红外/毫米波雷达双模制导跟踪融合算法的优化

双模制导是导弹武器系统实现精确打击的关键技术之一,对双模制导跟踪融合算法进行优化研究具有一定的理论价值和工程应用价值。根据红外/毫米波雷达双模制导跟踪融合算法的工程应用要求,从算法的实时性、鲁棒性、抗干扰性等要求出发,设计了跟踪融合算法优化方案:一是构造基于特征层的空情特征,并利用决策层提供的决策可信度因子,对跟踪融合算法进行了相应改进;二是根据模糊神经网络及双模传感器在飞行中的不同特征提供的决策信息,对跟踪融合算法进行了优化调用。进行了相应的仿真分析,证明了方案的可行性。

最佳多传感器跟踪融合

针对类似和非类似同步工作的传感器提出一种跟踪融合算法。分析表明，在融合中心和远距离站间通信要求条件下，该算法在最小均方差的意义上是最佳的。

神经网络在多目标跟踪融合中的应用研究通过鉴定

江苏科技大学电子信息学院主持研究的“神经网络在多目标跟踪融合中的应用研究”项目通过了成果鉴定。多传感器数据融合是一项新的技术。多传感器多目标跟踪是多传感器数据融合中的一个典型应用。其主要包括三大部分：数据配准、数据（航迹）关联和目标状态估计，通常有分布式、集中式、混合式等结构。目前，多传感器多目标跟踪融合是一个热门的研究课题，在国防和民用领域具有重要的应用价值。

无源声呐水下多目标融合跟踪方法

针对海洋环境噪声导致弱目标在不同子频带检测结果差异较大,致使以全频带探测结果为输入的跟踪算法出现性能退化的问题,提出一种子带融合跟踪方法。该方法利用改进的高斯混合概率假设密度滤波器对各频率子带输出的方位估计结果进行跟踪,并采用广义协方差交集准则对子带跟踪结果进行融合,以获得综合各子带信息的跟踪结果。仿真结果表明,所提方法可以提高弱目标在各子带信噪比不均衡情况下的跟踪能力,且运算时间与对比方法较为接近。海试数据处理结果进一步验证了所提方法的有效性。

数据链航迹延迟与ESM点迹间断融合跟踪

数据链与电子支援措施(Electronic Supporting Measures,ESM)融合跟踪是1种典型的异类多传感器信息融合。针对数据链航迹存在延迟和ESM点迹间断情况下的数据链航迹与ESM点迹融合跟踪,提出了复杂情况下的数据链与ESM融合跟踪方法,并对融合跟踪的精度进行分析研究。首先,对数据进行时间对准,保证数据链和ESM数据率一致;然后,通过构造基于不敏变换(Unscented Transformation,UT)的非线性量测转换和误差估计方法,将数据链数据对准到ESM数据;最后,通过引入随机补偿机制对数据链延迟进行补偿,并与ESM数据进行关联融合。实验结果表明,有延迟补偿时的融合跟踪精度取决于延迟补偿均值与实际延迟的贴近程度。结果可为信息综合处理装备的发展和设计提供借鉴。

一种舰载雷达红外激光融合低角跟踪方法

我国拥有着18000公里的海岸线,海洋面积高达300多万平方公里,中国的海洋利益毋庸置疑就是中国的核心利益所在。近年来中国周边国家开始虎视眈眈地垂涎着我国海疆丰富的海洋资源,所以我国的海洋利益自然地就需要强大的海军进行保卫,为此我们必须建设一支强大的海军。雷达是海军舰船上正常配备的电子设备,本文在对雷达多路径误差的特性进行分析的基础上,结合红外的特点,提出了一种雷达红外跟踪传感器系统信息融合方法及实现途径,该方法能够有效地改善低角跟踪性能,这对利用红外传感器弥补雷达低角跟踪的不足是一种有效的措施。

多传感器在线自适应加权融合跟踪算法

针对多传感器机动目标的跟踪问题 ,提出了一种多传感器在线自适应加权融合跟踪算法 .该算法依据估计的各传感器的方差的变化 ,及时调整参与融合的各传感器的权系数 ,使融合系统的均方误差始终最小 ,从而能在线适应传感器性能改变 .仿真结果表明 。

基于推广卡尔曼滤波的多站被动式融合跟踪

将推广卡尔曼滤波(EKF)算法与集中式融合跟踪算法相结合,用于被动式多站跟踪,给出了基于EKF的被动式多站集中式融合跟踪算法。该算法可解决被动式跟踪系统的可观测性及非线性问题。以三个站进行跟踪为例,进行了仿真研究,结果表明该算法具有满意的跟踪性能。

基于无迹卡尔曼滤波的被动多传感器融合跟踪

针对被动传感器观测的非线性问题,将无迹变换引入卡尔曼滤波算法中.进一步,针对其弱可观测性,采用多个被动传感器集中式融合跟踪策略,提出了基于无迹卡尔曼滤波的被动多传感器融合跟踪算法.以3个被动站跟踪为例进行仿真研究,结果表明所提出的算法可达到比经典的扩展卡尔曼滤波算法更高阶的跟踪精度.

基于角度观测关联对的NN-EKF红外/毫米波融合跟踪算法

针对双传感器杂波环境中单目标的跟踪问题,提出了一种红外/毫米波角度观测关联及基于观测对最近邻的双模融合跟踪算法。算法根据对真实目标的观测与对杂波的虚假观测联合分布模型的不同,筛选出当前时刻的嫌疑观测对,剔除掉大部分杂波;然后对各嫌疑观测对进行融合,从中选择距离预测位置最近的观测作为当前时刻的观测,并用EKF对目标进行跟踪。算法关联逻辑简明、运算量小,适合工程应用,可应用在中等杂波密度环境,仿真结果验证了算法的有效性。

基于序贯滤波的机载雷达和ESM融合跟踪

针对系统误差下机载雷达和ESM融合跟踪的问题,提出了1种基于序贯滤波的异类传感器融合跟踪模型。首先通过最近邻判决准则对机载雷达和ESM的量测点迹进行数据关联,接着对关联上的量测点迹采用序贯滤波的方法进行融合跟踪,以求更好地实现对目标的跟踪识别。仿真结果表明,在系统误差存在的条件下,机载雷达和ESM具有较好地融合跟踪效果。

基于多模型时间配准的雷达融合跟踪

针对不同数据率的雷达融合问题,提出了一种多模型时间配准算法,同时将基于最佳线形无偏估计(BLUE)准则的量测转换算法和交互式多模型(IMM)的滤波方法结合起来,将它们运用在雷达的融合跟踪中。通过仿真跟踪一个机动目标,验证了算法的有效性。仿真结果表明,当雷达采样周期比为4时,单模型配准和多模型配准误差相差不多,相应的融合误差相当;当雷达采样周期比为8时,多模型配准误差较单模型配准误差明显较小,相应的融合误差减小,融合效果好。

基于雷达和光电传感器的融合跟踪

基于防空武器系统的跟踪制导问题提出了一种利用雷达和光电传感器的融合跟踪方法。雷达能探测目标的斜距、方位角和高低角 ,光电传感器能较精确地探测目标的方位角和高低角 ,数据融合技术充分利用了雷达和光电传感器的观测信息及目标运动的特征信息 ,能显著改善系统机动目标的跟踪性能 ,提高武器系统的命中率。

基于Bayes弹道导弹主动段融合跟踪算法

弹道导弹主动段拦截中对导弹跟踪精度要求很高,如何将多种主动段探测装备得到的数据进行融合得到更加精确的数据是当前亟待解决的难题。针对此问题,文中研究了导弹预警卫星与雷达融合跟踪,提出了一种基于Bayes理论的弹道导弹主动段融合跟踪算法。该算法分别建立了导弹预警卫星和雷达对主动段探测模型和跟踪模型,应用POFACETS软件仿真了一种类型弹道导弹,并将其获得的导弹RCS数据应用到算法中,提高了算法的准确性。仿真实验表明,该融合跟踪算法可以获得比多个传感器算术平均值更精确的结果,具有较高的可靠性。

基于L1-APG的红外与可见光目标实时融合跟踪

针对复杂背景下采用单个传感器跟踪性能差的问题,提出一种基于稀疏表示和L1-APG的红外可见目标融合跟踪算法。对红外与可见光目标分别进行稀疏表示,并以它们的联合重构误差最小为目标构建最优化问题,采用L1-APG算法求解该优化问题,运用最小误差边界约束条件降低算法的计算复杂度,并实现红外与可见光目标模板的动态更新。测试结果表明,该融合跟踪算法在处理目标遮挡、目标旋转移动、目标交叉和夜间光照不均等方面要优于传统的单源跟踪方法。

机载多传感器跟踪与融合算法的仿真系统

建立了一种机载多传感器跟踪与融合算法的仿真系统。该仿真系统可以针对仿真场景,传感器组合,传感器参数,跟踪算法参数,跟踪算法的不同情况来评价跟踪性能,从而为跟踪算法的合理选择,算法参数的优化设计,以及实际系统的研制提供有力支持。

连续动态贝叶斯网络实现多传感器融合跟踪

利用多传感器数据进行目标跟踪,关键是怎样将多传感器的数据合理应用来对系统的状态做出最佳估计。提出应用连续动态贝叶斯网络的方法,结合卡尔曼滤波器模型,实现用多传感器数据进行目标跟踪的方法,并对算法进行了推导和验证。仿真结果证明了提出的多传感器数据互相修正融合滤波方法具有良好的滤波效果,并能够弥补传感器数据缺失和抑制脉冲噪声。

非线性系统中多传感器滤波跟踪型数据融合算法的研究

在非线性系统中,常用的跟踪滤波算法是基于扩展的卡尔曼滤波算法的融合算法,但是这种融合算法的跟踪精度并不是很高。本文根据对滤波跟踪型数据融合的研究,提出了基于转换测量值卡尔曼滤波算法的非线性系统中的数据融合方法。研究表明,在利用激光干涉仪进行目标跟踪时,这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法,但是,从仿真结果可以看出,两种融合算法的差别并不大,结果基本相同。因此,在非线性系统中,基于转换测量值卡尔曼滤波算法的分布融合算法可以重构集中式融合算法。

带位置和速度观测的信息融合Kalman跟踪滤波器

应用基于ARMA模型的现代时间序列分析方法,和应用基于Riccati方程的经典Kalman滤波方法,对带位置和速度观测的两传感器系统,在线性最小方差信息融合准则下,分别提出了按矩阵加权、对角阵加权和标量加权的三种信息融合Kalman跟踪滤波器,其中,按标量加权可明显减少计算负担,便于实时应用。一个仿真例子说明了两种方法引出相同的结果,但构造ARMA新息模型时必须进行左素分解,且说明了三种加权融合滤波器的精度无显著差异。

基于UKPF的雷达与红外传感器融合跟踪算法

针对异类传感器融合跟踪中状态估计与量测的非线性问题,分析了粒子滤波器在解决非线性和非高斯问题的优势,提出了一种基于unscented Kalman 粒子滤波器(UKPF)的雷达与红外传感器融合跟踪算法,给出了算法的详细步骤。然后将该算法用于三维空间的目标跟踪上,仿真结果表明该算法比现有算法具有更高的跟踪精度。