雷达与被动传感器数据关联新算法：多目标规划方法

"这篇论文主要研究了雷达与被动传感器（如ESM）之间的数据关联算法，提出了基于位置和属性单一信息的单目标规划模型以及基于位置与属性联合信息的多目标规划算法模型。通过将多目标规划问题转换为单目标规划问题进行求解，并通过比较不同方法的实验结果，证明了新算法在目标正确关联概率上的显著提升，是解决雷达与ESM数据关联的有效方法。关键词包括多目标规划、数据关联、分配问题和代价矩阵。" 在这篇2005年的研究论文中，作者探讨了异类传感器，特别是雷达与ESM传感器之间信息融合的关键挑战。信息融合是将不同传感器的数据整合在一起，以提供更全面、准确的态势感知。在军事和航空航天领域，这种融合对于目标识别和跟踪至关重要。 作者首先针对雷达与ESM的航迹关联问题，提出了一种基于位置的单目标规划模型。这个模型侧重于利用传感器测量到的目标位置信息来建立和匹配目标轨迹。接着，他们进一步发展了一个更加综合的多目标规划算法模型，该模型不仅考虑位置信息，还考虑了目标的其他属性，如速度、方向等。这种方法旨在通过结合多种信息源来提高数据关联的精度。 多目标规划问题通常比单目标规划复杂，因为它需要同时优化多个相互冲突的目标。为了简化这个问题，作者将其转化成了一个可求解的单目标规划问题。通过实验对比，他们发现采用新算法进行数据关联时，目标正确关联的概率显著增加，这意味着新算法在处理雷达与ESM数据关联时，能更准确地识别和追踪目标。 论文的实验部分提供了仿真结果，这些结果支持了新算法的优越性。在实际应用中，这种改进的数据关联算法可以提升战场或空域的监控效率，帮助决策者更快、更准确地识别敌我动态，从而作出更好的战术决策。 这篇论文为雷达与被动传感器之间的数据关联提供了一种创新的多目标规划解决方案，强调了信息融合在解决复杂监测问题中的关键作用，并为未来的研究开辟了新的路径。