目標(biāo)關(guān)聯(lián)作為信息融合和目標(biāo)跟蹤的重要保障,是判別來自不同傳感器的信息是否源于同一目標(biāo)的重要技術(shù)。艦船目標(biāo)關(guān)聯(lián)對海洋戰(zhàn)場的態(tài)勢估計及取得戰(zhàn)場的主動權(quán)有著重要的作用。本文以電子偵察衛(wèi)星與成像遙感衛(wèi)星對海洋艦船目標(biāo)的監(jiān)視為基礎(chǔ),對艦船目標(biāo)關(guān)聯(lián)問題進(jìn)行深入的探索,其主要工作如下:（一）針對本課題背景下觀測數(shù)據(jù)來源于異質(zhì)傳感器而無法建立運動狀態(tài)模型以及現(xiàn)有的目標(biāo)關(guān)聯(lián)算法無法較好地處理觀測數(shù)據(jù)中的定位誤差、虛警和漏檢等問題,提出基于點對局部特征（Point Pair Local Topolgy,PPLT）的艦船目標(biāo)關(guān)聯(lián)算法。首先將衛(wèi)星圖像信息與電子信息的艦船目標(biāo)位置信息關(guān)聯(lián)問題轉(zhuǎn)化為點模式匹配問題,分別把兩者的艦船目標(biāo)位置信息作為點集匹配中的模板集和目標(biāo)集,提出一種新的點集形狀描述子——點對局部拓?fù)涮卣鳎≒oint Pair Local Topolgy,PPLT）來描述這兩個點集。然后將該描述子分別與概率松弛標(biāo)記（Probabilistic Relaxing Labeling,PRL）、譜匹配（Spetral Matching,SM）相結(jié)合,提出了基于基于點對局部拓?fù)涮卣髋c概率松弛標(biāo)記的目標(biāo)關(guān)聯(lián)算... 

【文章來源】：國防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁數(shù)】：98 頁

【學(xué)位級別】：碩士

【部分圖文】：

仿真場景一的實驗結(jié)果

而衛(wèi)星圖像信息的目標(biāo)定位誤差為 0.1km。實驗結(jié)果如圖2.7 所示，圖 2.7(a)為 PPLT-PRL 的關(guān)聯(lián)結(jié)果，圖 2.7(b)為 PPLT-SM 的關(guān)聯(lián)結(jié)果。其中光學(xué)遙感衛(wèi)星檢測的目標(biāo)用圓圈表示，電子偵察衛(wèi)星檢測的目標(biāo)用正方形表示，正確的關(guān)聯(lián)用直線連接起來。圖 2.7(a)可以看出 PPLT-PRL 算法的正確關(guān)聯(lián)率為 81.82%，PPLT-SM 算法正確關(guān)聯(lián)率都為 72.73%。

(b) PPLT-SM 算法圖 2. 8 仿真場景三的實驗結(jié)果（四） 仿真場景四在該組場景中，假設(shè)光學(xué)成像遙感衛(wèi)星與電子偵察衛(wèi)星對同一區(qū)域進(jìn)行監(jiān)視，電子偵察衛(wèi)星的探測時間晚于光學(xué)成像遙感衛(wèi)星的探測時間，在這段間隔時間內(nèi)，衛(wèi)星電子信息檢測的結(jié)果中艦船編隊航向已經(jīng)發(fā)生了變化。以來源于衛(wèi)星 SPOT4的觀測數(shù)據(jù)作為模板集，對模板集做相似變換生成目標(biāo)集。由于戰(zhàn)場環(huán)境的復(fù)雜，衛(wèi)星電子信息往往摻雜很多虛警，所以在目標(biāo)集中添加虛假目標(biāo)來模擬實際檢測中的虛警，虛警率為 1，并在真實目標(biāo)和虛警上添加點位置噪聲（噪聲因子為 1）來模擬定位誤差。實驗結(jié)果如圖 2.9 所示，圖 2.9(a)是 PPLT-PRL 的關(guān)聯(lián)結(jié)果，圖2.9(b)是 PPLT-SM 的關(guān)聯(lián)結(jié)果。其中光學(xué)遙感衛(wèi)星檢測的目標(biāo)用圓圈表示，電子偵察衛(wèi)星檢測的目標(biāo)用正方形表示，正確的關(guān)聯(lián)用直線連接起來。圖 2.9(a)可以看出 PPLT-PRL 算法的正確關(guān)聯(lián)點對為 6 對，正確關(guān)聯(lián)率為 85.71%；圖 2.9(b)可以看出 PPLT-SM 算法正確關(guān)聯(lián)點對為 4 對，正確關(guān)聯(lián)率為 57.14%。在目標(biāo)中存在大量虛警并且定位誤差較大的情況下，PPLT-PRL 算法的關(guān)聯(lián)性能高于 PPLT-SM算法。

【參考文獻(xiàn)】：
期刊論文
[1]雜波環(huán)境下基于全鄰模糊聚類的聯(lián)合概率數(shù)據(jù)互聯(lián)算法[J]. 劉俊,劉瑜,何友,孫順.  電子與信息學(xué)報. 2016(06)
[2]Modified unscented Kalman filter using modified filter gain and variance scale factor for highly maneuvering target tracking[J]. Changyun Liu,Penglang Shui,Gang Wei,Song Li.  Journal of Systems Engineering and Electronics. 2014(03)
[3]目標(biāo)數(shù)據(jù)關(guān)聯(lián)技術(shù)綜述[J]. 李文超,鄒煥新,雷琳,周石琳.  計算機(jī)仿真. 2014(03)
[4]層次聚類的航跡起始算法[J]. 盧春燕,金驍,鄒煥新.  信號處理. 2013(07)
[5]信息融合理論的基本方法與進(jìn)展（Ⅱ）[J]. 潘泉,王增福,梁彥,楊峰,劉準(zhǔn)釓.  控制理論與應(yīng)用. 2012(10)
[6]非線性非高斯模型的改進(jìn)粒子濾波算法[J]. 周航,馮新喜,王蓉.  信號處理. 2012(09)
[7]利用編成及隊形特征的陣群目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法[J]. 趙幫緒,楊宏文.  電光與控制. 2012(06)
[8]光學(xué)遙感艦船目標(biāo)識別方法[J]. 杜春,孫即祥,李智勇,滕書華.  中國圖象圖形學(xué)報. 2012(04)
[9]基于同可區(qū)分度的屬性約簡算法[J]. 滕書華,昝德才,孫即祥,譚志國.  模式識別與人工智能. 2010(05)
[10]基于MSA特征的遙感圖像多目標(biāo)關(guān)聯(lián)算法[J]. 雷琳,蔡紅蘋,唐濤,粟毅.  遙感學(xué)報. 2008(04)

博士論文
[1]陣群目標(biāo)信息相關(guān)技術(shù)研究[D]. 張昌芳.國防科學(xué)技術(shù)大學(xué) 2009

碩士論文
[1]多源電子信息艦船目標(biāo)關(guān)聯(lián)技術(shù)研究[D]. 鐘雄慶.國防科學(xué)技術(shù)大學(xué) 2015
[2]基于衛(wèi)星電子信息與成像遙感信息的艦船目標(biāo)關(guān)聯(lián)[D]. 盧春燕.國防科學(xué)技術(shù)大學(xué) 2012
[3]基于星載異類傳感器的艦船編隊目標(biāo)數(shù)據(jù)關(guān)聯(lián)方法研究[D]. 曾昊.國防科學(xué)技術(shù)大學(xué) 2008
[4]集中式多雷達(dá)系統(tǒng)跟蹤技術(shù)研究[D]. 呂杰.西北工業(yè)大學(xué) 2004



本文編號：3334139