一种基于遗传算法的多传感器多目标航迹关联算法

一种基于遗传算法的多传感器多目标航迹关联算法

ID:16439571

大小:503.00 KB

页数:5页

时间:2018-08-09

一种基于遗传算法的多传感器多目标航迹关联算法_第1页
一种基于遗传算法的多传感器多目标航迹关联算法_第2页
一种基于遗传算法的多传感器多目标航迹关联算法_第3页
一种基于遗传算法的多传感器多目标航迹关联算法_第4页
一种基于遗传算法的多传感器多目标航迹关联算法_第5页
资源描述:

《一种基于遗传算法的多传感器多目标航迹关联算法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、一种基于遗传算法的多传感器多目标航迹关联算法霍亮(空军工程大学导弹学院,陕西三原713800)摘要:随着智能信息技术的发展,一些智能算法广泛应用于多传感器信息融合领域。针对防空作战系统目标相关问题,提出了一种基于遗传算法的多传感器多目标航迹关联算法,并把这一问题转化为多维分配问题进行求解,并给出了其具体的模型、算法和求解步骤,并通过仿真实验证明了此算法的正确性和有效性,对于应用系统的实现具有重要的指导意义。关键词:多传感器;航迹关联;遗传算法中图分类号:TP18;TP391文献标识码:AMulti-sensorMulti-targetTrackAssociationBasedonGenet

2、icAlgorithm(MissileInstituteoftheAirForceEngineeringUniversity,Sanyuan713800,China)Abstract:Withthedevelopmentofintelligenceinformationtechnology,someintelligentalgorithmswidelyapplytothemulti-sensorsinformationfusion.Inthearticlehasstudiedthemulti-sensorsmulti-targetstrackassociationintheairdefen

3、sesystem,andtransformsthisquestionforthemulti-dimensionalassignmentproblem,proposedtheheredityalgorithmtosolutionmulti-dimensionalassignmentformmulti-sensorstrackassociationmethodbasedonGA,andhasproduceditsconcretemodelandthealgorithmandthesolutionstep,hastheimportantinstructionsignificanceregardi

4、ngtheapplicationsystemrealization.Simulationexamplesshowthevalidityandrationalityofthisalgorithm.Keywords:multi-sensors;trackassociation;geneticalgorithm1引言在分布式多传感器环境中,一个首要的关键问题是航迹与航迹相关问题,即解决传感器空间覆盖区域中的重复跟踪问题。目前用于航迹相关的主要算法可以分为两类[1]:一类是基于统计的方法,另一类是基于模糊数学的方法。其中加权法、修正法、最近领域法是三种基本方法,在实践中也用得最多。但是这些算法的讨

5、论主要是针对两个局部节点的情况进行的。当系统规模较大时,多传感器多目标的航迹关联问题可能转换为多维匹配问题,传感器数目s≥3时,其求解是NP的。此时,传统的一些启发式搜索算法如全邻法、整数规划法、高斯和法、轨迹分裂法等均表现得无能为力。目前比较有效的方法是由S.Deb等提出的松弛算法[2][3]。考虑到遗传算法在求解组合优化等NP问题中的优越性[4],本文尝试从另一途径来解决这一问题,采用GA来进行求解。2航迹相关准则2.1空间状态模型离散化的传感器i的通用测量方程为(3)其中,是第i个传感器在k时刻观测向量,是具有零均值和正定协方差矩阵R(k)的高斯分布测量噪声向量,是传感器i的测量矩阵

6、,;M是传感器数或局部节点个数,现假定测量噪声向量在不同时刻是独立的,于是有(4)记()为局部节点s的航迹号集合,当M=2时,局部节点1,2的航迹号集合分别为,将记为的估计。式中和分别为节点1第i个和节点2第j个目标的真实状态,和分别为节点1目标i和节点2对目标j的状态估计值。设H0和H1分别是下列事件()H0:和是同一目标的航迹估计;H1:和不是同一目标的航迹估计。2.2两局部节点间估计误差独立情况下的序贯航迹关联准则[5]两局部节点估计误差独立是指,当时,估计误差与是统计独立的随机向量,即在假设H0下,tij(l)的协方差为(5)在上式中,是显然的假设,为的协方差,即节点1在l时刻对目

7、标i的估计误差协方差,为的协方差。设两个局部节点直到k时刻对目标i和j状态估计之差的经历为;其联合概率密度函数(pdf)在H0假设下可写成(7)该式被称作假设H0的似然函数。在假设H1下,其联合概率密度函数(pdf)被定义为,同时假设在某些区域是均匀分布的。由于最强有力的检验是似然比检验对应的对数似然比为,即(9)现在定义一个修正的对数似然函数(10)显然即有:如果。则接受H0,否则接受H1。其中阈值满足,式中,是检验的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。