內(nèi)容簡介:　　本書是關(guān)于多傳感器編隊(duì)目標(biāo)跟蹤方法的一部專著，是作者們對國內(nèi)外近30年來該領(lǐng)域研究進(jìn)展和自身研究成果的總結(jié)。全書由6章組成，主要內(nèi)容有：基礎(chǔ)知識概述，編隊(duì)目標(biāo)航跡起始方法，復(fù)雜背景下集中式多傳感器編隊(duì)目標(biāo)跟蹤方法，集中式多傳感器機(jī)動編隊(duì)目標(biāo)跟蹤方法，系統(tǒng)誤差下編隊(duì)目標(biāo)航跡關(guān)聯(lián)方法，建議與展望。

作者簡介:　　王海鵬，博士，海軍航空工程學(xué)院信息融合研究所綜合研究室副主任兼院士秘書、講師。研究領(lǐng)域?yàn)槎鄠鞲衅鞫嗄繕?biāo)跟蹤、航跡關(guān)聯(lián)、大數(shù)據(jù)技術(shù)等。作為課題組長或技術(shù)總師承擔(dān)國家自然基金、總裝預(yù)研基金等多項(xiàng)，發(fā)表學(xué)術(shù)論文多項(xiàng)。獲山東省優(yōu)秀科技成果創(chuàng)新獎和海軍優(yōu)秀碩士學(xué)位論文獎。

目錄:第1章 緒 論 1
1．1 研究背景 1
1．2 國內(nèi)外研究現(xiàn)狀 2
1．2．1 航跡起始 2
1．2．2 航跡維持 3
1．2．3 機(jī)動跟蹤 3
1．3 多傳感器編隊(duì)目標(biāo)跟蹤技術(shù)中有待解決的一些關(guān)鍵問題 4
1．3．1 雜波環(huán)境下編隊(duì)目標(biāo)航跡起始技術(shù) 4
1．3．2 復(fù)雜環(huán)境下集中式多傳感器編隊(duì)目標(biāo)跟蹤技術(shù) 5
1．3．3 集中式多傳感器機(jī)動編隊(duì)目標(biāo)跟蹤技術(shù) 5
1．3．4 系統(tǒng)誤差下編隊(duì)目標(biāo)航跡關(guān)聯(lián)技術(shù) 6
1．4 本書的主要內(nèi)容及安排 7
第2章 編隊(duì)目標(biāo)航跡起始算法 8
2．1 引言 8
2．2 基于相對位置矢量的編隊(duì)目標(biāo)灰色航跡起始算法 8
2．2．1 基于循環(huán)閾值模型的編隊(duì)預(yù)分割 10
2．2．2 基于編隊(duì)中心點(diǎn)的預(yù)互聯(lián) 11
2．2．3 RPV-FTGTI 算法 12
2．2．4 編隊(duì)內(nèi)目標(biāo)航跡的確認(rèn) 18
2．2．5 編隊(duì)目標(biāo)狀態(tài)矩陣的建立 19
2．2．6 仿真比較與分析 20
2．2．7 討論 34
2．3 集中式多傳感器編隊(duì)目標(biāo)灰色航跡起始算法 35
2．3．1 多傳感器編隊(duì)目標(biāo)航跡起始框架 35
2．3．2 多傳感器預(yù)互聯(lián)編隊(duì)內(nèi)雜波的剔除 36
2．3．3 多傳感器編隊(duì)內(nèi)量測合并模型 37
2．3．4 航跡得分模型的建立 38
2．4 基于運(yùn)動狀態(tài)的集中式多傳感器編隊(duì)目標(biāo)航跡起始算法40
多傳感器編隊(duì)目標(biāo)跟蹤
VIII
2．4．1 同狀態(tài)航跡子編隊(duì)獲取模型 40
2．4．2 多傳感器同狀態(tài)編隊(duì)關(guān)聯(lián)模型 45
2．4．3 編隊(duì)內(nèi)航跡精確關(guān)聯(lián)合并模型 45
2．5 仿真比較與分析 46
2．5．1 仿真環(huán)境 47
2．5．2 仿真結(jié)果及分析 47
2．6 本章小結(jié) 54
第3章 復(fù)雜背景下集中式多傳感器編隊(duì)目標(biāo)跟蹤算法 56
3．1 引言 56
3．2 系統(tǒng)描述 56
3．3 云雨雜波和帶狀干擾剔除模型 57
3．3．1 云雨雜波剔除模型 58
3．3．2 帶狀干擾剔除模型 60
3．3．3 驗(yàn)證分析 61
3．4 基于模板匹配的集中式多傳感器編隊(duì)目標(biāo)跟蹤算法 63
3．4．1 基于編隊(duì)整體的預(yù)互聯(lián) 63
3．4．2 模板匹配模型的建立 65
3．4．3 編隊(duì)內(nèi)航跡的狀態(tài)更新 69
3．4．4 討論 69
3．5 基于形狀方位描述符的集中式多傳感器編隊(duì)目標(biāo)粒子濾波算法 69
3．5．1 編隊(duì)目標(biāo)形狀矢量的建立 70
3．5．2 相似度模型的建立 72
3．5．3 冗余圖像的剔除 74
3．5．4 基于粒子濾波的狀態(tài)更新 74
3．6 仿真比較與分析 75
3．6．1 仿真環(huán)境 75
3．6．2 仿真結(jié)果 76
3．6．3 仿真分析 78
3．7 本章小結(jié) 79
第4章 集中式多傳感器機(jī)動編隊(duì)目標(biāo)跟蹤算法 81
4．1 引言 81
4．2 典型機(jī)動編隊(duì)目標(biāo)跟蹤模型的建立 82
目 錄
IX
4．2．1 編隊(duì)整體機(jī)動跟蹤模型的建立 82
4．2．2 編隊(duì)分裂跟蹤模型的建立 85
4．2．3 編隊(duì)合并跟蹤模型的建立 87
4．2．4 編隊(duì)分散跟蹤模型的建立 89
4．3 變結(jié)構(gòu)JPDA機(jī)動編隊(duì)目標(biāo)跟蹤算法 91
4．3．1 事件的定義 92
4．3．2 編隊(duì)確認(rèn)矩陣的建立 93
4．3．3 編隊(duì)互聯(lián)矩陣的建立 93
4．3．4 編隊(duì)確認(rèn)矩陣的拆分 95
4．3．5 概率的計(jì)算 97
4．3．6 編隊(duì)內(nèi)航跡的狀態(tài)更新 100
4．4 擴(kuò)展廣義S-維分配機(jī)動編隊(duì)目標(biāo)跟蹤算法 101
4．4．1 基本模型的建立 102
4．4．2 編隊(duì)量測的劃分 103
4．4．3 3-維分配問題的構(gòu)造 106
4．4．4 廣義S-維分配問題的構(gòu)造 107
4．4．5 編隊(duì)內(nèi)航跡的狀態(tài)更新 107
4．5 仿真比較與分析 108
4．5．1 仿真環(huán)境 108
4．5．2 仿真結(jié)果 110
4．5．3 仿真分析 113
4．6 本章小結(jié) 114
第5章 系統(tǒng)誤差下編隊(duì)目標(biāo)航跡關(guān)聯(lián)算法 116
5．1 引言 116
5．2 系統(tǒng)誤差下基于雙重模糊拓?fù)涞木庩?duì)目標(biāo)航跡關(guān)聯(lián)算法 116
5．2．1 基于循環(huán)閾值模型的編隊(duì)航跡識別 117
5．2．2 第一重模糊拓?fù)潢P(guān)聯(lián)模型 118
5．2．3 第二重模糊拓?fù)潢P(guān)聯(lián)模型 123
5．3 系統(tǒng)誤差下基于誤差補(bǔ)償?shù)木庩?duì)目標(biāo)航跡關(guān)聯(lián)算法 125
5．3．1 編隊(duì)航跡狀態(tài)識別模型 125
5．3．2 編隊(duì)航跡系統(tǒng)誤差估計(jì)模型 127
5．3．3 誤差補(bǔ)償和編隊(duì)內(nèi)航跡的精確關(guān)聯(lián) 130
5．3．4 討論 130
多傳感器編隊(duì)目標(biāo)跟蹤
X
5．4 仿真比較與分析 131
5．4．1 仿真環(huán)境 131
5．4．2 仿真結(jié)果及分析 132
5．5 本章小結(jié) 134
第6章 結(jié)論及展望 135
附錄A 式(2-17)中閾值參數(shù)ε 的推導(dǎo) 140
附錄B 式(5-19)的推導(dǎo) 144
參考文獻(xiàn) 148
CONTENTS
Chapter 1 Introduction 1
1．1 Background of Research 1
1．2 Internal and Oversea Research Actualities  2
1．2．1 Track Initiation  2
1．2．2 Track Maintenance  3
1．2．3 Maneuvering Tracking  3
1．3 The Key Problem to Be Resolved in Multi-sensor Formation Targets
Tracking Technique  4
1．3．1 Formation Targets Track Initiation Technique with Clutter 4
1．3．2 Centralized Multi-sensor Formation Targets Tracking Technique
with the Complicated Background  5
1．3．3 Centralized Multi-sensor Maneuvering Formation Targets Tracking
Technique  5
1．3．4 Track Correlation Technique of the Formation Targets with
Systematic Errors  6
1．4 Main Content and Arragement of Dissertation 7
Chapter 2 Formation Targets Track Initiation Algorithm  8
2．1 Introduction 8
2．2 Formation Targets Gray Track Initiation Algorithm Based on Relative
Position Vector 8
2．2．1 Preparative Division of the Formation Targets Based on the
Circulatory Threshold Model 10
2．2．2 Preparative Association Based on the Formation Center 11
2．2．3 RPV-FTGTI Algorithm  12
2．2．4 Validation of the Tracks in the Formation 18
2．2．5 Establishment of the Formation Target State Matrix  19
2．2．6 Simulation Comparision and Analysis 20
2．2．7 Discussion  34
2．3 Centralized Multi-sensor Formation Targets Gray Track Initiation
Algorithm  35
2．3．1 Multi-sensor Formation Targets Track Initiation Frame  35
2．3．2 Multi-sensor Clutter Deletion in Preparative Associated
多傳感器編隊(duì)目標(biāo)跟蹤
XII
Formations  36
2．3．3 Multi-sensor Measurement Mergence Model in the Formation  37
2．3．4 Establishment of the Track Score Model  38
2．4 Centralized Multi-sensor Formation Targets Track Initiation Algorithm
Based on Moving State 40
2．4．1 Same-state Track SubFormation Obtainment Model 40
2．4．2 Multi-sensor Same-state Formation Association Model 45
2．4．3 Accurate Association and Mergence Model of the Formation
Tracks 45
2．5 Simulation Comparision and Analysis 46
2．5．1 Simulation Envirenment 47
2．5．2 Simulation Results and Analysis  47
2．6 Summary 54
Chapter 3 Centralized Multi-sensor Formation Targets Tracking Algorithm with the
Complicated Background  56
3．1 Introduction 56
3．2 System Description  56
3．3 Deletion Models of the Cloud-rain Clutter and the Narrow-Band
Interference 57
3．3．1 Cloud-rain Clutter Deletion Model  58
3．3．2 Narrow-Band Interference Deletion Model  60
3．3．3 Validation and Analysis  61
3．4 Centralized Multi-sensor Formation Targets Tracking Algorithm Based on
Template Matching 63
3．4．1 Preparative Association Based on the Whole Formation  63
3．4．2 Establishment of the Template Matching Model  65
3．4．3 State Update of the Tracks in the Formation 69
3．4．4 Discussion 69
3．5 Centralized Multi-sensor Formation Targets Particle Filter Based on Shape
and Azimuth Descriptor 69
3．5．1 Establishment of the Formation Targets Shape Vector 70
3．5．2 Establishment of the Resemble Model 72
3．5．3 Deletion of the Redundant Picture  74
3．5．4 State Update Based on Particle Filter 74
CONTENTS
XIII
3．6 Simulation Comparision and Analysis 75
3．6．1 Simulation Envirenment 75
3．6．2 Simulation Results 76
3．6．3 Simulation Analysis 78
3．7 Summary 79
Chapter 4 Centralized Multi-sensor Maneuvering Formation Targets Tracking
Algorithm  81
4．1 Introduction 81
4．2 Establishment of Typical Maneuvering Formation Targets Tracking
Models  82
4．2．1 Establishment of the Formation Whole Maneuver Tracking
Model  82
4．2．2 Establishment of the Formation Splitting Tracking Model 85
4．2．3 Establishment of the Formation merging Tracking Model  87
4．2．4 Establishment of the Formation dispersing Tracking Model  89
4．3 Maneuvering Formation Targets Tracking Algorithm Based on Different
Structure JPDA Technique 91
4．3．1 Event Definition  92
4．3．2 Establishment of the Formation Validation Matrix  93
4．3．3 Establishment of the Formation Association Matrix 93
4．3．4 Splitting of the Formation Validation Matrix  95
4．3．5 Calculation of the Probability 97
4．3．6 State Update of the Tracks in the Formation 100
4．4 Maneuvering Formation Targets Tracking Algorithm Based on Patulous
Generalized S-D Assignment Technique 101
4．4．1 Establishment of the Basic Model 102
4．4．2 Partition of the Measurements of the Formation Targets  103
4．4．3 Conformation of 3-D Assignment Problem  106
4．4．4 Conformation of Generalized S-D Assignment Problem  107
4．4．5 State Update of the Tracks in the Formation 107
4．5 Simulation Comparision and Analysis 108
4．5．1 Simulation Envirenment 108
4．5．2 Simulation Results 110
4．5．3 Simulation Analysis 113
多傳感器編隊(duì)目標(biāo)跟蹤
XIV
4．6 Summary 114
Chapter 5 Formation Targets Track Correlation Algorithm with Systematic
Errors 116
5．1 Introduction 116
5．2 Formation Targets Track Correlation Algorithm with Systematic Errors
Based on Double Fussy Topology 116
5．2．1 Formation Tracks Identification Based on Circulatory Threshold
Model  117
5．2．2 The First Scale Fussy Topology Model 118
5．2．3 The Second Scale Fussy Topology Model  123
5．3 Formation Targets Track Correlation Algorithm with Systematic Errors
Based on Error Compensation 125
5．3．1 Formation Track State Identification Model  125
5．3．2 Formation Track Systematic Error Estimation Model  127
5．3．3 Error Compensation and Formation Track Accurate
Correlation  130
5．3．4 Discussion 130
5．4 Simulation Comparision and Analysis 131
5．4．1 Simulation Envirenment 131
5．4．2 Simulation Results and Analysis  132
5．5 Summary 134
Chapter 6 Conclusions and Prospects  135
Appendix A Illation of the Threshold Parameter ε in Formula (2-17)  140
Appendix B Illation of Formula (5-19) 144
References 148