针对多普勒盲区条件下预警机雷达多目标跟踪问题,基于交互式多模型(IMM,Interacting Multiple Models)、联合概率数据互联(JPDA,Joint Probability Data Association)和分布式不敏卡尔曼滤波(UKF,Unscented Kalman Filter)提出了预警机...针对多普勒盲区条件下预警机雷达多目标跟踪问题,基于交互式多模型(IMM,Interacting Multiple Models)、联合概率数据互联(JPDA,Joint Probability Data Association)和分布式不敏卡尔曼滤波(UKF,Unscented Kalman Filter)提出了预警机雷达与地基雷达对目标进行协同跟踪的方法。该方法利用目标的状态估计和预测实时计算每部雷达的动态融合权值,预测目标的多普勒频率。当预警机雷达对目标的量测不存在且检测到目标进入预警机雷达多普勒盲区时,由预警机雷达对目标状态进行外推,以此产生虚拟量测,用虚拟量测与地基雷达协同跟踪对目标的融合估计状态进行更新;若预警机雷达对目标的量测不存在且目标不是进入多普勒盲区时,由地基雷达单独对目标的融合估计状态进行更新。当目标飞出预警机雷达多普勒盲区后,将预警机雷达对目标的状态估计再次与地基雷达进行关联,并根据动态权值融合更新目标状态。仿真结果表明,该方法能够改善多普勒盲区内多目标航迹的连续性和跟踪精度。展开更多
提出了一种基于联合概率数据关联(Joint Probability Data Association,JPDA)思想的雷达目标与敌我识别(Identification Friend or Foe,IFF)点迹相关方法,利用雷达目标历史IFF属性及关联概率作为先验信息,结合当前雷达目标航迹和IFF点...提出了一种基于联合概率数据关联(Joint Probability Data Association,JPDA)思想的雷达目标与敌我识别(Identification Friend or Foe,IFF)点迹相关方法,利用雷达目标历史IFF属性及关联概率作为先验信息,结合当前雷达目标航迹和IFF点迹的分布情况,通过基于JPDA的方法计算各雷达目标与IFF点迹的关联概率,最后利用目标识别规则库对目标属性进行判定。几种典型场景下的仿真结果表明,通过对目标的多次询问和相关概率的迭代,所提方法可有效提高目标密集环境下对我方合作目标的正确识别率,同时降低对非合作目标的误识别率。展开更多
自适应压缩感知与处理方法(Adaptive Compressive Sensing and Processing,ACSP)能够减少计算负荷,但现有的基于自适应压缩感知与处理的雷达目标跟踪方法仅限于单目标的跟踪,针对该问题,提出将自适应压缩感知用于雷达多目标追踪。通过...自适应压缩感知与处理方法(Adaptive Compressive Sensing and Processing,ACSP)能够减少计算负荷,但现有的基于自适应压缩感知与处理的雷达目标跟踪方法仅限于单目标的跟踪,针对该问题,提出将自适应压缩感知用于雷达多目标追踪。通过对回波进行稀疏表示,设计改进字典(稀疏变换矩阵)。在测量过程中,采用自适应权重替代随机高斯矩阵,构造和配置感知矩阵,基于压缩感知采样的接收数据来建立测量模型。由于测量与目标状态的非线性关系,采用结合联合概率数据关联方法的似然粒子滤波器对目标状态实时顺序估计,从而克服了多目标跟踪中的数据关联问题。理论仿真实验结果表明,改进的自适应压缩感知与处理方法实现了对多目标跟踪。展开更多
针对杂波环境下的多目标跟踪数据关联存在跟踪精度低、实时性差的问题,提出了一种基于最大熵模糊聚类的联合概率数据关联算法(joint probabilistic data association algorithm based on maximum entropy fuzzy clustering,MEFC-JPDA)...针对杂波环境下的多目标跟踪数据关联存在跟踪精度低、实时性差的问题,提出了一种基于最大熵模糊聚类的联合概率数据关联算法(joint probabilistic data association algorithm based on maximum entropy fuzzy clustering,MEFC-JPDA)。首先,采用最大熵模糊聚类求得的隶属度初步表征目标与有效量测之间的关联概率。其次,采用基于目标距离的量测修正因子对关联概率进行调整,并建立关联概率矩阵。最后,结合卡尔曼滤波算法,对目标的状态进行加权更新。仿真结果表明,所提算法在杂波环境下的跟踪性能相比现有的两种关联算法有较大提升,是一种有效的多目标跟踪数据关联算法。展开更多
文摘针对多普勒盲区条件下预警机雷达多目标跟踪问题,基于交互式多模型(IMM,Interacting Multiple Models)、联合概率数据互联(JPDA,Joint Probability Data Association)和分布式不敏卡尔曼滤波(UKF,Unscented Kalman Filter)提出了预警机雷达与地基雷达对目标进行协同跟踪的方法。该方法利用目标的状态估计和预测实时计算每部雷达的动态融合权值,预测目标的多普勒频率。当预警机雷达对目标的量测不存在且检测到目标进入预警机雷达多普勒盲区时,由预警机雷达对目标状态进行外推,以此产生虚拟量测,用虚拟量测与地基雷达协同跟踪对目标的融合估计状态进行更新;若预警机雷达对目标的量测不存在且目标不是进入多普勒盲区时,由地基雷达单独对目标的融合估计状态进行更新。当目标飞出预警机雷达多普勒盲区后,将预警机雷达对目标的状态估计再次与地基雷达进行关联,并根据动态权值融合更新目标状态。仿真结果表明,该方法能够改善多普勒盲区内多目标航迹的连续性和跟踪精度。
文摘提出了一种基于联合概率数据关联(Joint Probability Data Association,JPDA)思想的雷达目标与敌我识别(Identification Friend or Foe,IFF)点迹相关方法,利用雷达目标历史IFF属性及关联概率作为先验信息,结合当前雷达目标航迹和IFF点迹的分布情况,通过基于JPDA的方法计算各雷达目标与IFF点迹的关联概率,最后利用目标识别规则库对目标属性进行判定。几种典型场景下的仿真结果表明,通过对目标的多次询问和相关概率的迭代,所提方法可有效提高目标密集环境下对我方合作目标的正确识别率,同时降低对非合作目标的误识别率。
文摘自适应压缩感知与处理方法(Adaptive Compressive Sensing and Processing,ACSP)能够减少计算负荷,但现有的基于自适应压缩感知与处理的雷达目标跟踪方法仅限于单目标的跟踪,针对该问题,提出将自适应压缩感知用于雷达多目标追踪。通过对回波进行稀疏表示,设计改进字典(稀疏变换矩阵)。在测量过程中,采用自适应权重替代随机高斯矩阵,构造和配置感知矩阵,基于压缩感知采样的接收数据来建立测量模型。由于测量与目标状态的非线性关系,采用结合联合概率数据关联方法的似然粒子滤波器对目标状态实时顺序估计,从而克服了多目标跟踪中的数据关联问题。理论仿真实验结果表明,改进的自适应压缩感知与处理方法实现了对多目标跟踪。
文摘针对杂波环境下的多目标跟踪数据关联存在跟踪精度低、实时性差的问题,提出了一种基于最大熵模糊聚类的联合概率数据关联算法(joint probabilistic data association algorithm based on maximum entropy fuzzy clustering,MEFC-JPDA)。首先,采用最大熵模糊聚类求得的隶属度初步表征目标与有效量测之间的关联概率。其次,采用基于目标距离的量测修正因子对关联概率进行调整,并建立关联概率矩阵。最后,结合卡尔曼滤波算法,对目标的状态进行加权更新。仿真结果表明,所提算法在杂波环境下的跟踪性能相比现有的两种关联算法有较大提升,是一种有效的多目标跟踪数据关联算法。
