基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合,提出一种求解多传感器多目标跟踪数据关联问题的方法.该方法的目的是实现多传感器观测数据的模糊聚类,使源于不同目标的观测数据能正确划分到该目标中去.仿真结果表明,该算法可以实现数据与目标的正确关联,克服传统硬判断的一些缺点.     

基于Kohonen神经网络的多传感器数据关联算法

提出了一种基于Konhonen神经网络的多传感器多目标跟踪数据关联算法,该方法是将多传感器的测量数据进行自组织聚类,从而实现测量数据的关联,利用融合估计完成对多目标的状态估计.计算机仿真结果表明了该算法的有效性.     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合，提出一种求解多传感器多目标跟踪数据关联问题的方法。该方法的目的是实现多传感器观测数据的模糊聚类，使源于不同目标的观测数据能正确划分到该目标中去。仿真结果表明，该算法可以实现数据与目标的正确关联，克服传统硬判断的一些缺点。     

基于Kohonen神经网络的多传感器数据关联算法

提出了一种基于Konhonen神经网络的多传感器多目标跟踪数据关联算法，该方法是将多传感器的测量数据进行自组织聚类，从而实现测量数据的关联，利用融合估计完成对多目标的状态估计，计算机仿真结果表明了该算法的有效性。     

基于目标拓扑参照图的雷达航迹抗差关联方法

针对雷达系统偏差影响下数据关联容易错误的问题,提出一种基于目标拓扑参照图的数据抗差关联新方法,该方法首先将目标进行聚类减少关联复杂度,再对聚类目标拓扑参照图经过平移、旋转和尺度等变换进行关联匹配,达到目标关联一致性的目的。仿真结果表明了该方法具有较高的关联精度和鲁棒性。     

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。     

基于异类传感器的数据融合系统

运用各种有源和无源探测设备在内的异类多传感器集成提供多种观测数据,同时通过不同传感器之间的关联来提高数据精度,可以得到关于目标的更多特征信息,从而为身份识别、态势估计提供更多的依据.基于异类传感器的数据融合系统实现了雷达、ESM等异类传感器的数据关联与融合.仿真结果表明:系统能提供更高精度的数据,获得目标的更多特征信息,并可对目标实施有效识别.     

多传感器数据融合在船舶特征提取中的应用

给出一种基于多传感器数据融合的船舶特征提取方法。该方法使用激光传感器LD-LRS3100与LMS221,对船舶长度、高度、宽度、速度信息进行测量,然后通过数据关联、数据融合方法进行船舶提取。实验结果表明,使用多个传感器的数据融合方法比单个传感器的提取结果更为准确。     

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。     

基于集对分析的多目标数据关联技术研究

针对新型作战样式条件下空中多机动目标密集回波的数据关联问题,从缓冲算子思想入手,先对雷达探测的目标数据进行随机性弱化处理,然后再运用集对分析思想来研究密集回波下的多机动目标的数据关联问题.仿真结果表明,该方法能在较短的时间内得到较高的关联精度.