基于模糊平均综合相似度的航迹关联算法

为了解决多传感器多机动目标的航迹关联问题,提出了基于模糊平均综合相似度的多传感器多目标航迹关联算法.该算法首先应用模糊理论建立了多传感器航迹关联问题的数学模型,提出用航迹间的整体平均距离进行粗关联,确定可能关联航迹,排除不关联航迹;然后利用模糊理论计算出可能关联航迹之间的模糊综合相似度,基于到当前时刻的全部模糊综合相似度,得出可能关联航迹的整体模糊平均综合相似度,建立模糊平均相似度关联矩阵;最后采用最大平均综合相似度和阈值判别原则,确定关联航迹.仿真结果表明,在目标密集、航迹交叉等情况下,该算法性能良好,关联正确率明显优于传统方法.     

小波分析在多传感器多目标跟踪的航迹相关算法中的应用

在多传感器多目标融合跟踪系统中,航迹关联是对目标进行连续跟踪最重要的关键技术。在融合中心,对多传感器获得的目标航迹数据进行航迹关联处理,判断哪些航迹数据源于同一个目标。利用小波分析的方法提取航迹信号的趋势项信息,再结合传统的航迹关联处理方法对这些趋势信号进行关联判决。仿真实验表明这种方法是可行的。     

大批量目标航迹关联加速算法

针对分布式航迹关联耗时较多的问题，提出了一种加快处理速度的新算法。该方法首先将平面等分割成很多矩形网格；其次，根据关联门限计算关联的矩形网格集合；最后，根据关联网格集合选定待关联目标，从而减少关联次数，提高处理速度。仿真试验表明，当目标数为1 600以上、传感器数为2以上时,航迹关联加速算法比一般航迹关联算法的处理速度高出30倍以上。     

应用K-means聚类的分布式多传感器航迹关联算法

针对分布式多传感器航迹关联的特点,考虑采用K-means聚类的航迹关联算法。将来自各传感器的局部航迹与系统航迹进行关联,并将系统航迹作为初始聚类中心,避免了K-means算法本身依赖初始值的缺陷;提出将系统航迹与局部航迹的欧式距离以及其状态向量在1范数下的距离之和作为相似度测度;设定距离门限值,减少了极端数据对聚类结果的影响,并增加多义性处理。蒙特卡洛仿真实验表明,该算法在目标密集并且目标有交叉的情况下能以较小的代价得到较高的平均正确关联率。同时,该算法克服了最近邻域法的局部最优特性和关联正确率高度依赖特征阈值等局限性。     

基于变换域的局部最优纯方位航迹关联

针对同平台无源传感器纯方位线关联问题,提出了一种基于变换域的局部最优航迹关联算法。该算法采用霍夫变换(Hough Transform)将方位线映射到参数域等价为点描述,将不同方位线的点描述构建成时间的离散函数,利用时间对准形成具有相同时标的点序列。对关联门限内的目标构建指数判证函数,计算满足关联门限目标的关联矩阵,并确定各航迹关联程度,采用局部寻优方法求取最优关联度的目标作为关联对。实验表明,所提算法具有较好的稳定性及时效性,有效解决了同平台多方位线关联问题。     

基于概率加权和帧间关联的多目标初值估算

针对目标个数的不确定性和目标航迹的初始化问题,提出一种综合的检测算法.首先将序列图像在时域上进行组合,消除背景影响.在此基础上对组合帧图像进行网格划分,估计出目标存在区域,从而缩短了目标搜索时间,然后利用帧间目标的互关联特性初始化各目标的航迹.仿真试验结果表明,该算法具有有效性与实时性的特点.     

结合匈牙利指派和改进粒子滤波的多目标跟踪算法

使用汽车雷达进行多目标跟踪时，为了提高航迹关联效率并改善非线性场景跟踪效果，提出了结合匈牙利指派和卡尔曼重要性采样的粒子滤波(Particle Filter with Kalman Importance Sampling，PF-KIS)算法。首先，将航迹关联分解为聚类和指派，通过密度聚类筛选并整合有效目标，经过匈牙利指派得到目标和航迹的最佳匹配关系，避免产生多余联合事件，提高关联效率；其次，以卡尔曼滤波的结果作为粒子滤波的先验，使采样粒子分布更合理，提高估计精度，进而改善非线性跟踪能力。实验表明，算法平均航迹关联正确率约为95%；非线性场景误差约为卡尔曼滤波的1/2，有效地改善了非线性场景跟踪能力。     

航管雷达一二次融合异常情况分析

航管雷达一二次航迹融合过程中,直接用得到的含噪声的报告点来更新航迹时,航迹连续性较差,关联的正确性下降。对此现象进行了具体原因分析,用得到一二次雷达的报告点加权平均作为实际航迹输出的方法进行改进。根据一二次雷达数据未能正确关联的现象,在关联步骤中加入当前点和融合航迹中的对应航迹进行比较,如果当前报告点能和融合航迹中的点更好地匹配,就置换出融合航迹中的对应航迹,然后用置换出的航迹点当成新报告点重复融合算法过程。实验结果证明,采用改进融合算法能正确地分析产生异常现象的原因,并很好地解决了异常现象。     

基于残差三阶累积量的机动检测新方法

针对在有高斯量测噪声情况下目标机动检测问题,提出了一种基于残差三阶累积量的 机动检测算法,通过利用Kalman滤波实时产生残差数据而进行的三阶累积量的计算,抑制了 高斯噪声对目标机动的影响,且实现了机动检测的实时性。仿真实验结果验证了该算法的有 效性和稳健性。     

小型化高频地波雷达舰船目标检测方法

针对OSMAR2003型小型化高频地波雷达系统的目标检测问题,讨论了对小型化高频地波雷达系统低信杂比回波信号的优化处理过程,给出了一种峰值检测后同时在距离域、多普勒域和波束域进行联合的三维联合恒虚警(CFAR)目标检测方法,利用高分辨力测向算法对检测到的目标进行方位估计,然后利用最邻近法进行目标关联得到目标点航迹,最后结合小型化高频地波超视距雷达的实测数据验证了三维CFAR检测器的有效性。     

基于时间序列聚类的多雷达数据融合

针对多雷达数据融合问题,提出了基于时间序列的聚类算法,用于实现航迹相关,即以时间序列为基础把聚类模型转化为基于特征匹配的聚类算法。进一步考虑到多目标密集时,部分来自不同目标的数据可能比来自同一目标的数据更接近,易导致关联错误,为此提出了基于时间序列的模糊聚类算法。对上述两种算法的聚类结果,应用卡尔曼滤波器实现滤波跟踪,在不同的情况下仿真后发现,在跟踪目标较少且相互位置较远的情况下,两种算法均有效,在跟踪目标较多且相互位置靠近的情况下,基于时间序列的模糊聚类算法更有效。     

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题,提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先,利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图,使得目标区域信息增强;其次,结合舰船目标先验信息（长短轴、面积等）,利用多级阈值划分算法提取关注的显著区域,并确定原图中候选目标区域;最后,利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割,结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较,结果表明,相比直接进行全图目标搜索的方法,所提方法不仅准确率高、执行速度快,且检测目标的位置更加精确。     

基于波形对比度最优的扩展动目标恒虚警检测

在太赫兹高分辨引信系统中,引信与目标的相对运动会引起高分辨距离像剧烈变形,从而严重影响目标的检测。针对太赫兹引信扩展目标检测问题,提出了一种基于波形对比度最优的扩展动目标恒虚警检测方法。该方法利用波形对比度最优准则来估计雷达与目标之间的相对运动速度,进而实现运动补偿和恒虚警率目标检测,从而显著提高了太赫兹引信的目标检测性能。该方法简单并且在低信噪比的情况下也能有很好的检测效果。仿真实验验证了所提方法的优点和有效性。     

融合局部加权余弦与稀疏表示的目标跟踪算法

针对目标跟踪算法的鲁棒性难题，在粒子滤波框架下提出基于联合模型的目标跟踪算法。首先，由局部加权余弦相似对目标模板和候选目标进行匹配，其中的局部加权算法增加了未受遮挡、形变等影响的候选目标的权重；其次，通过对目标区域局部图像块稀疏编码来表示目标观测模型，其中字典不进行更新，重建误差的构建考虑了局部图像块之间的空间布局；最后，利用最大后验概率估计目标状态。联合模型将目标的当前状态和原始状态都考虑在内，提高了观测模型的可靠性。实验结果表明，该算法具有较强的鲁棒性。     

短码、周期长码直扩信号伪码序列盲估计

针对短码、周期长码直扩信号在不同的时延下伪码序列估计问题,提出了一种基于奇异值分解的盲解扩算法。在已知信息码元速率和伪码周期条件的前提下,算法首先把接收到的直扩信号按照一定长度进行分段构成相关矩阵并对此矩阵进行奇异值分解得出信号子空间,然后根据信号子空间和伪码序列的模糊关系,利用求解的模糊酉矩阵和特定约束条件（如m序列）去其模糊性,最终估计出伪码序列。仿真结果表明,该算法不仅解决了在不同的时延下估计伪码序列带来的问题,而且具有稳定性高、在低信噪比条件下有良好的估计性能等优点。     

一种双模导引头目标检测的模糊数据融合算法

本文利用模糊集合来描述传感器的检测率和虚警率,提出了一种双传感器目标检测的模糊数据融合算法,并将其应用于双模复合导引头的目标检测,仿真结果表明算法合理。     

多模型交互滤波在运动目标轨迹融合中的应用

分析了运动目标轨迹融合数据源的技术特点,在目标跟踪算法基础上,提出了多模型滤波的概念,同时建立了比较有效的数学模型,解决了目标高度机动情况下的目标跟踪问题。最后给出了多模型滤波效果的仿真演示结论。