针对基于预测融合的跟踪航迹融合模型（ FP-TFM）在多传感器航迹融合时由于大量的矩阵运算导致的跟踪发散或失效问题提出了一种改进的基于预测融合的跟踪航迹融合模型（ FP-ITFM），采用加权融合思想改进了 FP-TFM的融合规则，使得改进后的 FP-ITFM具有了较高的融合精度、较低的计算负载，同时增加了 FP-ITFM的可扩展性、实时性以及稳定性。最后，Monte Carlo仿真结果验证了所提出模型的有效性。

针对分布式多传感器融合系统中, 传统的航迹融合算法未充分考虑不同传感器探测跟踪性能不同带来的航迹质量的不确定度差异, 导致融合后的航迹质量下降的问题, 提出了一种基于跟踪质量熵的航迹融合算法。首先, 构建融合中心所有局部航迹的跟踪质量熵模型, 根据熵大小排序并划分不确定度等级; 然后, 选择质量熵排序队列的航迹作为参考数列, 利用灰度理论对不同局部节点的来自同一目标源的航迹进行聚类; 最后, 将聚类后的航迹, 根据不确定等级进行分群融合, 并把不确定等级较低的航迹融合后的状态反馈至各局部节点进行局部融合。该方法提高了局部节点的跟踪质量, 增强了航迹融合的正确性, 仿真验证了该方法的可行性和有效性。

研究了数据融合技术在对海无人机侦察探测与目标指示过程中的应用, 提出一种具有工程应用价值的对海目标航迹融合算法。通过时空对准、数据关联、航迹合成及航迹文件管理、融合跟踪滤波等处理, 完成了对机载传感器探测目标的航迹融合; 形成了统一的战场态势信息及高精度的目标指示信息, 为战场态势感知及目标打击提供了强有力的信息支撑。通过仿真验证, 证明了算法的有效性及其较高的工程应用价值。

空间邻近目标跟踪过程中存在航迹交错现象,传统的航迹关联与融合算法可靠性大大降低。提出基于跟踪状态监视的稳健航迹关联与融合跟踪算法:首先,采用滑窗式全局最优关联方法利用多帧航迹数据确认航迹关联对,并建立系统航迹;然后,根据确认关联航迹的实时关联状态检测航迹交错;最后,根据航迹衰减残差识别运动状态,自适应选择融合量测或者融合状态估计完成系统航迹的状态更新。仿真结果表明,算法能够提高融合航迹精度,实现稳健航迹关联与融合。

随着无序量测算法研究的不断深入, 分布式系统中的无序航迹融合估计问题也已经引起了研究者的关注。针对带有反馈的分布式结构下的无序航迹问题, 提出了基于递推融合NALE判决机制的融合算法。算法采用递推融合NALE判决机制, 在融合中心递推处理周期内无序到达的局部估计。而后, 在系统融合周期结束时刻将全局估计反馈到局部处理器。通过理论分析和仿真实验说明算法可有效处理无序航迹问题, 同时提高了系统稳定性和实时性。

针对目标跟踪系统中存在的无序量测问题, 在前向预测的基础上, 提出使用协方差交叉法处理无序量测的滤波算法。新算法首先在前向预测框架下, 构建包含延迟量测信息的重构航迹, 而后采用协方差交叉法对重构航迹与已有航迹进行融合, 实现再更新。通过采用信息滤波器和协方差交叉法, 避免了状态转移矩阵求逆及求解航迹相关性等复杂运算,新算法可处理一步和多步延迟无序量测情形。理论分析和仿真实验说明, 新算法在保证滤波精度的基础上, 减小了存储量与计算量, 实时性更好。

红外搜索系统作为被动式搜索系统,一般只能获得目标所处位置的方位角和俯仰角信息,缺乏距离信息,在无测距装置的条件下,只能依靠角度信息进行数据融合.依据角度值的三角函数关系,提出了一种新的分布式多传感器航迹加权融合算法,算法经仿真验证有效,降低了融合航迹的误差.在对量测数据进行误差修正的基础上,算法效果更加显著.

从跟踪性能、计算的复杂性以及应用范围等方面对红外与电视传感器的三种融合模型进行了比较,得出了来自同一平台上的红外与电视传感器的数据,在各传感器没有自己的数字处理机的情况下,点迹融合模型较其余两种模型实用的结论,在点迹融合模型的基础上,用极大似然融合算法对点迹进行融合处理,在理论上证明了该算法用于此种模型能提高目标状态信息的估计精度,降低测量误差.并给出了本算法用于此种模型在计算机上的仿真结果,从实际应用上进一步说明?吮舅惴ǖ挠行?最后利用卡尔曼滤波实现了红外与电视机动目标的跟踪.