拓扑序列航迹相关的高效修正算法

doi:10.3969/j.issn.1001-2400.2011.02.032

J4 ›› 2011, Vol. 38 ›› Issue (2): 180-186.doi: 10.3969/j.issn.1001-2400.2011.02.032

拓扑序列航迹相关的高效修正算法

吴泽民¹;蒋叶金²;任姝婕³

(1. 解放军理工大学通信工程学院，江苏南京 210007;
2. 中国人民解放军73683部队，福建福州 350102;
3. 解放军理工大学理学院，江苏南京 210007)

收稿日期:2010-03-28 出版日期:2011-04-20 发布日期:2011-05-26
通讯作者: 吴泽民
作者简介:吴泽民(1973-)，男，副教授，博士，E-mail: wuzemin_ice@163.com．
基金资助:
国家863计划高技术资助项目(2008AA01Z216);国家973资助项目(2009CB3020402)

Effectively modified topology sequence track correlation algorithm

WU Zemin¹;JIANG Yejin²;REN Shujie³

(1. Inst. of Communication, PLA Univ. of Science and Tech., Nanjing 210007， China;
2. Unit 73683 of PLA, Fuzhou 350102， China;
3. Inst. of Sciences, PLA Univ. of Science and Tech., Nanjing 211101， China)

Received:2010-03-28 Online:2011-04-20 Published:2011-05-26
Contact: WU Zemin

摘要/Abstract

摘要：

针对拓扑序列航迹相关法为适应较大系统误差而计算量过大的问题，首先证明了存在系统误差时，不同传感器的拓扑序列满足近似线性变换关系，然后引入空间点集的奇异值分解(SVD)匹配算法对拓扑序列进行直接计算，通过检验得到的线性变换参数来判定航迹的相关性．SVD算法是一种高效的航迹相关算法，尤其适用于远距离目标的拓扑序列近似．通过仿真，验证了SVD算法的有效性，不但计算时间降低了90%以上，而且避免了拓扑序列法在进行角度和径向距离步进匹配时步长选择的难题，提高了航迹的相关成功率．

关键词: 数据融合, 航迹相关, 奇异值分解, 拓扑

Abstract:

To release the huge calculation load for the track correlation algorithm based on the topology sequence facing large sensor system errors, the approximate linear transformation relationship between topology sequences from different sensors is firstly discussed, where sensor system errors are considered. The SVD method for space points set matching problem is directly used to estimate the linear transformation. A decision for topology sequences matching is made after validating the linear parameters. The SVD based track correlation algorithm is efficient, especially for far-away targets. The efficiency of the SVD based algorithm is validated by simulation. Because of removing the dilemma of choosing the angle and range search step sizes for the basic topology sequence algorithm, not only is the computational time reduced about 90%, but also the successful rate of correlation is improved.

Key words: data fusion, track correlation, SVD, topology

吴泽民;蒋叶金;任姝婕. 拓扑序列航迹相关的高效修正算法[J]. J4, 2011, 38(2): 180-186.

WU Zemin;JIANG Yejin;REN Shujie. Effectively modified topology sequence track correlation algorithm[J]. J4, 2011, 38(2): 180-186.

参考文献

［1］刘进忙,杨万海,杨柏胜,等. 一种新的目标仰角信息航迹不变量参数估计原理［J］. 西安电子科技大学学报,2008, 35(6):986-991.
Liu Jinmang, Yang Wanhai, Yang Baisheng, et al. Novel Parameter Estimation Principium about Trajectory Invariable Information of Target Elevation Information［J］. Journal of Xidian University, 2009, 35(6): 986-991.
［2］唐军,谢澍霖,王卫星. 航天扩频测控通信系统中伪码测距方法及精度分析［J］. 电讯技术, 2006(4): 19-24.
Tang Jun, Xie Shulin, Wang Weixing. Pseudo Codo Ranging Method and Precision Analysis of Aerospace Spread Spectrum TTC&DT Systems［J］. Telecommunication Enginering, 2006(4): 19-24.
［3］何友,王国宏,陆大唫,等. 多传感器信息融合及应用［M］. 2版. 北京:电子工业出版社,2007: 128-183.
［4］吴泽民,任姝婕,刘熹. 基于拓扑序列的航迹相关算法研究［J］. 航空学报,2009, 30(10): 1937-1942.
Wu Zemin, Ren Shujie, Liu Xi. Topology Sequence Based Track Correlation Algorithm［J］. Acta Aeronautica et Astronautica Sinica, 2009, 30(10): 1937-1942.
［5］ Padgett C, Delgado K K. A Grid Algorithm for Autonomous Star Identification［J］. IEEE Trans on AES, 1997, 33(1): 202-213.
［6］ Na M, Zheng D, Ja P F. Modified Grid Algorithm for Noisy All-Sky Autonomous Star Identification［J］. IEEE Trans on AES, 2009, 45(2): 516-522.
［7］ Umeyama S. Least Square Estimation of Transformation Parameters between Two Points Patterns［J］. IEEE Trans on Pattern Analysis and Machine Intelligence, 1991, 13(4): 376-380.
［8］时银水,姬红兵,杨柏胜. 组网无源雷达变数目多目标跟踪算法［J］. 西安电子科技大学学报, 2010, 37(2):218-223.
Shi Yinshui, Ji Hongbing, Yang Baisheng. Mutiple Passive Radar Based Time Varying Number Targets Tracking Algorithm［J］. Journal of Xidian University, 2010,37(2):218-223.
［9］ Arun K S, Huang T S, Blostein S D. Least Squares Fitting of Two 3D Points Sets［J］. IEEE Trans on Pattern Analysis and Machine Intelligence, 1987, 9(5): 698-700.

[1]	谢丽霞,白宇. 一种信息系统业务波及影响评估方法[J]. 西安电子科技大学学报, 2021, 48(4): 184-191.
[2]	梁壮,温利武,丁金闪. 改进型SVD-FRFT海杂波抑制方法[J]. 西安电子科技大学学报, 2021, 48(2): 55-63.
[3]	卢莉萍,张晓倩. 复杂环境下多传感器目标识别的数据融合方法[J]. 西安电子科技大学学报, 2020, 47(4): 31-38.
[4]	蒋行国,万今朝,蔡晓东,李海鸥,曹艺. 奇异值分解与中心度量的细粒度车型识别算法[J]. 西安电子科技大学学报, 2019, 46(3): 82-88.
[5]	齐小刚, 马久龙, 刘立芳. 保证高可靠度和低传输开销的DTN拓扑控制[J]. 西安电子科技大学学报, 2018, 45(5): 7-12.
[6]	郭欣;贾海蓉;王栋. 利用子空间改进的K-SVD语音增强算法[J]. 西安电子科技大学学报, 2016, 43(6): 109-115.
[7]	陈溅来;张锐;孙光才;景国彬;邢孟道. 地球同步轨道SAR方位空变校正方法[J]. 西安电子科技大学学报, 2016, 43(5): 18-23+62.
[8]	霍雷刚;冯象初;王旭东;霍春雷. 高阶SVD和全变差正则的乘性噪声去除模型[J]. 西安电子科技大学学报, 2016, 43(3): 78-84.
[9]	刘圣恩;肖霖;杨鼎成;谭安平. MIMO双向中继GSVD线性预编码的功率优化算法[J]. J4, 2015, 42(5): 161-167.
[10]	魏潇然;耿国华;张雨禾. 几何信息预测的三角网格模型拓扑压缩[J]. J4, 2015, 42(5): 194-199.
[11]	张润生;刘健;李艳斌. 利用有限混合模型的高效网络拓扑推断算法[J]. J4, 2015, 42(4): 133-139.
[12]	董守玲;苏孟辉;林香鑫;李佳 . IPv6校园网拓扑自动节点获取与发现算法 [J]. J4, 2015, 42(2): 116-121.
[13]	郝修清;李俊民. 拓扑结构时变的复杂动态网络的自适应同步 [J]. J4, 2015, 42(2): 102-107.
[14]	尤芳;陈建军;曹鸿钧;谢永强. 随机变量下的热传导结构拓扑优化设计[J]. J4, 2014, 41(6): 111-117.
[15]	雍霄驹;方洋旺;高翔;杨鹏飞. 自适应变长滑窗曲线拟合时间配准算法[J]. J4, 2014, 41(3): 209-213.

拓扑序列航迹相关的高效修正算法

Effectively modified topology sequence track correlation algorithm

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0