目標密集環(huán)境下的多傳感器航跡融合算法研究.pdf

1、航跡融合問題是利用信息融合技術,將來自不同傳感器的航跡進行有效的處理、關聯(lián)和綜合,估計出較融合前更為精確可靠的目標航跡。航跡融合在戰(zhàn)術和戰(zhàn)略指揮、控制、通信、監(jiān)視、偵查、空中交通管制、飛行器故障診斷、飛行訓練質量輔助評估等軍事和民用領域有著廣泛的應用。
　　在目標密集環(huán)境下,信息容量巨大,信息之間的關系復雜,被探測的目標數(shù)量很多,且目標運動方式復雜多變,目標航跡間存在交叉、分叉、合并等多種形態(tài),因此目標密集環(huán)境下的航跡融合問題是一

2、個具有挑戰(zhàn)性的課題,具有重要的研究價值。本論文對目標密集環(huán)境下多傳感器航跡融合中的航跡過濾、航跡關聯(lián)、航跡狀態(tài)估計融合等理論和關鍵技術進行研究,并給出了相應的解決方法。
　　第一,目前,航跡融合過程多關注融合策略的適應性和完備性,而很少考慮傳感器提供信息的不確定性。針對目前多傳感器航跡融合系統(tǒng)不能很好處理不確定性,對曲線航跡拐點的融合誤差較大等問題,將降低信息的不確定程度作為重點考慮的問題,提出了基于不確定性分析的航跡過濾方法。首

3、先運用肖維涅準則對異常傳感器進行檢測,從總體上消除一部分不確定源,然后對每條參與融合的航跡進行不確定性分析,用正交多項式回歸方法剔除傳感器中的離群點,進一步降低航跡信息的不確定程度,為后續(xù)的航跡關聯(lián)和航跡狀態(tài)估計融合提供更為可靠的航跡,解決了目前對曲線航跡拐點融合誤差較大的問題。
　　第二,將航跡關聯(lián)問題轉化成一種帶約束的在線聚類問題,并基于該思想提出一種基于 Leader-Follower在線聚類的系統(tǒng)級航跡關聯(lián)算法。該算法根據(jù)

4、航跡的類別將其對應為Leader或Follower,采用將Follower和Leader進行聚類的策略,很大程度上降低了需要關聯(lián)的航跡對數(shù)量,提高了關聯(lián)效率;引入關聯(lián)度熵函數(shù)進行 Leader與 Follower的點關聯(lián),該方法計算量小,并且對傳感器數(shù)據(jù)分布沒有要求;將關聯(lián)的 Leader-Follower進行航跡狀態(tài)估計融合,形成新 Leader,使得航跡狀態(tài)估計融合過程和產生新 Leader的過程融為一體,降低了傳統(tǒng)聚類算法對中心點

5、輪換的沉重代價;該算法在目標數(shù)量未知的情況下,仍具有較高的可塑性和穩(wěn)定性,適合目標密集的動態(tài)環(huán)境。
　　第三,航跡關聯(lián)問題在目標密集環(huán)境下變得非常復雜,其復雜性主要由于三種典型航跡的存在,即交叉、分叉、合并航跡。目前大部分航跡關聯(lián)算法在對這三種航跡進行關聯(lián)處理時,都遇到正確關聯(lián)率大幅下降的情況,本文針對這種現(xiàn)狀提出了基于加權關聯(lián)圖的量測級航跡關聯(lián)算法。引入信息散度作為航跡點關聯(lián)的標準,在此基礎上構造加權關聯(lián)圖進行航跡點關聯(lián),并利用

6、加權的思想計算關聯(lián)質量,更好的反映了航跡之間的關聯(lián)關系,有效解決了交叉、分叉、合并航跡的關聯(lián)問題,提高了目標密集環(huán)境下航跡關聯(lián)算法的性能。
　　第四,提出基于信息量分析的航跡狀態(tài)估計融合方法,通過分析其航跡狀態(tài)估計融合結果和參與融合的傳感器航跡數(shù)量,發(fā)現(xiàn)有選擇的融合一些高質量的航跡比融合所有航跡效果更好。這個發(fā)現(xiàn)很值得思考,因為目前大多數(shù)方法都是融合所有傳感器航跡,而不管它們的質量和對系統(tǒng)航跡的貢獻如何。為了從傳感器航跡集合中選擇