一、一种多传感器航迹融合算法的仿真分析（论文文献综述）
陶承阳[1]（2021）在《基于多传感器信息融合的航迹估计及目标检测》文中进行了进一步梳理
张垚钒[2]（2021）在《基于神经网络的水下航迹融合研究》文中进行了进一步梳理
张博[3]（2021）在《基于被动声纳的目标航迹估计技术研究》文中研究表明
周敏[4]（2021）在《多目标跟踪中航迹关联技术研究》文中研究表明随着当代综合电子技术与航空技术的高速发展,多目标跟踪技术受到更多学者的关注,其广泛应用在空中,陆地,水中等多种目标追踪与探测场景中。当代信息干扰较多,对目标跟踪的精度要求也愈加提高。航迹关联作为目标跟踪中重要环节之一,实现了航迹起始中的点迹与点迹关联,航迹跟踪过程中的点迹与航迹关联,航迹融合时的航迹与航迹关联。航迹关联技术是目标跟踪准确度的重要影响因子,因此对多目标跟踪中航迹关联算法的研究,具有重要的实际应用意义。本文在对传统航迹关联算法分析的基础上,重点研究多目标航迹关联技术,针对现有算法的不足,设计了双重门限椭圆关联波门,提出基于置信度的概率数据关联算法和基于局部状态的距离熵加权航迹融合算法。从而提高航迹关联的精度,本文所取得的成果主要包括以下几个方面:首先,针对杂波落入目标关联波门内概率偏高的问题,设计一种基于距离-速度的双重门限椭圆关联波门,降低虚假量测落入关联门内的概率,然后针对多目标跟踪中可能出现的各目标关联波门出现交叉而增加关联复杂度的情况,提出基于置信度的概率数据关联（PDA-C）算法,该算法首先利用本文设计的双重门限椭圆关联波门剔除部分虚假量测,当目标的关联门出现交叉时,通过置信度因子实现航迹更新,当波门交叉区域无量测时,将其简化为多个单目标的航迹关联问题,该算法提高了目标跟踪的性能和准确率。针对航迹融合算法对传感器精度要求较高,且传感器测量方差的计算复杂的问题,提出基于局部状态的距离熵加权航迹融合（WTF-LSDE）算法,该算法以多个传感器局部估计的相对距离为基础建立代价矩阵,通过熵权法计算各传感器的剩余度并作为融合权值,提升了航迹融合精度和融合性能。最后,利用SystemVue平台搭建了基于雷达的多目标跟踪系统,并基于该仿真系统对上述研究成果仿真测试,通过仿真结果分析,本文提出的算法有效提高了多目标跟踪系统中航迹关联与融合的精度。
朱袁伟[5]（2021）在《融合顺序敏感的多传感器GM-PHD跟踪算法研究》文中研究说明多传感器多目标跟踪问题一直以来都是信息融合领域学者们关注的重点之一,针对一些较为复杂的环境,利用数据的互补和冗余特性按照一定的策略来实现数据的融合,提高跟踪的精度。但是在数据进行融合时,会存在以下几个问题:1)融合的先后顺序有可能会影响最终的结果,融合过程中可能会存在数据损失的问题;2)集中式融合结构虽然能够极大程度的保证数据完整性,但其融合中心的通信和计算负担较大;3)在密集杂波下滤波器的计算量过大且实时性无法保证。为此,基于高斯混合概率假设密度（Gaussian Mixture Probability Hypothesis Density,GM-PHD）滤波器,本文开展了对融合顺序敏感的多传感器GM-PHD跟踪算法的研究,本文主要工作如下:1)针对序贯融合方法对于融合顺序敏感的问题,基于量测迭代更新的集中式序贯融合方法和最优子模式分配（Optimal Subpattern Assignment,OSPA）方法,提出了一种自适应融合顺序的多传感器量测迭代更新GM-PHD跟踪算法。首先利用GM-PHD滤波构建多传感器量测迭代更新融合框架。然后基于OSPA度量定义提出了两种优化融合顺序的方法,一种是基于量测信息的融合一致性度量,一种是基于后验高斯混合集的融合一致性度量。最后通过优化方法计算各传感器的融合一致性度量并从大到小排序,结合多传感器量测迭代更新融合框架实现自适应顺序融合。仿真表明,两种优化算法能够有效的优化融合顺序,提高融合结果的估计精度。2)针对集中式通信和计算负担大的问题,为减少融合中心任务量和尽量保证数据的完整性,提出一种基于带权伪量测的分布式多传感器量测迭代更新GMPHD跟踪算法。首先各传感器在本地进行滤波得到后验高斯混合集。然后从滤波后得到的后验高斯混合集中提取目标状态位置、权值信息作为伪量测发送至融合中心,相比于原始量测数据,伪量测数据更精确且有效数据保留较完整。最后利用伪量测对先验高斯集进行迭代更新,获取更加精确的估计结果。仿真结果表明,本算法相比于多传感器量测迭代更新GM-PHD跟踪算法跟踪精度更高。3)针对密集杂波下的多传感器序贯融合顺序优化问题,基于累积幅值似然比提出了一种分布式自适应多传感器序贯融合GM-PHD跟踪算法。首先为减轻密集杂波的干扰,引入幅值到GM-PHD滤波器中,由幅值特征筛选出有效量测集。然后提出了幅值累积似然比的融合顺序优化算法。最后结合分布式序贯融合GM-PHD跟踪算法实现融合。仿真实验表明,对于单传感器GM-PHD跟踪算法,加入幅值比未加入幅值的跟踪效果好;对于多传感器GM-PHD跟踪算法的顺序优化问题,基于幅值累积似然比的融合顺序优化算法在一定程度上能够有效的优化序贯融合顺序。
温镇铭,刘松涛,姜宁[6]（2020）在《反馈式权值动态分配雷达与红外传感器航迹融合方法》文中提出为了有效提高雷达与红外传感器航迹融合的精确度和稳定性,提出了反馈式融合与基于局部航迹精度的权值动态分配相结合的航迹融合方法。首先,从结构和性能上对比分析了带反馈与不带反馈两种估计融合算法,指出带反馈融合的优越性,为实现反馈式融合时权值动态分配,利用新息与协方差定义了标准化精度矩阵作为点迹精确度的评价指标;然后,计算一段连续点迹标准化精度矩阵的标准差作为权值将各传感器产生的航迹进行融合运算,并将运算结果反馈到各传感器。仿真实验表明,基于局部航迹精度的反馈式权值动态分配法在雷达与红外传感器航迹融合应用中误差小、性能稳定,且受低精度传感器误差影响较小,能够在传感器精度差异较大或精度发生变化的情况下依然保持较高的精确度。
滕欣进[7]（2020）在《复合跟踪中的航迹关联与融合技术研究》文中研究表明协同作战能力（Cooperative Engagement Capability,CEC）是一种利用信息技术的现代化作战方式,每个作战平台都运行相应的目标跟踪算法,形成各自的局部航迹。同时,在复合跟踪的功能下,各个平台之间还可以相互共享量测数据,并进行航迹关联和融合估计,形成跟踪更长、精度更高的复合航迹。当任一平台的传感器因无法工作或性能下降的情况下,不能对目标航迹进行跟踪更新时,都可借助其他作战单元跟踪到的信息形成自身的态势图像。因此,得到准确的复合航迹是必须要解决的问题。信息融合技术在其中发挥着关键作用,其扩大了空间覆盖范围,为复合跟踪提供精确的融合航迹。而判断来自不同分系统的航迹是否来自同一目标,是信息融合中的核心技术,只有进行了正确的航迹关联,才可以使信息融合得到正确的结果。因此,本文以CEC中的复合跟踪为背景,主要研究如下:1.多平台复合跟踪以单平台目标跟踪为基础,针对单平台目标跟踪,介绍目标运动模型、数据关联方法和状态估计等基本理论,对概率数据关联算法和联合概率数据关联算法进行仿真分析,并验证卡尔曼滤波算法的有效性。2.针对复合跟踪中的多雷达航迹关联问题,介绍了数据预处理技术,包括时间配准和空间配准等,研究了基于统计和模糊数学两类航迹关联方法的基本理论,并分析了传统航迹关联方法存在的共性问题与度量。针对航迹关联准确率和稳定性存在的不足,引入性能更优的灰狼优化算法（Grey Wolf Optimizer,GWO）。GWO算法具有计算简单、应用灵活,且局部优化性能好等优势,对其加入交叉、变异算子进行改进,提出了基于改进GWO算法的航迹关联方法。与航迹关联模型进行有机的结合,大大提高了全局搜索能力。在两个交叉目标和多个机动目标运动环境下进行仿真分析,与传统的算法相比,新算法提高了关联的准确率,并能在目标稀疏及密集的环境下稳定的关联。3.在复合跟踪系统中,各平台的目标跟踪的精度影响融合航迹性能,而融合航迹性能影响作战系统的复合跟踪性能。因此,还需要对复合跟踪中的航迹融合估计进行研究。介绍了传统条件下的航迹融合体系结构,并对它们的优缺点和适应环境进行分析。针对复合跟踪要求精确打击的特点,给出了多融合中心的体系结构,可根据需要动态选择合适的融合中心,有利于提高协同作战能力。对简单凸组合和协方差加权两种融合算法进行了研究,并通过机动目标航迹的融合仿真实验,表明所研究方法的有效性。
郭佳慧[8]（2020）在《多站雷达目标跟踪算法的研究》文中研究说明在雷达信号处理领域中,目标跟踪是非常重要的组成部分。目标跟踪技术通过传感器的相关量测值获得感兴趣目标的状态信息,并通过适当的滤波算法实现对目标运动状态的预测与估计,进而达到稳定跟踪的目的。其中,滤波算法的选择对跟踪结果的准确度起着决定性作用。因此,本文首先研究了线性场景与非线性场景下不同滤波算法的跟踪性能,分析了各自的优缺点。其次,为了获得更高的目标跟踪精度,本文又研究了多传感器信息融合算法,包括适用于同步观测场景的协方差交叉融合算法与信息矩阵航迹融合算法,以及适用于异步场景的顺序量测异步融合算法。在此基础上,给出本文的主要工作:1.在滤波算法方面:本文首先介绍了贝叶斯滤波理论,这是本文后续研究的理论基础。随后研究了基于贝叶斯理论的滤波算法,其中包括适用于线性场景的卡尔曼滤波算法（KF）,以及适用于非线性场景的扩展卡尔曼滤波算法（EKF）,无迹卡尔曼滤波算法（UKF）和转换量测卡尔曼滤波算法（CMKF）。为了分析非线性场景中各个滤波算法的跟踪性能,本文通过对仿真结果进行对比分析表明,卡尔曼滤波器仅在线性高斯场景中能获得较高的跟踪精度;在非线性场景中,由于EKF,UKF与CMKF处理非线性的方法不同,因此跟踪性能也不尽相同。其中,EKF算法的滤波误差最大,它适用在非线性程度较小的场景;UKF较CMKF有更高的跟踪精度,但是UKF比CMKF的计算量大,滤波时间长。2.在多传感器信息融合方面:由于在分布式跟踪中各个局部传感器间的估计误差的互协方差矩阵未知,且互协方差矩阵的计算极其复杂,因此本文研究了两种无需已知互协方差矩阵便能很好地融合局部传感器信息的融合算法,分别是协方差交叉融合算法（CI）与信息矩阵航迹融合算法。然后将这两种算法分别应用在弹地雷达之间以及地基雷达之间的信息融合,仿真结果表明这些融合算法均能得到较好的融合跟踪效果,同时也对比了这两种融合算法的融合精度。其次,本文也研究了带有反馈和无反馈信息融合的区别,仿真结果表明,虽然融合估计解对于融合中心是等价的,但是,带有反馈的融合算法可以明显地改善局部传感器的跟踪性能。最后,介绍了一种顺序量测的异步融合算法,通过仿真验证了该算法的有效性。
靳冰洋[9]（2020）在《多模复合制导航迹信息融合技术研究》文中研究说明随着电子技术的发展现代战场环境日益复杂,单一模式制导探测设备由于自身的限制和不足已逐渐无法满足现代战场环境的作战需求,在干扰环境下的作战效能逐渐降低,多模复合制导信息融合技术随之产生,其利用多个传感器的优点,采取优势互补的方法,提升制导系统在复杂干扰战场环境下的制导性能,增强制导设备的目标探测跟踪能力,作战效能明显优于单一模式制导设备。本文对多模复合制导航迹信息融合技术进行研究,以激光/雷达/红外三模复合制导为研究背景,对航迹形成、航迹关联、航迹融合进行分析研究,在此基础上利用相关算法设计了一套以激光/雷达/红外三模复合制导为应用背景的信息融合处理系统,并通过计算机仿真对信息融合系统在干扰背景环境下的性能进行了测试。具体工作细分如下:首先,文章对信息融合基础理论知识进行了简要的论述。介绍了信息融合技术的工作原理,对信息融合系统进行了分类,并对其中的检测级、位置级和属性级信息融合系统结构进行了详细说明,在此基础上,根据本文研究背景设计了分布式共平台三模复合制导信息融合处理方案。其次,对单传感器多目标航迹形成进行了研究分析,主要内容为数据关联、跟踪滤波和航迹管理。其中,数据关联是航迹形成最重要的部分,研究了数据关联时跟踪门的类型和选择方法,并对两种典型的数据关联算法进行了分析;对跟踪滤波算法中典型的卡尔曼滤波算法进行了研究;航迹管理规则可有效对航迹进行管理,对航迹管理规则中逻辑法和记分法的航迹管理准则进行了分析。然后,对航迹融合算法进行了研究,包括时空配准、航迹关联和航迹融合。配准和关联是融合的准备工作,分析了共平台背景下时间和空间对准方法;对加权航迹关联算法和序贯航迹关联算法进行了分析,在此基础上利用航迹整体态势和局部特性提出了一种基于灰色关联度的两级实时航迹关联算法,通过仿真实验对加权法、序贯法以及基于灰色关联度的两级实时航迹关联算法的性能进行了对比;航迹融合是对关联的航迹对进行融合处理,本文详细阐述了两种常用的航迹融合方法。最后,设计了信息融合处理系统,主要内容有信息融合系统的工作模式划分和工作流程、航迹信息融合协同处理方案以及对系统性能的仿真测试。根据信息融合系统各工作阶段的特点,对各阶段的工作模式和工作流程进行了详细的说明;依据信息融合算法,结合本文研究背景对航迹信息融合处理进行分析,设计了搜索时的协同搜索方法和跟踪时的航迹信息融合处理策略。通过计算机仿真搭建信息融合系统,对系统在干扰环境下的性能进行测试,验证了所设计信息融合处理系统的有效性。
袁翠红[10]（2020）在《末端防空武器系统中目标航迹融合与分配技术研究》文中提出末端防空武器系统作为空中防御的最后一道防线,具有非常重要的研究意义。随着高新科技的迅速发展,空袭武器越来越先进,使得空袭目标种类繁多且攻击强度增大,这对系统的实时性和精确性提出了更高要求。航迹融合与目标分配技术作为末端防空武器系统指挥控制中心的核心,对它们的研究成为该领域的重点和难点。本文依托“方案数字仿真条件建设”工程项目,以末端防空武器系统为研究背景对目标航迹融合与分配技术进行了重点研究。主要工作如下:1.对时间配准、时空配准、滤波进行了详细阐述。对基于统计学的航迹关联算法进行了分析讨论,并针对基于速度信息的航迹关联算法进行着重研究,通过仿真实验证明该算法的实用性。采用灰色关联算法进行多义性处理,并通过仿真实验证明该算法的有效性。对自适应航迹融合算法进行了研究讨论,通过与简单凸组合航迹融合与协方差加权航迹融合算法的仿真分析对比,证明了自适应航迹融合算法的实用性。2.主要研究了基于灰色系统理论与加权方法设计高效的目标威胁评估模型与合理的火力分配方案,使火力资源得到合理有效的分配,并加入人工干预目标分配功能,进一步提高系统的作战效能。3.利用Visual Studio 2013工具集建立指挥控制系统仿真平台,并对系统开发过程中的通信协议的选择、数据的传输方式、网络编程的实现、数据报文的传输格式、多线程技术、时间管理以及数据管理等进行了详细介绍。最后对系统的人机交互界面的设计进行了详细介绍。4.对航迹融合与目标分配技术进行仿真实验分析,证明本文对航迹融合与目标分配技术的研究满足方案数字仿真条件建设的技术指标要求。
二、一种多传感器航迹融合算法的仿真分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种多传感器航迹融合算法的仿真分析（论文提纲范文）
（4）多目标跟踪中航迹关联技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 国内外研究现状与发展趋势 |
| 1.2.1 航迹关联算法 |
| 1.2.2 航迹融合算法 |
| 1.3 研究目标和内容 |
| 1.4 本文结构安排 |
| 第2章 多目标跟踪理论研究与分析 |
| 2.1 数据预处理 |
| 2.1.1 空间配准 |
| 2.1.2 时间对准 |
| 2.2 相关波门分析 |
| 2.3 目标的运动模型 |
| 2.3.1 匀速运动模型 |
| 2.3.2 匀加速运动模型 |
| 2.3.3 当前统计模型 |
| 2.4 滤波器分析 |
| 2.4.1 卡尔曼滤波器 |
| 2.4.2 α-β滤波器 |
| 2.5 本章小结 |
| 第3章 数据关联算法的研究 |
| 3.1 最近邻数据关联算法 |
| 3.2 概率数据关联算法 |
| 3.3 联合概率数据关联算法 |
| 3.4 基于置信度的概率数据关联算法 |
| 3.4.1 双重门限椭圆关联波门 |
| 3.4.2 航迹关联流程设计 |
| 3.4.3 算法原理 |
| 3.4.4 算法分析 |
| 3.5 本章小结 |
| 第4章 数据融合算法的研究 |
| 4.1 数据融合的功能模型 |
| 4.2 数据融合的结构模型 |
| 4.3 数据融合的数学模型 |
| 4.3.1 简单协方差加权航迹融合算法 |
| 4.3.2 最大似然加权航迹融合 |
| 4.3.3 加权航迹融合 |
| 4.4 基于局部状态的距离熵加权航迹融合 |
| 4.4.1 流程设计 |
| 4.4.2 算法原理 |
| 4.4.3 算法分析 |
| 4.5 本章小结 |
| 第5章 系统仿真与分析 |
| 5.1 SystemVue简介 |
| 5.2 雷达多目标跟踪系统 |
| 5.2.1 雷达信号处理模块 |
| 5.2.2 目标跟踪模块 |
| 5.2.3 雷达目标跟踪系统模型的建立 |
| 5.3 系统仿真 |
| 5.3.1 雷达和目标的初始参数设置 |
| 5.3.2 评价指标 |
| 5.3.3 仿真效果与分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（5）融合顺序敏感的多传感器GM-PHD跟踪算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多目标跟踪算法 |
| 1.2.2 多传感器融合 |
| 1.2.3 基于幅值的目标跟踪研究 |
| 1.3 主要研究内容 |
| 第2章 多传感器多目标跟踪理论基础 |
| 2.1 引言 |
| 2.2 目标跟踪基础理论 |
| 2.2.1 目标跟踪系统模型 |
| 2.2.2 最优贝叶斯滤波器 |
| 2.2.3 卡尔曼滤波器 |
| 2.3 基于RFS理论的多目标跟踪 |
| 2.3.1 RFS理论 |
| 2.3.2 PHD滤波器 |
| 2.3.3 GM-PHD滤波器 |
| 2.4 多传感器融合结构 |
| 2.5 本章小结 |
| 第3章 多传感器自适应量测迭代更新GM-PHD跟踪算法 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 量测迭代更新的融合框架 |
| 3.4 多传感器一致性度量 |
| 3.4.1 OSPA距离 |
| 3.4.2 全局OSPA一致性度量 |
| 3.5 自适应融合算法 |
| 3.5.1 基于量测信息的融合一致性度量 |
| 3.5.2 基于后验高斯混合集的融合一致性度量 |
| 3.6 仿真分析 |
| 3.7 本章小结 |
| 第4章 基于带权伪量测的多传感器GM-PHD跟踪算法 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 一步延时目标起始 |
| 4.4 航迹管理 |
| 4.5 带权伪量测的多传感器量测迭代更新GM-PHD跟踪算法 |
| 4.5.1 带权伪量测信息提取 |
| 4.5.2 带权伪量测迭代更新GM-PHD跟踪算法 |
| 4.6 仿真分析 |
| 4.7 本章小结 |
| 第5章 基于幅值的多传感器GM-PHD跟踪算法 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.2.1 幅值模型 |
| 5.2.2 系统模型 |
| 5.3 引入幅值的GM-PHD跟踪算法 |
| 5.3.1 引入幅值的PHD递推过程 |
| 5.3.2 引入幅值的PHD高斯实现过程 |
| 5.4 引入幅值的自适应融合算法 |
| 5.4.1 基于幅值的融合顺序优化 |
| 5.4.2 分布式GM-PHD融合算法 |
| 5.5 仿真分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 作者在读期间发表的学书论文及参加的科研项目 |
（6）反馈式权值动态分配雷达与红外传感器航迹融合方法（论文提纲范文）
| 0 引言 |
| 1 雷达与红外传感器分布式融合结构 |
| 2 基于局部航迹精度的权值动态分配方法 |
| 3 仿真实验 |
| 4 结语 |
（7）复合跟踪中的航迹关联与融合技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 CEC研究现状 |
| 1.2.2 信息融合技术研究现状 |
| 1.2.3 航迹关联算法研究现状 |
| 1.3 研究内容及章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第二章 目标运动模型与跟踪方法 |
| 2.1 引言 |
| 2.2 目标运动模型 |
| 2.2.1 微分多项式模型 |
| 2.2.2 CV和CA模型 |
| 2.2.3 Singer模型 |
| 2.2.4“当前”统计模型 |
| 2.3 数据关联方法 |
| 2.3.1 最近邻数据关联 |
| 2.3.2 概率数据关联 |
| 2.3.3 联合概率数据关联 |
| 2.4 状态估计理论 |
| 2.4.1 目标状态方程 |
| 2.4.2 卡尔曼滤波 |
| 2.5 本章小结 |
| 第三章 多雷达航迹关联方法 |
| 3.1 引言 |
| 3.2 数据预处理 |
| 3.2.1 时间配准 |
| 3.2.2 空间配准 |
| 3.3 基于统计理论的航迹关联 |
| 3.3.1 加权法及其修正 |
| 3.3.2 K近邻域法及其修正 |
| 3.4 基于模糊理论的航迹关联 |
| 3.4.1 模糊因素集与隶属度函数 |
| 3.4.2 模糊双门限航迹关联 |
| 3.5 本章小结 |
| 第四章 基于改进灰狼优化算法的航迹关联 |
| 4.1 引言 |
| 4.2 航迹关联分析与度量 |
| 4.3 灰狼优化算法概述 |
| 4.3.1 算法来源 |
| 4.3.2 灰狼优化算法描述 |
| 4.4 基于改进GWO算法的航迹关联 |
| 4.4.1 关联模型 |
| 4.4.2 改进的GWO算法 |
| 4.4.3 改进GWO算法下的航迹关联 |
| 4.5 仿真结果分析 |
| 4.5.1 建立模型 |
| 4.5.2 结果分析 |
| 4.6 本章小结 |
| 第五章 复合跟踪中的航迹融合估计 |
| 5.1 引言 |
| 5.2 航迹融合结构 |
| 5.2.1 传统航迹融合体系结构 |
| 5.2.2 复合跟踪中的体系结构 |
| 5.3 航迹融合估计算法 |
| 5.3.1 简单凸组合融合算法 |
| 5.3.2 协方差加权融合算法 |
| 5.4 仿真结果分析 |
| 5.4.1 建立模型 |
| 5.4.2 结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）多站雷达目标跟踪算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 目标跟踪算法的研究背景及意义 |
| 1.1.2 多传感器信息融合的研究背景及意义 |
| 1.2 研究历史及现状 |
| 1.2.1 目标跟踪算法的研究历史及现状 |
| 1.2.2 多传感器信息融合的研究历史及现状 |
| 1.3 研究内容安排 |
| 第二章 目标跟踪滤波与估计融合滤波的基本原理 |
| 2.1 引言 |
| 2.2 贝叶斯定理在目标跟踪中的应用 |
| 2.2.1 贝叶斯递归过程 |
| 2.2.2 目标跟踪中的递归贝叶斯解 |
| 2.2.3 最优贝叶斯滤波 |
| 2.3 估计融合滤波的基本方法 |
| 2.3.1 集中式融合方法与分布式融合方法 |
| 2.3.2 状态向量融合方法与观测向量融合方法 |
| 2.4 本章小结 |
| 第三章 雷达目标跟踪滤波算法研究 |
| 3.1 引言 |
| 3.2 卡尔曼滤波算法 |
| 3.3 基于卡尔曼滤波算法的改进算法 |
| 3.3.1 扩展卡尔曼滤波器 |
| 3.3.2 无迹卡尔曼滤波器 |
| 3.3.3 量测转换卡尔曼滤波器 |
| 3.4 仿真实验与结果分析 |
| 3.4.1 卡尔曼滤波仿真 |
| 3.4.2 非线性滤波仿真 |
| 3.5 本章小结 |
| 第四章 多传感器信息融合滤波算法研究 |
| 4.1 引言 |
| 4.2 协方差交叉融合估计算法 |
| 4.2.1 协方差椭圆及其性质 |
| 4.2.2 CI融合算法 |
| 4.2.3 仿真实验与结果分析 |
| 4.3 信息矩阵航迹融合算法 |
| 4.3.1 信息滤波器 |
| 4.3.2 无反馈的信息矩阵融合 |
| 4.3.3 带反馈的信息矩阵融合 |
| 4.3.4 仿真实验与结果分析 |
| 4.4 异步多站雷达联合目标跟踪 |
| 4.4.1 问题描述 |
| 4.4.2 基于CMKF的顺序量测异步融合 |
| 4.4.3 仿真实验与结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）多模复合制导航迹信息融合技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 论文研究背景和意义 |
| 1.2 多模复合制导技术研究历史现状及发展趋势 |
| 1.2.1 多模复合制导技术国内外研究历史与现状 |
| 1.2.2 多模复合制导技术发展趋势 |
| 1.3 本文的研究工作及安排 |
| 第二章 多模复合制导信息融合基础理论 |
| 2.1 引言 |
| 2.2 信息融合技术原理 |
| 2.3 信息融合系统结构模型 |
| 2.4 多模复合制导信息融合处理方案 |
| 2.5 本章小结 |
| 第三章 航迹形成算法 |
| 3.1 引言 |
| 3.2 数据关联 |
| 3.2.1 跟踪门 |
| 3.2.2 数据关联算法 |
| 3.3 跟踪滤波算法 |
| 3.4 航迹管理 |
| 3.4.1 逻辑法 |
| 3.4.2 记分法 |
| 3.5 仿真实验 |
| 3.6 本章小结 |
| 第四章 航迹融合算法 |
| 4.1 引言 |
| 4.2 时空配准 |
| 4.2.1 时间配准 |
| 4.2.2 空间配准 |
| 4.3 航迹关联 |
| 4.3.1 加权航迹关联算法 |
| 4.3.2 序贯航迹关联算法 |
| 4.3.3 基于灰色关联度的两级实时航迹关联算法 |
| 4.4 航迹融合 |
| 4.5 仿真实验 |
| 4.6 本章小结 |
| 第五章 信息融合系统设计与性能仿真测试 |
| 5.1 引言 |
| 5.2 信息融合系统工作模式和工作流程 |
| 5.2.1 信息融合系统工作模式划分 |
| 5.2.2 信息融合系统工作流程 |
| 5.3 信息融合系统协同处理方案 |
| 5.3.1 多模复合制导协同搜索方法 |
| 5.3.2 航迹信息融合处理策略 |
| 5.4 信息融合系统抗干扰性能仿真测试 |
| 5.4.1 系统仿真测试方法与测试项目 |
| 5.4.2 信息融合系统性能仿真测试结果 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）末端防空武器系统中目标航迹融合与分配技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 航迹融合技术研究现状 |
| 1.2.2 目标分配技术研究现状 |
| 1.3 研究目的,内容与要求 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.3.3 技术指标 |
| 1.4 论文整体结构 |
| 第2章 航迹融合技术 |
| 2.1 数据预处理 |
| 2.1.1 空间配准 |
| 2.1.2 时间配准 |
| 2.1.3 α-β递推式滤波 |
| 2.2 航迹关联 |
| 2.2.1 航迹关联概述 |
| 2.2.2 航迹关联算法 |
| 2.2.3 复杂情况下的航迹关联分析 |
| 2.2.4 多义性处理 |
| 2.2.5 复杂环境下基于速度信息的航迹关联仿真实验 |
| 2.2.6 基于灰色关联的多义性处理仿真实验分析 |
| 2.3 航迹融合 |
| 2.3.1 航迹融合方式 |
| 2.3.2 航迹融合算法 |
| 2.3.3 仿真试验分析 |
| 2.4 本章小结 |
| 第3章 目标分配技术 |
| 3.1 威胁评估 |
| 3.1.1 威胁评估概述 |
| 3.1.2 威胁评估指标体系 |
| 3.1.3 熵权法求取权重 |
| 3.1.4 灰色关联算法 |
| 3.2 基于最大威胁的目标分配 |
| 3.2.1 目标分配准则 |
| 3.2.2 火力分配模型 |
| 3.3 仿真分析 |
| 3.4 本章小结 |
| 第4章 指挥控制系统软件设计 |
| 4.1 系统组成 |
| 4.2 系统工作流程 |
| 4.3 数据通信设计与实现 |
| 4.3.1 数据交互关系 |
| 4.3.2 通信协议的选择 |
| 4.3.3 数据传输方式 |
| 4.3.4 Windows网络编程 |
| 4.3.5 数据报传输格式 |
| 4.3.6 多线程技术 |
| 4.4 时间管理 |
| 4.4.1 时统方案 |
| 4.4.2 时间进程管理 |
| 4.5 数据管理 |
| 4.6 人机交互界面设计 |
| 4.6.1 Open GL概述 |
| 4.6.2 指挥控制系统人机交互界面设计 |
| 4.6.3 模拟雷达目标探测系统发送上级空情 |
| 4.6.4 主控台人机交互界面 |
| 4.6.5 火控系统接收目标分配界面 |
| 4.7 本章小结 |
| 第5章 系统仿真实验及结果分析 |
| 5.1 系统硬件配置 |
| 5.2 系统功能仿真测试 |
| 5.2.1 系统测试 |
| 5.2.2 发布态势装订信息 |
| 5.2.3 系统功能测试 |
| 5.3 航迹融合仿真实验及结果分析 |
| 5.3.1 平行航迹融合仿真试验 |
| 5.3.2 复杂情况下航迹融合仿真实验 |
| 5.3.3 系统最大处理航迹数目仿真实验 |
| 5.4 目标分配仿真实验及结果分析 |
| 5.4.1 目标初始分配 |
| 5.4.2 目标再分配 |
| 5.4.3 人工干预 |
| 5.5 本章小结 |
| 总结与展望 |
| 1.结论 |
| 2.展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术成果及科研情况 |
| 致谢 |
四、一种多传感器航迹融合算法的仿真分析（论文参考文献）
- [1]基于多传感器信息融合的航迹估计及目标检测[D]. 陶承阳. 新疆大学, 2021
- [2]基于神经网络的水下航迹融合研究[D]. 张垚钒. 哈尔滨工程大学, 2021
- [3]基于被动声纳的目标航迹估计技术研究[D]. 张博. 哈尔滨工程大学, 2021
- [4]多目标跟踪中航迹关联技术研究[D]. 周敏. 沈阳理工大学, 2021(01)
- [5]融合顺序敏感的多传感器GM-PHD跟踪算法研究[D]. 朱袁伟. 杭州电子科技大学, 2021
- [6]反馈式权值动态分配雷达与红外传感器航迹融合方法[J]. 温镇铭,刘松涛,姜宁. 中国电子科学研究院学报, 2020(08)
- [7]复合跟踪中的航迹关联与融合技术研究[D]. 滕欣进. 西安电子科技大学, 2020(05)
- [8]多站雷达目标跟踪算法的研究[D]. 郭佳慧. 西安电子科技大学, 2020(05)
- [9]多模复合制导航迹信息融合技术研究[D]. 靳冰洋. 西安电子科技大学, 2020(05)
- [10]末端防空武器系统中目标航迹融合与分配技术研究[D]. 袁翠红. 北京工业大学, 2020(06)