摘要：本论文以现代防空指挥自动化系统为背景，以多传感器情报组网为对象，探讨了数据融合系统中航迹关联和航迹状态估计融合的不足。本论文把航迹关联不足按关联思路划分为三类，即两两关联、多维分配和目标分类。针对两两关联算法在运动目标出现交叉、分岔时，常出现错漏相关航迹，以及多维配分算法中计算量随着传感器和目标数量的增加呈指数增加的现象，本论文提出一种基于目标分类思想的改善Kohonen神经网络航迹关联算法。该算法由聚类关联、目标状态估计、神经元优化、状态融合估计等模块组成。通过给每个神经元上加一个合适的阈值，有效避开了常规的Kohonen神经网络因初始权值选择不合适而容易造成坏死神经元的不足。进一步设计了自组织竞争神经网络学习规则，将多传感器在同一时刻的测量数据进行自组织聚类，以而实现测量数据的有效关联。最后，利用连续时间下的关联数据，实现运动目标航迹关联。通过对模拟真实飞行目标航迹关联的仿真实验，并与前两种思路算法纵向比较以及和常规Kohonen神经网络横向比较，验证了该算法的可行性和有效性。本论文进一步浅析了现有的航迹状态估计融合中有着的不足。首先，在以往解决航迹融合不足时，只以融合对策的性能的角度去考虑，而不会以提供数据信息的传感器自身可信任程度去考虑。然而，即便传感器的分辨率相同,如果所受干扰不同,则它提供的数据信息的可信度也会不同；尤其在杂波密度较大、目标测量数据较多的情况下,数据源的可信度直接影响到系统的可靠性和有效性。其次，在设计数据融合系统时，寻求性能最优的算法当然是必定的目标，但也要考虑计算机承受能力、运算量和系统的通信能力等诸多影响算法执行效果的因素。然而，一些优化效果好的算法通常都比较复杂且计算量大。基于以上两个方面的理由，面向工程实践要求简单实用的原则，提出解决航迹状态估计融合不足的加权数据融合算法。同时，鉴于权值的分配依赖于各传感器输出航迹的精度，本论文进一步提出一种采取高可信度传感器，基于精度设置权重的改善加权数据融合算法。利用各传感器间隶属联系给出更精准的目标初始位置中心点，弥补了动态权值分配算法中由于个别孤立点的有着导致初始位置中心点的选择置信度不高的缺陷。通过模拟航迹状态估计融合，比较可信度求解前后的融合误差，得出可信度高的传感器。分别采取加权数据融合算法、权值动态分配算法、改善的权值动态分配算法对三个目标航迹融合具体不足进行仿真探讨，仿真结果验证了该算法的可靠性。关键词：数据融合论文航迹关联论文航迹融合论文自组织竞争论文可信度论文隶属联系论文
摘要5-7
Abstract7-11
第一章 绪论11-18
1.1 探讨背景11-12
1.2 国内外探讨近况12-16
1.3 论文主要内容16-18
第二章 数据融合中航迹关联策略探讨18-41
2.1 引言18-19
2.2 航迹关联主要步骤19-23
2.2.1 数据上传20
2.2.2 坐标变换20-21
2.2.3 时间统一21-22
2.2.4 数据关联22
2.2.5 数据融合求精22-23
2.3 数学模型23-26
2.3.1 系统状态方程23-24
2.3.2 状态估计原理24-25
2.3.3 关联不足数学描述25-26
2.4 航迹关联算法设计26-32
2.4.1 基于两两关联的最近领域法26-27
2.4.2 基于多维分配的最优航迹软相关算法27-28
2.4.3 基于目标分类的改善 Kohonen 神经网络算法28-32
2.5 仿真探讨与浅析32-39
2.5.1 仿真示例33-36
2.5.2 性能测试36-38
2.5.3 算法性能比较38-39
2.6 本章小结39-41
第三章 数据融合中航迹融合策略探讨41-61
3.1 引言41-42
3.2 航迹融合结构42-43
3.2.1 局部航迹与局部航迹融合42
3.2.2 局部航迹与系统航迹融合42-43
3.3 航迹融合策略浅析43-50
3.3.1 模糊航迹融合43-46
3.3.2 伪点迹航迹融合46-50
3.4 改善加权航迹融合算法设计50-56
3.4.1 加权数据融合模型50
3.4.2 可信度求解策略50-52
3.4.3 加权数据融合算法52-54
3.4.4 权值动态分配算法54-55
3.4.5 改善的权值动态分配算法55-56
3.5 仿真探讨与浅析56-60
3.5.1 基于可信度的融合仿真示例57-58
3.5.2 算法性能比较58-60
3.6 本章小结60-61
第四章 结论61-63
4.1 论文主要成果61
4.2 下一步探讨重点61-63
本站原创