目標(biāo)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(wèn)題是利用信息融合技術(shù),將來(lái)自不同傳感器的航跡進(jìn)行有效的處理、關(guān)聯(lián)和綜合,估計(jì)出較融合前更為精確可靠的目標(biāo)航跡。航跡融合在戰(zhàn)術(shù)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(xùn)練質(zhì)量輔助評(píng)估等軍事和民用領(lǐng)域有著廣泛的應(yīng)用。
　　在目標(biāo)密集環(huán)境下,信息容量巨大,信息之間的關(guān)系復(fù)雜,被探測(cè)的目標(biāo)數(shù)量很多,且目標(biāo)運(yùn)動(dòng)方式復(fù)雜多變,目標(biāo)航跡間存在交叉、分叉、合并等多種形態(tài),因此目標(biāo)密集環(huán)境下的航跡融合問(wèn)題是一

2、個(gè)具有挑戰(zhàn)性的課題,具有重要的研究?jī)r(jià)值。本論文對(duì)目標(biāo)密集環(huán)境下多傳感器航跡融合中的航跡過(guò)濾、航跡關(guān)聯(lián)、航跡狀態(tài)估計(jì)融合等理論和關(guān)鍵技術(shù)進(jìn)行研究,并給出了相應(yīng)的解決方法。
　　第一,目前,航跡融合過(guò)程多關(guān)注融合策略的適應(yīng)性和完備性,而很少考慮傳感器提供信息的不確定性。針對(duì)目前多傳感器航跡融合系統(tǒng)不能很好處理不確定性,對(duì)曲線航跡拐點(diǎn)的融合誤差較大等問(wèn)題,將降低信息的不確定程度作為重點(diǎn)考慮的問(wèn)題,提出了基于不確定性分析的航跡過(guò)濾方法。首

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

4、航跡的類別將其對(duì)應(yīng)為L(zhǎng)eader或Follower,采用將Follower和Leader進(jìn)行聚類的策略,很大程度上降低了需要關(guān)聯(lián)的航跡對(duì)數(shù)量,提高了關(guān)聯(lián)效率;引入關(guān)聯(lián)度熵函數(shù)進(jìn)行 Leader與 Follower的點(diǎn)關(guān)聯(lián),該方法計(jì)算量小,并且對(duì)傳感器數(shù)據(jù)分布沒(méi)有要求;將關(guān)聯(lián)的 Leader-Follower進(jìn)行航跡狀態(tài)估計(jì)融合,形成新 Leader,使得航跡狀態(tài)估計(jì)融合過(guò)程和產(chǎn)生新 Leader的過(guò)程融為一體,降低了傳統(tǒng)聚類算法對(duì)中心點(diǎn)

5、輪換的沉重代價(jià);該算法在目標(biāo)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(biāo)密集的動(dòng)態(tài)環(huán)境。
　　第三,航跡關(guān)聯(lián)問(wèn)題在目標(biāo)密集環(huán)境下變得非常復(fù)雜,其復(fù)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(guān)聯(lián)算法在對(duì)這三種航跡進(jìn)行關(guān)聯(lián)處理時(shí),都遇到正確關(guān)聯(lián)率大幅下降的情況,本文針對(duì)這種現(xiàn)狀提出了基于加權(quán)關(guān)聯(lián)圖的量測(cè)級(jí)航跡關(guān)聯(lián)算法。引入信息散度作為航跡點(diǎn)關(guān)聯(lián)的標(biāo)準(zhǔn),在此基礎(chǔ)上構(gòu)造加權(quán)關(guān)聯(lián)圖進(jìn)行航跡點(diǎn)關(guān)聯(lián),并利用

6、加權(quán)的思想計(jì)算關(guān)聯(lián)質(zhì)量,更好的反映了航跡之間的關(guān)聯(lián)關(guān)系,有效解決了交叉、分叉、合并航跡的關(guān)聯(lián)問(wèn)題,提高了目標(biāo)密集環(huán)境下航跡關(guān)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(jì)融合方法,通過(guò)分析其航跡狀態(tài)估計(jì)融合結(jié)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(zhì)量的航跡比融合所有航跡效果更好。這個(gè)發(fā)現(xiàn)很值得思考,因?yàn)槟壳按蠖鄶?shù)方法都是融合所有傳感器航跡,而不管它們的質(zhì)量和對(duì)系統(tǒng)航跡的貢獻(xiàn)如何。為了從傳感器航跡集合中選擇