基于GCI融合的分布式雷达抗欺骗干扰算法

针对分布式雷达抗多假目标欺骗干扰问题,提出了一种基于数据级融合的抗干扰算法。首先,利用基于随机有限集的集势概率假设密度(Cardinalized Probability Hypothesis Density,CPHD)滤波器同时跟踪真实目标与假目标;然后,对于非协同假目标,根据其在分布式雷达检测中类似于虚警的性质,采用具有迫零特性的广义协方差交叉(Generalized Covariance Intersection,GCI)融合方法,在融合过程中实现干扰抑制;最后,对于协同假目标,引入雷达被动工作模式,采用一致性算法结合GCI方法进行分布式融合,达到了全局鉴假效果。仿真结果表明,在分布式雷达网络中,所提算法可以剔除非协同和协同假目标,并能有效跟踪真实目标。

基于AMD算法的多目标分布式融合

提出一种新的基于广义交叉协方差(GCI)和平均边缘概率密度(AMD)的分布式多目标融合机制。传统的多传感器跟踪算法存在一些难以克服的缺点:如航迹关联性能对关联参数设置敏感,航迹关联计算量随目标个数增加呈指数增加等。为解决这些问题,提出一种适用于多目标的鲁棒性较好的分布式融合算法。首先,将多目标联合后验概率密度近似为关于其AMD的积分布;然后,考虑到不同雷达节点之间的未知的互相关,采用GCI融合算法进行融合。由于航迹关联过程被内嵌在航迹融合过程中,所提分布式融合机制同时进行航迹关联和航迹融合,理论上会更加完备。所提算法借助高斯混合模型实现,试验结果证明其性能相比传统融合算法有很大改善。