基于最近邻-拓扑图的异类传感器目标关联算法

针对雷达和高动态平台上的红外传感器构成的异类传感器信息融合系统中的目标关联问题,该文提出了一种基于最近邻-拓扑图的目标关联算法。该算法避免了系统误差补偿环节,有效地克服了最近邻方法对系统偏差敏感和拓扑图方法运算量大的不足,显著提高了存在系统误差条件下的关联成功率,且具有很强的稳健性。数值实验结果表明了该方法的有效性,目标关联正确率在90%以上。      

基于神经网络分类的异类传感器目标关联算法

为解决雷达与高速动态平台上的红外传感器构成的融合系统中,系统误差估计、目标关联紧密耦合难于解决的问题,根据系统误差数值变化特性,该文提出了一种基于模式分类的系统误差补偿与目标关联联合处理的方法。该方法采用BP 神经网络进行分类,省略了系统误差补偿环节,简化了融合处理流程,对一定范围内变化的系统误差有较好的容限。实验结果表明,该方法用于文中涉及的两类传感器组成的数据融合系统中,能实现目标正确关联的平均概率大于86%。