林岳松[1]2003年在《多运动目标的无源跟踪与数据关联算法研究》文中研究说明多传感器多目标跟踪与数据关联是多传感器信息融合理论研究的核心内容，主要包含了数据关联和目标跟踪两部分内容。由于在军事技术和民用技术有着广泛的应用，吸引了众多研究者的兴趣，目前该理论的难点是需要在可容许的时间内，密集虚警环境下完成对多个目标的连续跟踪任务。 无源探测传感器具有不易被敌发现的特点，但单个传感器不能实现对运动目标的完全观测，需要利用多个传感器信息来实现对目标的完全观测。如果传感器探测到的是声音等具有较大时间延迟的信息，则需要进一步对数据完成校准。这些因素导致多运动目标无源跟踪与数据关联问题变得异常复杂困难，许多适用于多运动目标有源跟踪与数据关联的算法在这个问题上变得束手无策。 本文针对无源声音探测网络预警系统，研究了多运动目标无源跟踪与数据关联问题中的相关算法，主要贡献与创新在于： 1．从整体上描述了无源声音探测网络的研究背景、意义、基本框架和研究方法，概述了目标跟踪与数据关联的基本理论与方法，重点分析了几种典型的数据关联方法，包括最近邻方法、概率数据关联滤波器(PDAF)、联合概率数据关联滤波器(JPDAF)、多假设跟踪(MHT)以及多维S-D分配算法。 2．针对实际无源探测网络中存在同一探测区域内只布置了一个无源声音探测传感器站的情况，给出了一种单静止站单目标无源纯方位定位与跟踪的算法，提出了一种简单的单静止站多目标无源纯方位定位与跟踪的算法，从而将单静止站多目标问题转化为单静止站单目标问题。 3．利用最小二乘理论，研究了多静止站单目标无源纯方位定位方法，给出了多静止站单目标的视线交叉定位算法，同时针对声音传播的延时特性，提出了处理具有延时特性的最小二乘迭代视线交叉定位算法。 4．研究了多静止站多目标无源纯方位跟踪与数据关联问题，提出了筛选矩阵的概念，使得无源声音探测网内多目标纯方位跟踪与数据关联问题转化为同一探测区域内的多静止站多目标无源纯方位跟踪与数据关联问题；还提出了一种适合于实际工程应用的时空联合数据概率关摘要联算法，该算法解决了无源多传感器多目标跟踪的难题。针对实际工程中存在含有范数有界的噪声统计特性未知的多传感器融合估计问题，提出了分别基于离散代数Riccati方程(DAR丑)和线性矩阵不等式(LMI)的多传感器数据融合系统H二滤波器设计方法。针对一般实际工程系统所具有的特点:1)过程噪声及测量噪声统计特性未知但能量有限;2)含有范数有界的不确定参数。提出了一种新的基于线性矩阵不等式(LMI)的鲁棒从滤波器设计方法。最后简单回顾了全文的工作，并对今后的研究进行了展望。
丁树宇[2]2015年在《多目标ESM无源定位跟踪方法研究》文中认为电子支援措施(Electronic Support Measure, ESM)系统因其本身具有良好隐蔽性的特点，被广泛的应用于军事领域和民用领域中。ESM系统的抗干扰能力强和作用距离远等优点也逐渐成为研究人员关注的焦点。构建ESM定位跟踪系统，实现目标的无源探测与跟踪，对于提高系统的跟踪能力，具有十分重要的作用。本文围绕ESM无源定位跟踪的若干关键问题进行了研究，主要包括双站系统对单目标定位跟踪、多站系统对多目标的定位跟踪以及移动多传感器对多目标的定位跟踪问题。本文主要开展了如下的研究工作：（1）针对双站无源几何交叉定位精度较低的问题，给出了一种基于无迹卡尔曼（Unscented Kalman Filter, UKF）滤波的双站单目标被动定位方法。该方法通过将传统的关于角度的量测方程进行变换，获得直接关于目标位置的量测方程，考虑到位置量测方程的非线性问题，因此采用无迹卡尔曼滤波算法来估计目标状态，从而实现了对目标的精确定位跟踪并且降低了目标丢失率。（2）针对多站多目标定位跟踪中虚假点问题，提出了一种基于预测判定和无迹卡尔曼滤波相结合的方法。该方法首先通过判断预测点到传感器与目标构成的传感器目标测向方程的最小距离，来选取传感器目标测向方程，然后以传感器目标测向方程的交点作为目标量测，再通过无迹卡尔曼滤波算法估计目标状态，从而降低了计算量，提高了定位精度。（3）针对运动ESM定位系统中多目标信息融合问题，提出了一种基于支持度的估计融合方法。该方法通过将关于角度的量测方程进行一系列方程变换，形成关于目标坐标位置的量测方程，然后利用关于距离的支持度进行非等权值融合，其中目标估计值到传感器—目标测向方程的距离与支持度成反比关系，最后运用无迹卡尔曼滤波得到目标的估计状态，实现了移动多传感器对多目标快速有效的定位。
姜典言[3]2010年在《情报处理系统中数据融合与数据挖掘技术研究与应用》文中指出情报处理作为现代情报系统的一项关键技术,是当前热门的研究课题之一,在国民经济尤其在军事领域中具有重要的应用价值。本文全面地阐述了数据融合和数据挖掘的基本理论,并深入研究了具有实时性要求的多目标航迹数据融合,以及离线适时解调信息特征的数据挖掘。具体工作如下：首先,本文深入讨论了数据融合中一种重要的研究方法——关联规则理论,并提出一种新的权值概率数据关联算法,对联合概率数据关联算法进行了改进。该算法采用基于权值累加方法和通过设置与实际情况相符的波门解决无源定位航迹融合问题,并在工程实践中验证了其有效性。其次,详细介绍了数据仓库知识,重点介绍了基于距离的文本聚类算法——余弦定理,并将余弦定理进行了扩展。在工程应用中,先将数字码流转换为多数值向量,再利用向量夹角的余弦值作为码流相似度的衡量尺度,从而获得有用的相似解调信息的聚类。最后,通过整合实时的数据融合与离线数据挖掘两种技术,有效地解决了情报处理中的实际问题。
孟利娟[4]2016年在《ESM传感器多模定位跟踪算法研究与实现》文中研究表明在当前的军事战争中,电子战和信息战扮演着越来越重要的角色。本文主要研究纯方位测量下的无源定位技术,该技术表现为所用的传感器采用被动工作方式,即只接收辐射信号而不发射信号,所以该技术具有较强的适应能力,也因此逐渐发展成现代电子战中目标跟踪领域的重要分支。本文以纯方位测量下ESM(Electronic Support Measure)传感器对目标的定位跟踪为背景展开,主要研究了单/多ESM传感器对固定目标,等间隔与非等间隔下单/多ESM传感器对运动目标定位跟踪技术。本文的主要工作可概括如下:1)针对多个运动ESM传感器对静止目标的定位问题,本文提出了基于较大间隔测量和格拉布斯(Grubbs)准则的总体最小二乘法。考虑到离散数据对批处理算法的影响,算法中提出了利用较大间隔测量的方法来获取相对离散的数据,而后将采用格拉布斯(Grubbs)准则筛选后的数据应用到总体最小二乘法以实现对静止目标的定位。2)针对等间隔下单/多ESM传感器对运动目标的跟踪问题,本文提出了MIMM-CSRF(Modified Interacting Multiple Model Centralized Shifted Rayleigh Filter)算法。该算法提出基于范数规则化的类高斯隶属函数作为模型概率可能性估计函数,以解决最大似然函数中出现的易跳变问题。针对IMM(Interacting Multiple Model)算法中加速度估值误差较大的问题,本算法提出两级加速度修正的算法,其中,一级加速度修正算法采用中值滤波来平滑滤波系统中预测的加速度,二级加速度修正算法采用当前统计模型来修正加速度方差,实现对目标机动变化做出实时、快速的反应,以达到精确跟踪的目的。3)针对非等间隔下单/多ESM传感器对运动目标的跟踪问题,本文提出了基于最优融合的非等间隔MIMM-CSRF算法。该算法利用非等间隔联合滤波算法中对测量周期特性的处理方法实现整个定位系统的无障碍工作,以解决各ESM传感器不能在每个测量周期同时进行跟踪融合的问题;在该工作模式下,主ESM传感器根据当前测量周期内参与定位的ESM传感器的数量采用MIMM-CSRF算法实现对运动目标跟踪。实验结果证明,本文提出的ESM传感器精确定位算法能够对静止、运动目标进行准确有效的定位和跟踪。
刘威[5]2017年在《组网声纳目标跟踪技术》文中研究说明近年来,伴随声隐身技术的快速发展,水下目标强度以及辐射噪声持续下降的同时,使得声纳发现目标能力也随之降低,所以,为实现声纳系统效能的提升,有必要针对全新系统工作模式开展探究工作。因分置收发设备,可既兼顾主动声纳探测能力,还具备良好的被动声纳隐蔽性,因此多基地声纳系统已经被各国相关人员广泛关注。首先本文基于双、多基地声纳系统的定位原理,以相应定位算法为基础,推导了对应的定位误差表达式。且结合定位精度几何分布,对定位误差予以表示,完成了对各系统参数如何影响声纳系统定位精度的分析工作。研究了多基地声纳系统在不同布阵阵型下的定位特点,给出了相应的结论。其次,概述了目标跟踪的基本原理。介绍如何处理目标跟踪过程中的关键问题。对不同的目标运动模型和用于跟踪机动目标的滤波器特性进行仿真分析。最后,针对水下干扰区内目标跟踪问题的研究,利用多假设跟踪(MHT)算法,解决目标数据关联问题。从工程角度出发,采用Murty和交互多模型(IMM)方法以优化算法效率和实用性并进行了仿真验证。
参考文献：
[1]. 多运动目标的无源跟踪与数据关联算法研究[D]. 林岳松. 浙江大学. 2003
[2]. 多目标ESM无源定位跟踪方法研究[D]. 丁树宇. 杭州电子科技大学. 2015
[3]. 情报处理系统中数据融合与数据挖掘技术研究与应用[D]. 姜典言. 西安电子科技大学. 2010
[4]. ESM传感器多模定位跟踪算法研究与实现[D]. 孟利娟. 杭州电子科技大学. 2016
[5]. 组网声纳目标跟踪技术[D]. 刘威. 哈尔滨工程大学. 2017