长度(群目标个数估值),减少算法在同一步长的搜索时间.仿真结果表明,相比于SAMP算法和传统的群目标检测算法,本文改进的算法在提升重构效果的同时也能减小距离和速度测量误差.

基于群目标几何中心的群起始算法研究

针对群目标跟踪中群起始的特殊性,阐述了群起始的作用与意义,描述了群起始现有的K-方法和集群引晶方法的基本方法、步骤及存在的问题。在此基础上,给出了群起始的定义,提出了基于群目标几何中心的起始算法。该算法首先根据监视区域内多目标回波的空间距离进行分群检测预处理,在完成分群检测后再求解每个群目标的几何中心,然后确定该门限区域内的目标回波相对于几何中心的权值,最后构建出等效量测即群目标质心,从而实现了群目标快速、稳定的群起始。仿真结果证明了该算法的有效性。

基于PDA的群目标合并与分离方法研究

针对飞行编队形成的群目标航迹关联的特殊性,分析了照射质心的编队群目标成员合并与分离检验方法的优缺点,定义了群目标成员合并与分离检验涉及的3要素:位置、速度和航迹历史。在此基础上,提出了基于概率数据关联(PDA)的群目标成员合并与分离的检验方法。该方法利用群目标等效回波统计中心更新滤波器状态,将每一个雷达周期的量测与统计中心关联判别,从而减少了关联次数,提高了正确判别群目标成员合并与分离的概率。仿真结果证明了该方法的有效性。

一种评估航空炸弹对集群目标毁伤效能的新方法

为解决航空炸弹打击集群目标的效能评估问题,首先对炸弹从投放到爆炸之前的运动过程进行建模,得到弹着角、斜距等参数,然后对炸弹的弹道偏差进行处理,得到基平面上的瞄准误差模型,运用相对覆盖函数和精度函数积分计算出炸弹打击集群目标的预期相对毁伤,并进行了实例计算。该方法克服了传统效能评估方法中未能考虑航空炸弹的威力半径覆盖集群目标各种情况的缺点,实现了航空炸弹打击集群目标毁伤效能的科学评估。

基于形态滤波和推理矩阵的群目标跟踪

针对雷达群目标跟踪时存在交叉、分裂和合并问题,提出一种基于形态滤波的群目标跟踪方法。首先建立笛卡尔坐标系下的群目标量测分布初始图像矩阵,对图像矩阵进行形态滤波和连通域标记处理,获得场景中的群目标个数以及每个群目标的几何区域。然后计算每个群目标的等效质心,并提出推理矩阵来判断群目标之间的交互行为,完成对群目标交叉、分裂和合并行为下的目标关联和稳定跟踪。最后通过仿真验证了该方法对群目标跟踪的有效性。

基于加权估计的密集群目标跟踪调度方法

针对航迹关联中采用常规的跟踪调度方法探测“一箭多星”方式发射入轨的卫星群类空间目标时,存在调度偏离大、漏检目标等问题,提出了基于加权估计的密集群目标跟踪调度方法.首先分析了密集星群的分布特征和常规跟踪调度方法存在的问题;在此基础上提出了一种基于密集群当前位置和预测位置加权处理获取调度位置的方法;最后利用“星群”的历史探测数据进行方法验证和加权参数获取,并开展目标实际观测试验.试验结果表明,该方法能够有效地完成相控阵雷达在卫星群类密集场景下的跟踪调度,提升其跟踪能力.

基于概率假设密度滤波和动力学方程约束的空间群目标数量和位置分辨

空间目标具有射程远、速度快等特点,为了有效解决密集性高、可分性差的高速空间目标群饱和攻击问题,实现非合作空间群目标数量和位置的尽早分辨,该文基于随机有限集(RFS)理论和动力学方程约束研究了空间“团状”目标数量和位置分辨问题,提出目标监测早期解决大量距离靠近、运动特征差异不明显的高速空间群目标数量和位置估计的相关算法,该算法利用概率假设密度(PHD)滤波器能够解决未知时变环境下目标个数与状态估计的特点,将高斯混合PHD(GM-PHD)滤波和空间目标动力学方程相结合,在解决不可分辨空间群目标数量和位置估计问题的同时,充分利用空间目标动力学方程对群内目标状态进行实时调整,提高空间目标位置状态估计精度,解决不可分辨空间目标群边跟踪边分辨问题,相关算法可为空间群目标数量和群内特殊价值个体目标位置尽快分辨、连续稳定跟踪和可靠动向预报等提供数据基础。

密集群目标跟踪的研究进展

随着“无人机蜂群”作战理念的提出,密集群目标成为各国测控、军事专家研究的热点领域。首先给出了群目标的定义并解释了其内涵,同时界定了密集群目标的范畴。通过分析密集群目标跟踪的流程和关键环节,总结并对比分析了密集群目标的分群技术、空间外形估计算法、分离与合并检测模型和目标状态滤波技术的相关研究。最后,结合目前密集群目标跟踪的研究热点,展望了未来密集群目标跟踪的研究方向。

基于线性DBSCAN聚类的空间群目标实时提取方法

为有效应对低轨巨型星座大规模部署,入轨早期卫星集群分布,难以对空间群目标实现有效编目管理问题,提出了一种基于线性DBSCAN聚类的空间群目标实时提取方法,并给出基于观测数据时序向量实时聚类的空间群目标判别方法.采用星链星座的TLE模拟空间群目标数据开展算法验证,实验结果表明,线性DBSCAN聚类算法对空间集群目标分类识别成功率和准确率达99%以上,识别效率较DBSCAN算法提高了约1/3;线性DBSCAN聚类算法鲁棒性强、识别准确,计算效率高,对空间群目标分辨具有较高价值.

点群目标空间分布主方向定量描述模型

目前点群目标空间分布主方向模型较少顾及分布密度对点群分布主方向判断的影响,针对此问题,提出一种点群目标空间分布主方向定量描述模型。基于点群的分布密度构建方向玫瑰图;利用统计加权算法,计算点群主方向,引入置信区间,得到点群的主方向分布范围。实验结果表明,文中模型较好地反映了分布密度对点群目标空间分布主方向的影响,计算结果与人类认知具有较高的一致性。

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。

弹道导弹防御中的群目标跟踪算法

针对传统群目标质心跟踪算法不能提供群内单个目标的精确航迹信息的缺点,提出了一种基于多假设思想的群目标跟踪算法。该算法除维持群以外,利用多假设处理复杂数据关联问题的能力,将对群中的单个目标形成航迹,并对箔条干扰、有源干扰等极端情况进行了处理,保证跟踪的稳定性。通过实验对该算法进行了验证,结果表明该算法能对群内相互靠近的目标进行精确跟踪,在密度为1×10-6个/m2的杂波环境下也能保持跟踪稳定性。

基于交互多模型的高机动群目标跟踪技术

针对杂波环境下密集多目标的跟踪问题，首先引入了编队群目标跟踪算法（FGT），并结合交互多模型（IMM）算法，提出了适用于杂波环境下机动群目标跟踪的新算法一基于交互式多模型的编队群目标跟踪算法（IMM-FGT）。计算机仿真结果表明．IMM-FGT算法是解决机动群目标跟踪问题的一种有效的方法。

基于箱式粒子滤波的群目标跟踪算法

在现有群目标跟踪方法中,粒子滤波(Particle filter,PF)算法常被用来解决点量测的非线性滤波问题.而当量测数据受到测量偏差或未知分布边界误差的影响时,传感器获得的点量测需要转换成区间量测,此时原有PF算法不能直接适用.因此,本文提出基于广义似然(Generalized likelihood,GL)函数加权的PF算法.该算法在原有PF算法的基础上,利用广义似然函数的积分解来计算区间量测下的粒子权重.为了降低算法的运算量问题,又提出基于箱式粒子滤波(Box particle filter,Box-PF)的群跟踪算法.首先,在目标状态空间内抽样矩形区域的箱式粒子.然后采用区间分析和约束传播方法,利用区间量测压缩后的粒子与预测粒子的容积比来计算粒子权重.最后,在群目标状态估计结果和群演化网络模型的基础上估计群结构.仿真实验结果表明,与GL-PF算法相比,Box-PF算法具有更高的运算效率,并能降低估计结果中的峰值误差.

基于专家知识属性重要度的集群目标威胁评估方法

结合计算机网络和专家知识库集成技术,研究了集群目标威胁评估的一类新方法。首先,在给出多领域专家知识集成评估系统定义和集群目标威胁度赋值规则的基础上,结合统计方法和历史数据库建立专家知识属性重要度模型;然后,提出了该集成评估系统的运行规则,并结合多领域专家知识集成技术,构造了集群目标威胁评估的网络化评估系统;最后,仿真实验验证了系统的有效性和合理性。该系统成功应用于型号武器系统的实际工程实例表明,这种评估方法具有良好的更新能力和应用前景。

一种改进的群目标自适应跟踪算法

为提高对群目标在机动情况下的跟踪性能,提出一种改进的群目标自适应跟踪算法.在群质心状态估计中,在修正"当前"统计模型的基础上,利用群质心的速度预测和速度估计的偏差进行过程噪声方差自适应调整,并引入强跟踪滤波中的渐消因子,实时调节群质心的状态预测协方差.在扩展状态估计中,将其对应的椭圆面积预测值和估计值的偏差以及偏差变化率作为模糊输入量,采用模糊推理法自适应输出扩展状态的预测参数.此外,提供了群目标分裂机动的判决方法.仿真结果表明,与现有方法相比,本文算法增强了对群目标在突发机动时的自适应跟踪能力,并能有效检测出群的分裂机动.