机载雷达航迹抗差关联算法：距离分级聚类方法

"这篇研究论文探讨了一种基于距离分级聚类的机载雷达航迹抗差关联算法，旨在解决在目标密集、系统误差时变以及传感器数据不一致等复杂环境下的机载雷达航迹关联问题。该算法利用高斯随机矢量的统计特性，推导出等价量测方程，并通过一阶泰勒级数展开，得到状态估计在全局直角坐标系中的分解。通过消除真实状态的影响，提取航迹距离矢量，进而进行分级聚类以确定同源航迹关联对。仿真结果表明，与传统的基于参照拓扑特征的航迹关联算法（RET）相比，该算法在关联准确性和环境适应性上有所提高。" 这篇论文深入研究了机载雷达航迹关联的挑战，特别是当目标密集分布、系统误差非静态以及传感器报告的目标信息不一致时的问题。作者提出了一种创新性的抗差关联算法，其核心是基于距离分级聚类的方法。首先，他们分析了运动平台的等价量测方程，这是理解雷达系统如何处理和解释目标信息的基础。接着，通过一阶泰勒级数展开，将状态估计转换到全局坐标框架下，这有助于更准确地描述目标的位置和动态。 关键步骤在于，通过真实状态的对消来计算航迹距离矢量，这些距离矢量反映了目标之间的相对位置。然后，采用距离矢量的分级聚类策略，将相似的航迹归为一类，从而识别出可能属于同一目标的关联对。这种方法对于处理复杂环境中的关联问题尤其有效，因为它能够处理大量目标并减少错误关联的可能性。 为了验证算法的性能，论文进行了多种场景的仿真，包括目标密集场景、随机误差场景以及考虑系统误差自适应性的场景。仿真结果表明，提出的算法在保持高关联准确性的同时，具有更好的环境适应性，尤其是在处理系统误差变化和不确定性时。与传统的基于参照拓扑特征的航迹关联算法相比，该算法在关联性能上有显著提升。 这篇工作对于机载雷达系统的设计和优化具有重要意义，特别是在面对复杂战场环境和不确定性时，提供了一种更强大、更稳健的航迹关联策略。同时，这也为未来进一步的研究提供了理论基础，比如如何改进聚类算法以提高效率，或者如何集成更多的先验信息以增强抗差能力。这项研究为解决机载雷达航迹关联的难题提供了一种新的、有前景的方法。