基于距離檢測的自動識別系統(tǒng)和對海雷達航跡抗差關(guān)聯(lián)算法

齊 林 崔亞奇 熊 偉 王 聰

?

基于距離檢測的自動識別系統(tǒng)和對海雷達航跡抗差關(guān)聯(lián)算法

齊 林*崔亞奇 熊 偉 王 聰

(海軍航空工程學(xué)院信息融合研究所 煙臺 264001)

現(xiàn)有的多傳感器航跡抗差關(guān)聯(lián)算法，如基于圖像配準技術(shù)、基于參照拓撲關(guān)系的關(guān)聯(lián)算法，計算流程復(fù)雜，難以在工程實踐中實時應(yīng)用。該文結(jié)合海面艦船目標航跡分布特點，基于單元平均恒虛警檢測原理，提出了適用于自動識別系統(tǒng)(AIS)和雷達航跡數(shù)據(jù)的可信關(guān)聯(lián)算法，為對海雷達系統(tǒng)誤差配準和海戰(zhàn)場多傳感器信息融合的快速有效實現(xiàn)提供保證。蒙特卡洛仿真結(jié)果表明，可信關(guān)聯(lián)算法在海面目標環(huán)境下具有較高的關(guān)聯(lián)準確性；算法的平均耗時與現(xiàn)有抗差關(guān)聯(lián)算法相比顯著降低；基于航跡可信關(guān)聯(lián)結(jié)果完成對雷達的自動標校，將雷達量測數(shù)據(jù)的平均誤差降低了近90%。

對海雷達；抗差關(guān)聯(lián)；自動識別系統(tǒng)；單元平均恒虛警檢測；實時性

1 引言

對海雷達自身存在的定位偏差、雷達量測精度、數(shù)據(jù)處理方法等因素容易造成系統(tǒng)誤差的產(chǎn)生。雷達系統(tǒng)誤差會造成目標量測數(shù)據(jù)與目標真實位置間存在較大的偏差，進而導(dǎo)致雷達難以準確地對目標進行定位。在海面局部穩(wěn)定的2維直角坐標系中，測距系統(tǒng)誤差使目標航跡發(fā)生整體平移，測角系統(tǒng)誤差使目標航跡發(fā)生整體旋轉(zhuǎn)。為提高雷達量測的準確性，必須借助一些輔助措施實現(xiàn)對海雷達系統(tǒng)誤差的估計和補償。

民用船舶大部分都安裝有船舶自動識別系統(tǒng)(Automatic Identification System, AIS)，軍用平臺通過加裝具有靜默模式的AIS設(shè)備獲得的合作船舶位置信息可以認為是目標的真實航跡。利用AIS上報的目標位置信息對雷達量測數(shù)據(jù)進行校正可以有效提高雷達的量測精度，誤差配準的前提是系統(tǒng)誤差下AIS與雷達航跡的準確關(guān)聯(lián)。

本文基于海面艦船目標航跡分布特點和單元平均恒虛警檢測原理[14]提取海面目標可信航跡關(guān)聯(lián)對，基于可信航跡關(guān)聯(lián)對估計雷達量測數(shù)據(jù)系統(tǒng)誤差，基于誤差補償后的雷達量測實現(xiàn)與AIS航跡的抗差關(guān)聯(lián)。全文內(nèi)容安排如下：第2節(jié)給出AIS與雷達航跡的可信關(guān)聯(lián)流程：包括數(shù)據(jù)預(yù)處理，距離矩陣的求取，可信航跡關(guān)聯(lián)對的定義及提取方法；第3節(jié)仿真驗證及結(jié)果分析，實驗證明了本文算法相對于現(xiàn)有算法的優(yōu)越性能；第4節(jié)總結(jié)全文。

2 航跡的可信關(guān)聯(lián)流程

通過對大量AIS和對海雷達上報的海面目標航跡數(shù)據(jù)分析可得，海面目標航跡具有如下特點：(1)航跡分布零散；(2)系統(tǒng)誤差對目標航跡造成一定的偏差，但通常情況下仍小于船舶之間的實際距離；(3)海面艦船目標不都安裝有AIS設(shè)備，非合作目標的AIS位置信息也不可能為我方所知，造成AIS和雷達上報的目標個數(shù)不一致。基于上述特點，可以認為系統(tǒng)誤差存在的條件下海面上距離較小且附近一定范圍內(nèi)沒有其它目標的一對來自不同傳感器的航跡源自同一目標，本文將其定義為可信航跡關(guān)聯(lián)對。

2.1 AIS與雷達量測數(shù)據(jù)的坐標統(tǒng)一

AIS上報的目標位置信息以地理坐標(經(jīng)度、緯度、高度)的形式表示，雷達對海量測通常在空間極坐標系下完成，并上報極坐標系下的目標位置數(shù)據(jù)。為實現(xiàn)AIS和雷達數(shù)據(jù)的航跡關(guān)聯(lián)，首先需要將它們的數(shù)據(jù)形式統(tǒng)一到以雷達所在位置為原點的海面局部穩(wěn)定2維直角坐標系中。

AIS上報的目標位置信息以地理坐標表示，假設(shè)雷達所在位置的地理坐標為，其中,,分別表示雷達所在位置的經(jīng)度、緯度、高度；目標所在位置的地理坐標為，這里針對海面目標，默認。本文基于簡化的高斯-克呂格投影原理[15]，得到AIS上報目標在海面局部平面直角坐標系中的位置為

2.2距離矩陣的建立

要求出雷達與AIS目標航跡之間的距離，需要實現(xiàn)雷達與AIS上報點跡的時間對齊。這里以AIS的點跡時刻為基準，用插值法[16]將雷達的目標位置數(shù)據(jù)對齊到AIS的目標點跡時刻，得到

2.3可信航跡關(guān)聯(lián)對定義

海面上某對來自不同傳感器的目標航跡，如果滿足條件：(1)它們是距離彼此最近的航跡，它們的間距小于某個閾值；(2)在它們周圍一定范圍內(nèi)沒有其他航跡出現(xiàn)，即距離它們次近的航跡與它們之間的距離大于某個閾值；滿足上述條件的航跡對即可信航跡關(guān)聯(lián)對。

2.4 基于單元平均恒虛警率(CA-CFAR)檢測的可信航跡關(guān)聯(lián)對的提取方法

由于系統(tǒng)誤差引起不同的目標發(fā)生基本一致的航跡偏差，且通常情況下上述航跡偏差與船舶之間的實際距離相比較小，所以距離矩陣中最小的若干個元素可以看作由系統(tǒng)誤差引起的同源航跡間的距離偏差。由于隨機誤差的存在，可信航跡關(guān)聯(lián)對的航跡偏差不會完全相等，但它們大小相近，且它們與船舶實際距離間存在距離突變。本文基于上述原理及CA-CFAR檢測方法求同源航跡距離閾值和非同源航跡距離閾值。將距離矩陣中所有元素按由小到大的順序放入集合中，，將中相鄰元素按序作差放入集合中，。

如圖1所示為CA-CFAR檢測器原理框圖，其中為加權(quán)系數(shù)；前沿參考滑窗長度為;為恒虛警檢測器輸入信號，為第個檢測統(tǒng)計量；和為與檢驗統(tǒng)計量相鄰的兩個保護單元；取自檢測統(tǒng)計量前沿的個輸入數(shù)據(jù)的均值；為第個檢測統(tǒng)計量對應(yīng)的恒虛警輸出。此時滿足

圖1平均值類單脈沖恒虛警檢測器框圖

3 仿真驗證及結(jié)果分析

3.1可信航跡關(guān)聯(lián)流程仿真

某海域有20批艦船目標，目標初始位置在海域中均勻分布，目標以勻速直線航行，初始速度和初始航向分別在和之間均勻分布。AIS和雷達上報的目標航跡如圖2所示，雷達設(shè)備系統(tǒng)誤差測距、測角，隨機誤差滿足測距，測角的高斯分布。

圖2 AIS和對海雷達上報的海面艦船目標航跡分布圖

分別求出AIS上報航跡與雷達上報航跡之間的距離，組成距離矩陣，這里海面目標批數(shù)，則中元素個數(shù)。按可信關(guān)聯(lián)算法運算步驟求出集合,，如圖3，圖4所示，并作為CA-CFAR檢測器的輸入單元得到輸出矢量，如圖5所示，按定義求出同源航跡距離閾值，取，得到非同源航跡距離閾值，提取滿足要求的可信航跡關(guān)聯(lián)對。基于可信航跡關(guān)聯(lián)對估計系統(tǒng)誤差,。對雷達量測數(shù)據(jù)做誤差補償后海面艦船目標航跡分布如圖6所示。

圖3 距離矩陣中的元素按序排列

圖4距離按序作差

圖5 CA-CFAR檢測輸出矢量

圖6 誤差補償后海面艦船目標航跡分布圖

3.2算法性能比較與分析

3.2.1目標密集程度對關(guān)聯(lián)性能的影響 對3.1節(jié)海面艦船目標仿真環(huán)境中的目標個數(shù)和系統(tǒng)誤差大小做適當修改，對本文提出的基于CA-CFAR原理的可信航跡關(guān)聯(lián)算法與典型的基于圖像配準技術(shù)的航跡抗差關(guān)聯(lián)算法和基于參照拓撲關(guān)系的航跡抗差關(guān)聯(lián)算法進行綜合比較與分析。仿真環(huán)境具體設(shè)置如表1所示。

表1仿真條件參數(shù)設(shè)置

仿真結(jié)果如表2所示，表中列出了在6種環(huán)境下，經(jīng)過50次蒙特卡洛仿真，可信航跡關(guān)聯(lián)算法與圖像配準航跡關(guān)聯(lián)算法、目標參照拓撲航跡關(guān)聯(lián)算法的正確、錯誤、漏關(guān)聯(lián)概率及平均單次耗時。圖7為測距系統(tǒng)誤差，測角系統(tǒng)誤差，海域中目標批數(shù)由5增加至30時，各算法平均耗時。這里使用,,分別表示正確、錯誤、漏關(guān)聯(lián)概率。

圖7 算法在不同目標分布密集程度下的平均耗時

表2關(guān)聯(lián)算法性能比較

由表2所示，3種算法都具有較高的正確關(guān)聯(lián)率和較低的錯誤關(guān)聯(lián)率及漏關(guān)聯(lián)率，說明基于圖像配準技術(shù)的航跡抗差關(guān)聯(lián)算法，基于目標參照拓撲關(guān)系的航跡抗差關(guān)聯(lián)算法及本文提出的可信航跡關(guān)聯(lián)算法在測距誤差小于，測角誤差為,海域中目標批數(shù)小于條件下都具備較高的關(guān)聯(lián)準確性。

結(jié)合可信航跡關(guān)聯(lián)算法的特點，比較表2和圖7不同環(huán)境下算法的平均耗時，分析不同環(huán)境條件對算法耗時的影響。比較環(huán)境1, 2, 3(或環(huán)境4, 5, 6)條件下3種算法的平均耗時，當系統(tǒng)誤差不變，海域中目標密集程度逐漸增加時，圖像配準關(guān)聯(lián)算法平均耗時基本不變，始終維持在8 s以上。基于目標參照拓撲關(guān)系的航跡抗差關(guān)聯(lián)算法平均耗時隨著環(huán)境中目標密集程度的增大平方增長，當海域中有30批艦船目標時，算法平均耗時達到了近8 s，接近圖像配準關(guān)聯(lián)算法；當海域中目標批數(shù)為10時，算法平均耗時為0.25 s左右。可信航跡關(guān)聯(lián)算法平均耗時同樣隨著環(huán)境中目標密集程度的增大而增長，但始終保持在低耗時水平，當海域中艦船目標批數(shù)增加到30時，算法平均耗時接近0.5 s。

基于圖像配準技術(shù)的航跡抗差關(guān)聯(lián)算法平均耗時較長，從原理上分析，該算法將海面?zhèn)鞲衅髡丈涞暮桔E數(shù)據(jù)空間做網(wǎng)格化描述，基于一定的數(shù)域變換原理(Radon變換)和相位相關(guān)技術(shù)估計出系統(tǒng)誤差造成的航跡數(shù)據(jù)偏差，確定關(guān)聯(lián)航跡對。由于網(wǎng)格長度的確定與目標密集程度、系統(tǒng)誤差大小等環(huán)境參數(shù)無關(guān)，算法計算量基本恒定。但由于算法流程中數(shù)域變換需要大量的計算，算法整體耗時較長，不適合實時應(yīng)用。基于目標參照拓撲關(guān)系的航跡抗差關(guān)聯(lián)算法的平均耗時基本不受系統(tǒng)誤差大小的影響，但隨著環(huán)境中目標個數(shù)增多平方增長。考慮到目標參照拓撲關(guān)聯(lián)基于目標間的相對位置關(guān)系描述目標的拓撲特征，而目標之間互為參照對象，當環(huán)境中目標個數(shù)增多時，對象周圍目標個數(shù)增多，計算每個對象的拓撲特征所需的計算量隨之增大，而描述所有目標的拓撲特征需要的計算量平方增長。本文提出的可信航跡關(guān)聯(lián)算法隨著環(huán)境中目標個數(shù)增多耗時緩慢增大，由于算法核心步驟基于單元平均恒虛警檢測原理的距離閾值提取流程簡單，算法整體耗時較短。

3.2.2系統(tǒng)誤差大小對關(guān)聯(lián)性能的影響 傳感器系統(tǒng)誤差大小是衡量關(guān)聯(lián)性能的重要指標，本節(jié)在海面目標個數(shù)為10個，AIS上報目標個數(shù)為5個，測距誤差和測角誤差如表3所示的條件下綜合比較圖像匹配關(guān)聯(lián)、目標參照拓撲關(guān)聯(lián)、可信關(guān)聯(lián)3種算法的關(guān)聯(lián)準確性和算法耗時，關(guān)聯(lián)結(jié)果如表4所示。如表所示，各算法的運算耗時基本不受系統(tǒng)誤差大小的影響，在各自均值周圍小幅浮動。基于CA- CFAR檢測的可信航跡關(guān)聯(lián)算法展現(xiàn)出計算流程簡單，耗時較少的特性，目標參照拓撲關(guān)聯(lián)算法次之，圖像匹配關(guān)聯(lián)算法耗時較長，不具備數(shù)據(jù)實時處理能力。

表3仿真條件參數(shù)設(shè)置

表4關(guān)聯(lián)算法性能比較

隨著仿真環(huán)境中系統(tǒng)誤差的增大，算法的關(guān)聯(lián)準確性呈現(xiàn)不同的變化趨勢。環(huán)境1, 2, 3, 4中系統(tǒng)誤差較小，3種算法都具備較高的正確關(guān)聯(lián)率，錯誤關(guān)聯(lián)率和漏關(guān)聯(lián)率很低。環(huán)境5, 6, 7, 8中，測距誤差增大至2000 m以上，基于目標參照拓撲關(guān)系的航跡抗差關(guān)聯(lián)算法的正確關(guān)聯(lián)率有小幅下降，但仍然維持在較高水平。基于圖像匹配的航跡抗差關(guān)聯(lián)算法和可信航跡關(guān)聯(lián)算法的正確關(guān)聯(lián)率有明顯下降。分析上述結(jié)果產(chǎn)生的原因，首先考慮雷達系統(tǒng)誤差造成的航跡偏差，如圖8所示是雷達系統(tǒng)誤差分解圖，圖中目標真實位置，即AIS上報目標位置信息為

圖8 雷達系統(tǒng)誤差分解圖

由式(17)，式(18)可知，系統(tǒng)誤差造成的整體航跡圖像的平移量大小主要與測距誤差及目標方位角有關(guān)，當較小時，平移量隨方位角變化幅度較小，可以忽略；當取值較大，達到幾千米時，平移量隨方位角的變化幅度達到千米量級，造成整體航跡圖像變形。基于圖像匹配原理的航跡抗差關(guān)聯(lián)算法基于數(shù)域變換原理尋找使AIS航跡圖像和雷達航跡圖像匹配最好的平移量和旋轉(zhuǎn)角，由于大的測距誤差引起圖像中的平移量隨方位角大幅變化，甚至造成整體航跡圖像變形，當測距誤差達到千米以上時算法關(guān)聯(lián)準確性明顯降低。

可信航跡關(guān)聯(lián)算法要求系統(tǒng)誤差引起的航跡偏差小于目標間的實際距離，基于單元平均恒虛警檢測原理可提取出有效的距離閾值，當系統(tǒng)誤差引起的航跡偏差過大，算法提取的距離閾值不準確。實際情況下，為確保航行安全，海面上船舶之間要保持一定的距離。海面艦船目標航跡分布零散，系統(tǒng)誤差造成的航跡偏差小于目標之間的實際距離的條件通常容易滿足，本文提出的基于CA-CFAR原理的可信航跡關(guān)聯(lián)算法具有廣泛的應(yīng)用背景，適宜在工程實踐中推廣應(yīng)用。

4 結(jié)束語

本文針對AIS和對海雷達信息融合中的航跡實時抗差關(guān)聯(lián)問題提出了基于單元平均恒虛警檢測原理的可信航跡關(guān)聯(lián)算法。經(jīng)仿真驗證及結(jié)果分析，得到關(guān)于算法的如下結(jié)論：(1)可信航跡關(guān)聯(lián)算法相對于現(xiàn)有多傳感器航跡抗差關(guān)聯(lián)算法的顯著優(yōu)勢是運算流程簡化、運算時間大幅降低。特別是環(huán)境中目標批數(shù)較多時(達到30批)，基于目標參照拓撲關(guān)系的航跡抗差關(guān)聯(lián)算法的平均耗時接近8 s，與基于圖像匹配的航跡抗差關(guān)聯(lián)算法接近，已不具備數(shù)據(jù)實時處理能力，相同條件下可信航跡關(guān)聯(lián)算法平均耗時0.5 s，體現(xiàn)出優(yōu)越的實時性。(2)可信航跡關(guān)聯(lián)算法在海面目標環(huán)境下具有較高的關(guān)聯(lián)準確性和較好的魯棒性。仿真結(jié)果表明，經(jīng)可信關(guān)聯(lián)及系統(tǒng)誤差配準，對海雷達量測誤差降低近90%。(3)本文使用誤差補償后的二次關(guān)聯(lián)得到準確的航跡關(guān)聯(lián)關(guān)系，也可基于一次可信關(guān)聯(lián)結(jié)合2維最優(yōu)分配方法解決系統(tǒng)誤差下海面目標航跡間的抗差關(guān)聯(lián)問題。(4)基于可信關(guān)聯(lián)的對海雷達自動標校技術(shù)能大幅降低雷達量測數(shù)據(jù)的系統(tǒng)誤差，快速有效提升雷達跟蹤融合系統(tǒng)的準確性；可信關(guān)聯(lián)算法為海戰(zhàn)場多傳感器信息融合技術(shù)提供了一種新思路和新方法。

參考文獻

[1] 何友, 王國宏,, 等. 多傳感器信息融合及應(yīng)用(第2版) [M]. 北京: 電子工業(yè)出版社, 2007: 128-165.

He You, Wang Guo-hong, Lu Da-jin,. Multisensor Information Fusion with Applications(Second Edition)[M]. Beijing: Publishing House of Electronics Industry, 2007: 128-165.

[2] 何友, 王國宏, 關(guān)欣. 信息融合理論與應(yīng)用[M]. 北京: 電子工業(yè)出版社, 2010: 178-238.

He You, Wang Guo-hong, and Guan Xin. Information Fusion Theory with Applications[M]. Beijing: Publishing House of Electronics Industry, 2010: 178-238.

[3] Liu Xi, Yin Hao, Tian Chang,. An improved 2-D assignment algorithm for track-to-track association[C]. 25th Chinese Control and Decision Conference, Guiyang, China, 2013: 3698-3703.

[4] Phani C and Arye N. Concurrent particle filtering and data association using game theory for tracking multiple maneuvering targets[J]., 2013, 61(20): 4934-4948.

[5] 何友, 宋強, 熊偉. 基于相位相關(guān)的目標航跡對準關(guān)聯(lián)技術(shù)[J]. 電子學(xué)報, 2010, 38(12): 2718-2723.

He You, Song Qiang, and Xiong Wei. Track alignment- correlation technique based on phase correlation[J]., 2010, 38(12): 2718-2723.

[6] 何友, 宋強, 熊偉. 基于傅里葉變換的航跡對準關(guān)聯(lián)算法[J]. 航空學(xué)報, 2010, 31(2): 356-362.

He You, Song Qiang, and Xiong Wei. A track registration- correlation algorithm based on fourier transform[J]., 2010, 31(2): 356-362.

[7] 宋強, 熊偉, 何友. 基于復(fù)數(shù)域拓撲描述的航跡對準關(guān)聯(lián)算法[J]. 宇航學(xué)報, 2011, 32(3): 560-566.

Song Qiang, Xiong Wei, and He You. A track alignment- correlation algorithm based on topological description of complex number field[J]., 2011, 32(3): 560-566.

[8] Tian Wei, Wang Yue, Shan Xiu-ming,. Track-to-track association for biased data based on the reference topology feature[J]., 2014, 21(4): 449-453.

[9] Tian Wei, Wang Yue, Shan Xiu-ming,. Analytic performance prediction of track-to-track association with biased data in multi-sensor multi-target tracking scenarios[J]., 2013, 13(9): 12244-12265.

[10] 田威, 王鉞, 山秀明, 等. 穩(wěn)健的聯(lián)合航跡關(guān)聯(lián)與系統(tǒng)誤差估計[J]. 清華大學(xué)學(xué)報(自然科學(xué)版), 2013, 53(7): 946-950.

Tian Wei, Wang Yue, Shan Xiu-ming,. Robust method for joint track association and sensor bias estimation[J].(), 2013, 53(7): 946-950.

[11] 石玥, 王鉞, 王樹剛, 等. 基于目標參照拓撲的模糊航跡關(guān)聯(lián)方法[J]. 國防科技大學(xué)學(xué)報, 2006, 28(4): 105-109.

Shi Yue, Wang Yue, Wang Shu-gang,. Fuzzy data association based on target topology of reference[J]., 2006, 28(4): 105-109.

[12] 楊哲, 韓崇昭, 李晨, 等. 基于目標之間拓撲信息的數(shù)據(jù)關(guān)聯(lián)方法[J]. 系統(tǒng)仿真學(xué)報, 2008, 20(9): 2357-2360.

Yang Zhe, Han Chong-zhao, Li Chen,. Data association based on target topology[J]., 2008, 20(9): 2357-2360.

[13] 吳澤民, 任姝婕, 劉熹. 基于拓撲序列法的航跡關(guān)聯(lián)算法[J]. 航空學(xué)報, 2009, 30(10): 1937-1942.

Wu Ze-min, Ren Shu-jie, and Liu Xi. Topology sequence based track correlation algorithm[J]., 2009, 30(10): 1937-1942.

[14] 何友, 關(guān)鍵, 孟祥偉, 等. 雷達目標檢測與恒虛警處理(第2版)[M]. 北京: 清華大學(xué)出版社, 2011: 36-53.

He You, Guan Jian, Meng Xiang-wei,. Radar Target Detection and CFAR Processing(Second Edition)[M]. Beijing: Tsinghua University Press, 2011: 36-53.

[15] 徐志京, 王解先. AIS與雷達目標信息融合中坐標位置的計算方法[J]. 上海海事大學(xué)學(xué)報, 2005, 26(4): 78-81.

Xu Zhi-jing and Wang Jie-xian. Numerical method to calculate coordinate transformation between AIS and radar object for information fusion[J]., 2005, 26(4): 78-81.

[16] Mathews J H and Fink K D著. 周璐, 陳渝, 錢芳, 等譯. 數(shù)值方法(MATLAB版, 第4版)[M]. 北京: 電子工業(yè)出版社, 2010: 195-202.

Anti-bias Association Algorithm for Automatic Identification System and Radar Based on Bias Detection

Qi Lin Cui Ya-qi Xiong Wei Wang Cong

(,,264001,)

The classical multi-sensor anti-bias association algorithms require complex calculation procedure, can not be used in real-time condition, for instance the algorithms based on image matching and reference topology feature. On the basis of tracks distribution feature on sea surface and Cell-Average Constant False Alarm Rate (CA-CFAR) detection theory, a real-time anti-bias association algorithm for Automatic Identification System (AIS) and the data track of radar is proposed, named confidential-association algorithm, to make real-time radar systematic error registration and multi-sensor information fusion come true. Monte-Carlo simulation results show that the accuracy of confidential-association algorithm maintains on a high level on the sea-surface environment, it has the superiority of simply calculation procedure and substantially reduces run-time in comparison to current anti-bias association algorithms. Radar automatically registration technique based on confidential-association algorithm reduces average error of the measured data by nearly 90%.

Radar for sea; Anti-bias association; Automatic Identification System (AIS); Cell-Average Constant False Alarm Rate (CA-CFAR) detection; Real-time

TN953; TN957

A

1009-5896(2015)08-1855-07

10.11999/JEIT141472

齊林 3278pirate@163.com

2014-11-24收到，2015-04-10改回，2015-06-09網(wǎng)絡(luò)優(yōu)先出版

山東省自然科學(xué)基金青年基金(ZR2012FQ004)和飛行器測控與通信教育部重點實驗室開放基金(CTTC-FX201302)資助課題

齊 林： 男，1989年生，博士生，研究方向為多傳感器信息融合.

崔亞奇： 男，1987年生，博士，講師，研究方向為誤差配準、狀態(tài)估計融合.

熊 偉： 男，1977年生，博士，教授，研究方向為多傳感器信息融合、指揮自動化.

王 聰： 男，1989年生，博士生，研究方向為多目標跟蹤、信息融合.