分析预测理论在空间位置探测数据处理中的应用(Ⅰ)--空间位置探测数据处理问题和关键技术

这组系列文章将介绍作者研究提出的分析预测理论,以及该理论在目标空间位置探测数据处理问题中的应用.从宏观上讲这种应用几乎平行于传统方法地给出了一整套全新的空间位置探测数据理论和算法.从微观上看,这种应用还具有一些传统方法没有的特点,例如可以对目标运动的模式进行识别(因此确保我们以与目标运动模式相同的或类似的模拟方程对目标进行滤波,从而获得精度更高的预测值),可以给出目标在未来时刻的真实值的范围为我们进行数据关联提供更好的判据,可以解决一维和两维探测数据的融合问题,可以对不同探测精度的数据进行点迹融合等.另外该系列文章研究的工作与传统的工作有较大的互补性.该系列文章首先给出空间位置探测数据的处理问题的定义,并从中抽象出关键技术.在接下来的系列文章中将讨论解决这些关键技术的思路以及关键技术的分解,理论数学模型,分析预测理论,分析预测处理方法的解的存在性证明,相关算法等.其核心有,目标运动模式的识别技术(模拟方程的选择问题),模拟方程参数的选择技术,运动模式发生改变的识别技术,航迹聚类技术,航迹和点迹聚类技术,航迹融合技术,不同探测精度和维数的点迹融合技术,位置预测的评估技术等.最后给出仿真实验数据和结果,与传统方法对比的仿真实验数据和结果,以及分析和统计互补使用等问题.     

分析预测理论以及在空间位置探测数据处理中的应用(续四)--运动模式的识别技术

前面系列文章[1-3]将空间位置探测数据的处理问题转换成SSS^ 问题(单目标不同种类、不同精度，不同平台探测数据的处理问题，SSS问题是单平台单探测器单目标滤波问题)、关联技术^ (将来自相同或不同探测器、相同或不同平台的，相同或不同周期的同一个目标的探测数据构成一个集合的技术)、以及航迹融合技术；并证明了需要进行处理的探测数据可以根据其对应的空间位置序列是否来自相同的运动模式而分成三种类型；来自一个相同的运动模式类；来自两个不同相同的运动模式类；来自三个不相同的运动模式类(其中间的运动模式下的探测数据由于可能获得的探测数据数量有限，所以没有使用的价值)；以及SSS^ 问题在分析预测理论的处理方法与处理SSS的方法完全相同，唯一的区别在于获得构成约束的探测域的方式不同。本篇文章开始讨论SSS^ 数据的处理问题，SSS^ 处理技术包含三个部分，目标运动模式的识别技术(本篇讨论内容)，多项式与圆周运动模式的滤波技术(下一篇研究内容)，以及一般运动模式的滤波技术(第六篇主题)。在更加以后的文章里讨论关联技术^ 和航迹融合技术。本文集中讨论了，那些种类的目标运动模式的先验知识，如何获得这些目标识别的先验知识，以及在识别过程中如何使用这些先验知识。     

分析预测理论以及在空间位置探测数据处理中的应用(Ⅲ)--分析预测理论和统计预测理论

介绍了分析预测理论的处理空间位置探测数据问题的原理和思路，比较了分析预测理论和当前流行的处理空间位置探测数据问题的统计理论在原理和思路之间的差异，介绍了分析预测理论解决统计预测理论不能处理或不太好处理问题的解决方案。这些问题有，目标空间运动模式的识别问题；目标空间运动模式改变的识别问题；单站一维探测数据和多维探测数据的融合问题；不同平台，不同探测精度探测器数据的融合问题。最后，讨论分析预测理论和统计预测理论的互补性和互补方案等问题。     

分析预测理论以及在空间位置探测数据处理中的应用(Ⅱ)--空间位置方程与探测数据分析

讨论了探测数据和目标空间相对位置之间的关系，提出(在一定的条件下)直接用一维方位探测数据进行滤波的理论。引入一种根据不同目标的空间运动性能和特征，建立进行空间位置探测数据问题处理数据背景平台的预处理的概念和几种预处理技术。在这种技术的支持下，根据不同的目标的空间位置函数的特征对探测数据分类，从而使在探测数据的处理过程中可以有针对性的对历史探测数据进行不同的处理(保留或删除)和不同应用(用于目标运动模式的识别或目标空间位置的预测)。     

分析预测理论以及在空间位置探测数据处理中的应用(续五) --面向运动规律处理方法的约束极值模型

讨论的问题属于的范畴是如何使用目标的所有的探测数据来预测目标未来时刻的位置,无论目标在探测过程中,运动模式发生了什么样的变化,即面向运动规律的分析预测方法.由于该理论是通过约束极值问题来处理空间探测数据问题,所以这种处理方法的关键技术是约束极值建模技术（目标方程的确定和约束方程的确定技术）,约束极值问题的求解技术.讨论的问题是,约束极值模型包含所有历史数据的意义;历史数据能够有意义的必要条件;运动规律方法的数据支持,数据内容和使用方法;运动规律数据获取的理论方法,以及在确定运动规律的情况下,约束极值的建模技术.     

雷达信号处理问题的分析预测理论和应用(Ⅰ)——基本思路、数学模型、解的存在性

雷达信号处理问题的分析预测理论是一种通过分析数学推导出来的,解决运动目标航迹预测问题的理论。其基本思考方法的最大特点是 将雷达获取的观测位置的随机性变化为确定性(即将雷达获取的观测位置与目标在该时刻的真实位置之间的最大距离确定在二倍的雷达观测误差的范围之内),并以此作为约束条件,然后用距离目标真实位置最近的点作为预测位置。由于使用的方法不同,所以这种理论具备一些传统理论所不具有的性质,例如具有剔除观测异常点的能力;在小量数据的情况下,给出结论在理论上与观测位置的多少没有关系;能定量地表达预测精度和观测位置之间的关系,能提供预测位置和该时刻目标真实位置的最大距离,能识别目标真实运动方程的阶(如果运动方程是多项式)和给出与目标的最接近的多项式作为模拟方程(如果目标方程不是多项式);能够给出更精度的预测位置。由于以前这方面的工作都集中在实际应用,而对一般理论性问题(例如数学模型的解的存在性等)未作较深入的讨论,本文的目的除了进一步系统地介绍雷达信号处理问题的分析预测的基础理论外,还将证明最优预测位置的解的存在性定理。     

匀速或匀加速运动目标的位置预测问题的分析

本文提出了一种计算匀速或匀速运动目标的空间位置分析预测的新理论。这种分析预测新理论与传统理论在预测方法的区别是改变了传统的观测方程和优化法则，增加了模拟方法阶的识别技术。它与传统理论在实际应用上的差别是对作出结论所需要的数据量没有要求，提供的运动目标位置预测值是有直接误差估计的，可提供一组满足不同时间需求的预测计算方法等。     

探测位置数据处理技术的现状、发展和对策

作战指挥系统的重要任务之一就是对获得的或／和探测到的目标空间位置数据进行处理(称为位置探测数据处理，滤波和数据融合等都属于这方面的技术)。由于位置探测数据处理是由计算机完成的。所以位置探测数据处理方法的选择都不可避免地受到当时计算机运算速度等技术的限制。随着计算机技术的发展。计算机对位置探测数据处理计算量的限制正在大幅度地减弱。那么那些在“老的”计算机限制下选用的位置探测数据处理方法是否还适应现在需求，是否有必要在“新的”计算机平台上重新研究和选用新的位置探测数据处理方法以适应未来军事的需求。新的位置探测数据处理方法可能改进领域和相关的解决方法，以及位置探测数据处理发展方向和趋势是本文研讨的主要内容。     

单平台多传感器多目标数据融合系统

本文介绍在Novell网上建立的一个舰船多传感器数据融合计算机仿真系统，给出该仿真系统用最小二来法的平滑外推法则进行航迹跟踪及利用DemPster-Shafer敌我识别理论对目标敌我属性进行识别的结构图，较系统地阑述了数据融合的一些技术。     

基于点迹距离的概率数据关联方法

数据融合技术在当前科技飞速发展、需求日益迫切的形势下受到了越来越多的关注,而数据关联作为数据融合的核心和关键技术,在军用和民用领域中都得到了大力推广.为解决电子信息系统融合测试过程中,大量目标航迹真值和融合系统输出航迹的匹配问题,在数据关联方法的基础上,提出了基于点迹距离的概率数据关联方法,并通过实际应用,验证了该方法的可行性及流程的合理性.     

多传感器数据融合技术在VTS中的应用研究

此文分析了多传感器数据融合技术在VTS中应用的必要性和可行性，提出了应用于VTS中的数据融合处理模型。在像素级融合，研究了坐标变换、位置坐标的插值计算、目标点迹的关联与合并等技术；在特征级融合，采用BP神经网络、D—S证据理论进行目标识别。     

分布式多传感器航迹数据融合

本文研究分布式多传感器系统中的航迹数据融合问题，对来自分布于不同几何位置，具有不同精度的多传感器的所有航迹，根据它们的状态向量及其滤波误差协方差阵Ｐ进行融合处理，形成融合航迹，介绍两种典型的适用于分布式系统的航迹融全数学模型。各种模型中又有数值模式。     

多船舶雷达信息的航迹算法与目标跟踪研究

船舶雷达系统是进行目标探测的重要组成部分,传统的单雷达探测技术在海上移动目标、多个目标探测时存在精度降低、噪声干扰量大等问题,此时,通过接收本船和其他船舶的雷达信息,并进行信息融合可以提高目标探测的精度。本文首先对船舶雷达的信号滤波技术进行了分析,介绍了多船舶雷达信息的航迹融合算法,从时间配准和空间配准两方面进行研究,并进行了仿真试验。     

大数据技术在单目标船舶移动位置跟踪中的应用

由于在利用原有方法进行单目标船舶移动位置跟踪时,在船舶行驶里程为10 000～30 000 km的范围内,存在目标识别速度较慢的问题,因此将大数据技术应用于单目标船舶移动位置跟踪中,提出一种基于大数据技术的单目标船舶移动位置跟踪方法。通过混合高斯背景模型降低背景的干扰程度,并通过三帧差分降低光照突变时产生的误差,利用与计算融合获取结果,对潜在区域实施检测。通过构建LS SVM分类器,并对分类器进行训练识别单目标船舶移动目标。基于大数据技术,通过融合运动特征、边缘、色调的Camshift跟踪算法与卡尔曼无损滤波器实现单目标船舶移动位置跟踪。通过对比实验证明该方法的目标识别速度高于原有方法,实现了目标识别性能的提升。     

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AIS数据的船舶航迹多维预测方法

目前,船舶轨迹预测存在数据噪声严重、缺乏考虑历史轨迹的相似性的问题,导致预测精度不高,难以满足实际需求。针对该问题,从船舶自动识别系统(Automatic Identification System, AIS)数据去噪、在预测模型中考虑历史数据两个方面提高船舶轨迹单步预测的精度和可靠性。根据相邻时刻的AIS数据修复当前时刻的船舶运动参数;使用二维长短时记忆网络(Long Short-Term Memory, LSTM)算法分别从时间和空间的角度将当前船舶的航迹数据和历史轨迹数据相融合,建立航迹预测模型和区域预测模型;利用试验数据验证模型的综合性能。试验结果表明:该模型可获得精度较高的船舶航行轨迹。     

一种考虑船舶航速航向的AIS航迹插值方法

海上目标多手段融合探测中,需要等时间间距的AIS信息来描述船只的航行轨迹,作为验证其他船只探测手段的依据。针对传统的AIS线性插值方法在同一船只相邻2条AIS信息时间间隔过长时产生较大偏差的问题,本文提出一种新的AIS航迹插值方法。该方法综合考虑了目标的航速、航向等动态信息,通过对插值时间段内的船只位置进行预测,形成运动船只在该时间段内的插值航迹。最后,利用实测AIS数据对该方法进行验证,结果表明,相比线性插值,本文所提方法的航迹插值结果更接近船只在插值时间段内的实际航行轨迹。     

多目标跟踪中的目标位置及速度数据融合

基于多传感器数据融合理论，提出了一种在杂波环境下解决多目标跟踪的方法，即利用位置，速度的融合，得到比较满意的多目标跟踪运动轨迹，给出了有效的融合算法，并进行了仿真，通过仿真可以看出这是一种实用，有效的多传感器融合。     

海上无人驾驶技术中的数据融合应用技术

现有的海上无人驾驶船舶数据融合应用技术存在数据精度差、数据波动大的弊端,为了解决上述问题,提出海上无人驾驶船舶数据融合应用技术研究。AIS与雷达设备采集的船舶数据存在较大的差异,采用聚类方法与高斯-克吕格投影方法分别对数据的时间与空间进行校准,得到采集时间序列一致、表述一致的船舶数据,以此为基础,利用模糊数学算法对目标船舶的关联航迹数据进行求取,以关联航迹数据为依据采用加权融合算法对AIS与雷达数据权值进行分配,实现海上无人驾驶船舶数据的融合应用。通过性能测试得到,与现有的数据融合应用技术相比较,提出的海上无人驾驶船舶数据融合应用技术极大的提升了数据精度,降低了数据波动的幅值,说明本文方法的海上无人驾驶船舶数据融合应用技术具有更好的性能。     

集对分析在多雷达数据融合中的应用研究

多部雷达在探测目标时，因受低空杂波、电子干扰和雷达自身探测精度等影响，易使部分雷达的探测数据不可靠而造成融合中心数据处理精度的下降。针对这一问题，本文提出了一种应用1次融合数据为特征的集对分析思想，把每时送入融合中心的各雷达探测数据与1次融合后的数据组成集对，求出目标状态当前时刻的区间估计，去掉每时落入估计区间之外的雷达探测数据，再作2次融合。仿真结果表明，应用集对分析实现多雷达探测数据的择优融合，不仅算法简单，而且能有效提高不确定雷达系统的跟踪精度和可靠性。