E+E多傳感器目標跟蹤數據融合關鍵技術研究 
隨著目標跟蹤和信息融合技術的高速發展,人們開始探索利用多個傳感器的測量數據對跟蹤目標的運動狀態進行估計,以實現zui大限度提取有用信息進行目標跟蹤的目的。如何將多個傳感器的數據進行有機融合,獲得單一傳感器無法達到的跟蹤性能,已經成為目標跟蹤領域中E+E多傳感器數據融合技術研究和關注的重點。針對E+E多傳感器目標跟蹤數據融合技術中的一些關鍵問題進行認真研究和深入探討,為數據融合技術應用到目標跟蹤問題提供了重要參考。

E+E多傳感器目標跟蹤數據融合關鍵技術研究
在分析總結前人的研究和應用基礎上,主要進行的工作如下：將集合卡爾曼濾波技術引入到E+E多傳感器目標跟蹤領域,驗證EnKF算法的可行性和有效性；針對多個EnKF濾波器擁有共同的過程噪聲以及觀測集合導致濾波后航跡相關的問題,提出了基于EnKF的協方差加權航跡融合算法；來源于不同傳感器的測量數據會產生多個可能初始狀態,針對初始狀態選擇會對跟蹤性能影響問題,提出了基于分塊EnKF的非線性目標跟蹤算法,采用分塊思想生成初始集合,在分塊間再進行協方差加權融合；將集合卡爾曼濾波算法和粒子濾波算法有效的結合在一起,提出了基于改進EnPF的非線性目標跟蹤算法,采用兩個獨立集合,先利用一個獨立集合進行集合卡爾曼濾波,然后利用集合卡爾曼濾波的分析集合和另一個獨立集合組成粒子濾波的參考分布,zui后進行粒子濾波的方式結合了集合卡爾曼濾波算法和粒子濾波算法的優點,解決了EnKF濾波算法不適合非高斯噪聲系統和PF濾波算法計算量大不適用于實時跟蹤的問題。在目標跟蹤系統中,傳感器觀測噪聲往往具有非高斯特性。針對傳感器對目標進行跟蹤時觀測噪聲非高斯問題,提出了一種基于關系矩陣的主、被動傳感器量測統計融合算法。算法采用方差加權距離解決傳感器量測噪聲非高斯問題,運用傳感器綜合融合度構建關系矩陣,并且在門限附近采用橢圓模糊處理技術。傳感器的測量誤差是由固定誤差和隨機誤差組成。固定測量誤差一般由傳感器本身特性決定,而隨機誤差會受到傳感器與目標之間的距離、自然抑或是人為干擾等隨機因素影響。在不考慮干擾的情況下,傳感器與目標間的距離成為影響隨機測量誤差的主要原因。針對目標和傳感器間的距離參數對傳感器隨機測量誤差帶來影響的問題,提出了一種基于模糊距離閾值的主被動傳感器變權重量測融合算法,采用指數函數和模糊處理技術,利用先驗信息實時改變主、被動傳感器在量測融合過程中所占的權重,提高系統的跟蹤性能。E+E多傳感器目標跟蹤系統中信息增量zui大化只是傳感器資源對運動目標進行分配的必要條件而非充分條件。

E+E多傳感器目標跟蹤數據融合關鍵技術研究
綜合考慮影響傳感器資源對目標分配的因素,結合跟蹤系統中信息增量,提出了一種信息增量和目標權重相結合的方法實現多目標跟蹤系統中傳感器資源對目標分配,并且給出了影響目標權重的距離和速度兩個特征向量的具體量化方法。