多传感器序贯势分布概率假设密度滤波

针对多传感器多目标跟踪中数据关联的计算复杂性问题,提出了一种多传感器序贯势分布概率假设密度滤波算法.利用序贯滤波的方法将单传感器的势分布概率假设密度滤波扩展到多传感器情况,并给出了高斯混合实现的序贯势分布概率假没密度(Gaussian mixture sequential PHD,GMSPHD)滤波的递推算法.仿真实验结果表明,文中提出的GMSCPHD滤波算法具有较高的多目标状态估计和目标数目估计精度,是一种有效的多传感器多目标跟踪方法.     

基于多假设的航迹关联方法研究

提出了一种基于多假设思想(MHT)的航迹关联方法,将多平台多目标航迹关联问题转化为假设树的构建和管理问题,利用树形结构特征进行快速剪枝,极大地减少了错误假设的冗余计算量。先通过航迹粗精两级关联,形成关联假设,然后设计基于关联假设的航迹关联假设树,根据关联假设历史累积的关联质量搜索最优关联解。这种关联能充分利用航迹的各种特征信息和历史累积信息来提高关联的正确性和实时性。仿真计算表明,该算法具有较高的正确关联率,在复杂环境下达到了良好的效果。     

基于拓扑相似度的航迹关联算法

航迹关联是分布式多雷达数据融合系统中的关键问题,多个雷达对同一目标观测的局部航迹,在系统偏差的影响下相差很大,传统的基于统计和模糊的思想,通过目标位置、速度等信息进行关联判决,难以达到更好的关联效果。文章基于目标之间的拓扑信息,提出了一种新的航迹关联算法,该算法能避免空间划分不均匀、算法经验性太强、对密集航迹场景不适应等多种问题。仿真实验表明该方法具有较高的关联精度和鲁棒性。     

基于似然的航迹关联算法研究

文章以分布式多目标跟踪系统的航迹关联问题为研究对象,提出了四种基于似然的航迹关联算法,这两种算法通过建立似然函数来反应航迹间的相似程度,使航迹关联问题突破了样本容量和典型分布这两条限制,最后给出了典型环境下两种似然航迹关联算法的仿真,结果表明基于似然理论的航迹关联准则,能够达到比较满意的关联效果,体现了似然理论在解决航迹关联问题时的优良特性。     

一种抗差型航迹关联算法研究

航迹关联是多源信息融合中的关键问题.通过选择目标数据相似度计算模型和参数,计算不同信源航迹与航迹间的关联相似度,并以之构成目标关联矩阵.引入伪行列式的概念,对目标关联矩阵进行变换,形成目标联合分配矩阵.在分配限定条件下,通过最大化目标联合分配似然度,可得到航迹与航迹间的关联匹配对,实现航迹关联.仿真实验表明,在信源具有较大的系统误差情况下,该算法能够保持较高的关联正确率,表现出了良好的抗差特性.     

基于最近航迹迭代的目标航迹对准关联算法

论文探讨了雷达存在探测系统误差时的目标航迹关联问题,提出了一种基于最近航迹迭代的目标航迹对准关联算法,以此解决传统目标航迹关联技术与雷达系统误差配准技术之间的矛盾。最近航迹迭代对准关联算法考虑目标漏跟及虚警情况,以航迹为单位,通过目标航迹集间航迹映射关系搜索与旋转平移变换参数估计两步迭代过程,能够达到航迹集的逐步逼近和精确对准,并获得目标航迹间的可靠关联关系,最终实现雷达存在探测系统误差时的航迹准确对准关联。     

基于相关理论的航迹匹配

数据关联是多源信息融合中的关键问题。文章从系统的角度对多目标跟踪的数据关联进行了全面的分析,通过选择目标数据相似度计算模型和参数,计算不同信源航迹与航迹间的关联相似度,构成目标关联矩阵的方法,实现目标方位串关联。最后对算法进行仿真,仿真结果表明,提出的求解方案有较好的关联正确率,这验证了模型和求解方法的正确性和可行性。     

异步多传感器数据融合

在分布式多传感器数据融合系统中，由于每个传感器的采样周期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。提出一种多传感器异步数据融合算法，该算法首先利用最小二乘实现时域融合，将航迹同步化，然后利用一种序贯的Kalman滤波方法进行融合。     

反导作战中雷达和ESM辅助关联的仿真研究

水面舰艇反导作战中对来袭导弹进行目标指示,首先要进行航迹关联,可以利用ESM和雷达的方位信息进行关联。但仅仅利用方位这个单一信息进行关联,依据的信息有限,关联概率不够精确。通过ESM获取的导弹目标末制导雷达信号幅度数据与导弹目标距离的比例函数关系,在方位关联的基础上,利用导弹末制导雷达信号幅度大小与导弹目标距离大小进行辅助关联。仿真结果表明,关联概率显著提高,证明了辅助关联的有效性与实用性,对水面舰艇在反导作战中进行目标跟踪和识别具有重要作用。     

基于决策树的模糊序贯最小优化分类器的人脸识别

序贯最小优化算法是一种SVM s(Support VectorM ach ines)训练算法,该算法将一个大型QP(Quadratic Programm ing)问题分解为一系列最小规模的QP子问题,从而避免了多样本情形下的数值解不稳定及耗时问题,同时也不需要大的矩阵存储空间。本文在模糊支持向量机的基础上,提出了基于决策树的模糊序贯最小优化算法并对它进行了分析和研究,在对人脸图像进行独立成分分析后,用该算法进行多类人脸识别。通过在ORL人脸库上的实验结果表明,在样本类别较少的条件下,该算法可以取得较好的效果。