基于Hopfield神经网络的雷达多目标跟踪

针对海上船舶雷达在多目标跟踪过程中实时性较差和不能快速响应的问题,提出目前密集杂波情况下多目标跟踪中最为有效的数据关联算法——联合概率数据关联(Joint Probabilistic Data Association,JPDA)算法。为解决JPDA随着目标增多的情况会出现的组合"爆炸"及计算量较大导致跟踪实时性较差的问题,从分析联合概率数据关联确认矩阵着手,依据Hopfield神经网络在解决旅行商问题(Travelling Salesman Problem,TSP)时的思路,提出基于Hopfield神经网络联合概率数据关联(Hopfield Neural Network Joint Probability Data Association,H-JPDA)来改进联合概率数据关联算法,通过简化矩阵拆分过程,显著减少计算量,提高跟踪的实时性。基于上述改进的神经网络联合概率数据关联算法,通过MATLAB对多目标跟踪进行仿真,仿真结果表明该算法能提高跟踪的实时性和快速响应能力。     

一种混沌遗传混合算法及其在机动多目标数据关联中的应用

讨论了混沌优化方法和自适应遗传算法在多目标数据关联中的应用，针对这两种算法的不足，提出了一种集成混沌优化与遗传算法的混沌遗传算法。仿真结果表明，将本文提出的集成算法运用于数据关联，可以提高关联成功率，加速算法收敛速度。     

基于混沌神经网络的多目标跟踪技术研究

本文应用混沌神经网络求解多目标跟踪中的数据关联问题,给出了混沌神经网络的模型,构造了数据关联的能量函数表达式,在数据关联过程中,采用退火算法。仿真结果表明,应用混沌神经网络求解数据关联比Hop fie ld网络具有更块的收敛速度和更小的关联误差。     

一种混沌遗传混合算法及其在机动多目标数据关联中的应用

讨论了混沌优化方法和自适应遗传算法在多目标数据关联中的应用,针对这两种算法的不足,提出了一种集成混沌优化与遗传算法的混沌遗传算法.仿真结果表明,将本文提出的集成算法运用于数据关联,可以提高关联成功率,加速算法收敛速度.     

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.     

杂波下变结构概率数据关联算法

针对杂波情况下的舰艇防空作战中对单机动目标跟踪问题,提出了一种变结构数据关联算法.通过自适应网格算法实现对多种运动模式的机动目标进行自适应跟踪,用概率数据关联算法对杂波下目标进行状态估计,将变结构算法的自适应能力和概率数据关联的杂波跟踪能力相结合.通过模拟跟踪典型反舰导弹机动轨迹,将该算法与标准IMMPDA算法相比较.仿真结果表明,该算法具有较高的关联精度和更短的跟踪时间,对于提升舰艇防空效能和增强生命力有着积极意义.     

基于粒子滤波的多传感器交互式多模型多机动目标跟踪

针对单传感器交互式多模型联合概率数据关联滤波算法(Interacting Multiple Model Joint Probabilistic Data Association Filtering,IMMJPDAF)在非线性情况下跟踪精度低,且对于非高斯问题不适用的情况,文中提出一种基于粒子滤波的多传感器交互式多模型多...     

复杂环境下红外机动目标跟踪算法研究

在分析红外机动目标模型的基础上,利用扩展的卡尔曼滤波技术、红外目标的区域相关技术、概率数据关联技术等,实现了复杂环境下红外机动目标的跟踪。仿真结果证明了跟踪模型及算法的有效性。     

一种基于视线距离的改进的数据关联算法

基于视线距离的数据关联算法,利用关联组合的平均视线距离和有效传感器个数来计算关联代价,认为同一个目标只要被超过2/3的传感器所观测到,所得关联组合就是有效的,并以关联代价最小为关联准则构建数据关联算法。仿真结果表明,改进算法对于漏检、观测误差较大时仍然具有很高的关联正确率,证明了该算法的有效性。     

一种相干复合高斯海杂波仿真方法

具有拖尾的复合高斯模型非常适于描述高分辨率海杂波,对雷达最优检测算法设计和雷达性能评估具有十分重要的意义。该文讨论了复合高斯模型海杂波的建模与仿真,并详述了产生Gamma随机过程的MNLT方法。产生了复合高斯模型的高海况条件下的海杂波,并与实测数据对比,表明了该方法的有效性和可行性。     

多目标干扰环境中威胁目标自动跟踪方法

针对多目标干扰环境中威胁目标发现与跟踪困难的问题,研究一种基于随机有限集(RFS)的高斯混合概率密度假设(GM-PHD)滤波的算法,建立目标的随机有限集形式的运动和观测模型,利用卡尔曼滤波的预测和更新过程,对被动声呐输出的多目标方位和窄带线谱同时进行跟踪,利用所提取窄带线谱能量作为不同方位目标的输出检测量,可实现对包含线谱的窄带威胁目标的自动跟踪。试验数据的处理结果表明,所提方法可以实现在多目标的复杂情况下对感兴趣的威胁目标的自动跟踪。     

弱点目标检测中的背景杂波抑制新方法

常规的弱点目标检测算法在背景边缘如海天线、云层和海浪边缘会形成高的虚警。通过对背景边缘梯度的分析后发现,背景边缘与弱点目标在多向梯度特性上存在差异,据此提出了一种背景杂波抑制新方法。     

一种适用于ATT武器系统的目标跟踪算法

提出一种基于单站纯方位的水下高速目标跟踪算法。该算法在快速估计出目标航向的基础上,利用目标先验速度信息解算出其他目标运动要素。该算法收敛速度快,对观测平台机动要求低且具有一定精度,能满足反鱼雷鱼雷武器系统的要求。     

回声状态网络下海洋多目标跟踪控制系统研究

针对传统海洋多目标跟踪控制系统跟踪速度慢的问题,设计一种基于回声状态网络的海洋多目标跟踪控制系统。选用PMI1201C D/C卡,插在兼容的计算机卡槽中,进行海洋多目标的数据探测,并通过安装多通道信号调理卡,实时改变滤波器截止频率。利用目标检测算法,选择海洋多目标控制区域,并对目标中心位置进行计算,得到目标状态估计结果,确认目标轨迹,实现基于回声状态网络的海洋多目标控制。仿真实验结果表明,该系统设计在进行目标控制时,速度较传统速度高出了22.78%,符合理想的海洋多目标控制要求。     

基于多目标跟踪的船舶数据互联网结构改进研究

为解决常规船舶数据互联网结构改进研究中存在分析能力较低的不足,提出基于多目标跟踪的船舶数据互联网络结构改进研究。引入船舶多目标跟踪技术,搭建船舶数据互联网结构改进拓扑结构,实现船舶数据互联网结构改进研究模型的构建;基于船舶数据互联网结构改进参量的确定,以及船舶数据互联网结构改进效果的统计分析,完成提出的基于多目标跟踪的船舶数据互联网结构改进研究。试验数据表明,提出的结构改进研究方案较传统研究方案,分析能力提升62.35%,适合多线程的船舶数据互联网结构改进研究。     

卡尔曼滤波算法在船用雷达运动目标跟踪滤波器中的应用

首先介绍离散卡尔曼滤波的系统模型并进行理论分析,在观测噪声矢量是白噪声的情况下设计船用雷达运动目标跟踪滤波器,然后模拟实际海面跟踪目标来获得发送端数据进行滤波器的性能仿真。实验结果表明,当观测噪声协方差矩阵和实际的噪声协方差矩阵相近时,卡尔曼滤波器具有滤波精准度高、收敛速度适中及稳定性强等优点。     

海杂波信号降噪处理中的小波阈值算法研究

在雷达信号目标检测系统中,雷达脉冲信号照射海面会形成一种后向散射回波,这种散射回波会对雷达造成较大干扰,被称为海杂波信号,海杂波信号进行降噪处理对于提高雷达系统的性能有重要意义。本文利用小波阈值算法和非线性分析,对海杂波信号降噪处理进行系统研究。     

跟踪机动目标的最小子模型集切换算法研究

研究了机动目标跟踪的多模型(MM)方法,提出了一种新的多模型方法——最小子模型集切换(MSMSS)算法。这种算法从总模型集中自适应确定最小子模型集,用来进行多模型估计。仿真结果显示,和标准的交互式MM(IMM)相比,MSMSS算法在具备同等跟踪性能的前提下计算量很小,在计算量相同的情况下具有更好的跟踪性能。     

基于UKF的Rao-Blackwellized粒子滤波器多传感器多目标跟踪算法研究

在纯方位多传感器多目标跟踪问题中,状态的测量通常是来源未确定的观测量,在杂波环境尤为如此,需要同时解决多个目标的测量和目标之间的关联问题。本文提出一种新的基于Rao-Blackwellized思想的RBPF-UKF算法。该算法利用Rao-Blackwellized将多目标跟踪问题转化为2个子问题:数据关联及单目标跟踪问题,利用粒子滤波中的序列重要性重采样原理解决多目标跟踪的数据关联问题,用UKF滤波器实现单目标跟踪。仿真结果表明,RBPF-UKF算法能很好地解决多目标数据关联问题,与RBPF-EKF算法相比具有更高的滤波精度及稳定性,体现了该算法的优越性。