密集杂波环境下基于两点量测和Viterbi的PDA算法研究

为了更好地解决密集杂波环境下的目标跟踪问题,弥补密集杂波环境下概率数据互联算法(PDA)误关联概率偏高的不足,在对现有的Viterbi数据互联算法进行深入分析的基础上,给出了一种计算两个量测之间互联概率的表达式,提出了一种基于两点量测的Viterbi数据互联算法(TM-VDA).仿真验证,TM-VDA能够很好地完成对目标的跟踪,特别是在密集杂波环境下误跟踪率较PDA大大降低.     

一种改进的联合概率数据关联算法的研究

针对联合概率数据关联算法需要知道目标总数并要对矩阵差分,且计算量呈指数增长的问题,提出了一种模糊多门限概率关联算法,该算法利用测量与目标的关联概率来替代概率数据关联算法中可行联合事件概率的计算,改善性能的同时又减少了计算量。仿真结果表明该算法能有效的解决密集目标跟踪环境下的数据融合精度和收敛性问题,且计算量小。     

扩展概率数据关联算法

在多目标跟踪过程中,为了提高目标跟踪准确率、减少目标丢失,基于目标数目定义了联合关联事件,研究了扩展概率数据关联算法（Extended PDA）。对概率数据关联算法容易产生误跟和失步以及联合概率数据关联可能发生组合爆炸等问题进行改进。实验结果表明,该算法能很好地降低跟踪时间和减少失步次数,提高跟踪准确率。     

密集杂波环境下数据融合估计算法评估

由于观测量获取的不确定性,使得密集杂波环境下的多传感器机动目标跟踪变得复杂,解决这个问题的关键在于跟踪门限和数据联合与融合算法的选取。文中在分析最邻近卡尔曼滤波(NNKF)和概率数据联合滤波(PDAF)两种融合算法的基础上,对其在密集杂波环境下的跟踪误差和算法实时性效果采用当前统计模型进行评估,仿真结果表明PDAF算法跟踪性能明显优于NNKF算法。     

机动目标概率假设密度滤波算法及其比较

在多目标跟踪问题中,如果目标数未知或者随着时间的变化而变化,那么联合概率数据关联(JPDA)等一系列在目标数已知时使用的跟踪算法就难以应对,而概率假设密度(PHD)滤波算法将目标集合数看成一个随机集,避免了数据关联问题。文中将PHD算法与JPDA算法进行了比较,仿真实验结果表明:在杂波环境下,PHD算法对目标数未知或随时间变化的多目标跟踪情况良好,在相同仿真条件下,PHD算法在时间上花的代价比其他算法更少。     

分类信息辅助的神经网络联合数据关联算法

为解决多目标跟踪中数据关联问题引入神经网络UKF算法和分类信息辅助方法.通过计算分类混淆矩阵确定分类信息似然函数,再用该函数调整只利用运动信息的似然函数,使分类信息有效辅助神经网络联合概率数据关联.在杂波环境中对多个近邻且不同种类目标跟踪,针对联合概率数据关联(JPDA)存在的计算组合爆炸问题,利用Hopfield网络解决TSP问题的思路得到神经网络联合概率数据关联(NJPDA)方法.基于以上关联方法得到的关联概率,仿真表明该算法提高了数据关联的有效性和快速性.     

密集杂波环境下的数据关联算法

针对密集杂波环境下多目标数据关联问题,提出了一种基于弱化算子自适应模糊C均值聚类的数据关联算法。该算法首先采用弱化算子对有效回波进行弱化处理,在此基础上应用自适应模糊C均值算法对目标有效回波进行聚类,并将聚类中心作为相应目标最终观测值,最后采用最近邻法将聚类中心与目标航迹配对。实验结果表明,该算法与FCM方法相比,具备更高的关联和跟踪精度;与JPDA算法相比,提高了关联时实性。     

密集杂波下的模糊数据关联多目标跟踪算法

针对密集杂波环境下对多目标跟踪的精度低、实时性不强的问题,提出了密集杂波下模糊聚类数据关联多目标跟踪算法。该算法利用模糊聚类,得到不同观测量相对目标的隶属度作为模糊关联概率,通过分析公共观测对目标的影响,引入远近距下的公共观测影响因子重建模糊关联概率矩阵;然后结合模糊关联概率与卡尔曼滤波,对不同观测量得到的状态估计加权融合,从而对每个目标进行单独跟踪,实现目标的状态更新。仿真结果表明,杂波密集环境下该算法在能够保证多目标跟踪实时性的同时引入远近距下公共影响因子对不同观测量的状态估计进行加权,保证了目标跟踪的精确性。     

天波超视距雷达多路径数据关联跟踪算法对比研究

天波超视距雷达的多传播路径会引起多个量测对应同一个目标的问题，而由于传播模式的模糊性，量测与传播模式的对应关系是不确定的。多路径Viterbi数据关联跟踪算法（MVDA）采用回波竞争的思想，而多路径概率数据关联跟踪算法（MPDA）利用了回波合并的策略。通过多次Monte Carlo仿真试验对两种算法的失跟率、状态估计的均方根误差、航迹终结延时以及计算量等跟踪性能指标进行了比较。仿真结果表明，在低检测率、重杂波环境下，提出的MVDA算法大大降低了失跟率，而MPDA算法具有较高的估计精度。     

具有固定延迟平滑的交互多模型概率数据互联算法

为了提高杂波环境下跟踪机动目标的跟踪精度．文中将交互多模型概率数据互联（IMMPDA）和固定延迟平滑（LS）思想相结合．提出了一种具有固定延迟平滑的IMMPDA（IMM-LS-PDA）算法。通过引入延迟．增广了目标的状态向量，使得目标的固定延迟平滑状态估计更加准确。仿真结果表明。在杂波环境下对机动目标进行跟踪．单纯的IMMPDA算法的跟踪误差很大，并且在转弯机动处，误差出现峰值．算法的平稳性较差；而在进行固定延迟平滑后，算法的跟踪精度有了明显的提高。     

可分辨空间密集目标群跟踪算法研究

为了有效改善可分辨空间目标群的早期跟踪态势,提高高速目标群的跟踪处理速度和跟踪精度,提出了可分辨空间密集目标群跟踪算法。该算法首先通过全局聚类群分割、群关联和群跟踪,解决大量距离靠近、运动特征差异不明显的高速空间目标群早期连续稳定跟踪问题; 通过群跟踪掌握早期群整体信息,提高目标数据处理速度。在此基础上,边跟踪边分群,由群目标跟踪逐渐过渡到多目标跟踪,在群目标跟踪中通过结合空间动力学方程提高群内目标的跟踪精度,提升雷达系统对可分辨密集空间目标群的跟踪能力。     

多目标聚类融合跟踪中的特征信息利用

对雷达和电子支援系统的航迹关联问题，利用模糊C-均值聚类算法实现数据关联。该算法综合利用属性信息和动力学信息，通过构造一个影响距离因子函数．根据识别分类结果。调整样本与类中心的距离。最后融合方位角量测得到目标的状态估计。蒙特卡洛仿真表明．新算法比单一使用动力学量测的算法对多目标关联问题更有效。     

多平台主动与被动传感器协同跟踪的长时调度方法

为了有效跟踪杂波环境下机动目标、降低系统辐射风险,提出一种多平台主动与被动传感器协同跟踪的长时调度方法。将长时调度问题构建为部分可观马尔可夫决策过程,采用交互式多模型概率数据关联算法更新目标信念状态,利用后验克拉美-罗下界预测机动目标长时跟踪精度,提出改进的维特比算法以求解最优调度序列。仿真实验结果表明,所提搜索算法能够显著降低搜索空间和存储空间,所提长时调度方法能够有效控制系统辐射代价、克服传感器频繁切换。     

战场侦察相控阵雷达波束调度研究

战场侦察相控阵雷达在强地杂波环境下对机动性目标跟踪和边跟踪边搜索(TAS)波束调度策略是当前研究的热点。利用地面杂波和目标路径等先验信息,建立了杂波环境下地面交互多模型联合概率数据互联(GIMMJPDA)多目标跟踪算法,在区分目标威胁度、不同威胁目标跟踪精度的基础上实现目标动态的TAS波束调度。经目标态势仿真验证,基于GIMMJPDA目标跟踪算法、高威胁优先级和目标跟踪精度基础上的战场侦察相控阵雷达TAS波束调度策略具有高的时间利用效率。     

径向长度特征辅助的多目标数据关联算法

多目标跟踪技术的核心问题是数据关联,传统的数据关联算法采用空间距离最邻近的方法,在回波密度较大时容易发生误跟;特征辅助数据关联算法是多目标跟踪技术的发展趋势,通过融合目标运动学信息和特征信息,可以增加目标的信息维数,提高关联正确率。提出利用目标径向长度信息辅助最近邻算法,并在建立的场景中与传统的最近邻算相比较,结果表明该算法可以有效的增加近距离平行目标和交叉目标的正确关联次数,从而提高了多目标数据关联算法的性能。     

传感器网络中结合分类信息的多目标关联算法

多传感器多目标跟踪系统的关键技术之一是航迹关联，应用于传感器网络时更为复杂。提出结合分类信息的基于图模型航迹关联算法，把目标分类信息和运动学信息相结合来提高关联效果。它利用分类混淆矩阵确定分类结果似然函数，修改基于图模型的航迹关联算法的顶点兼容函数和连线兼容函数。对多传感器网络的多目标跟踪情况仿真．比较仿真结果说明结合分类信息确实提高了关联正确率。     

杂波环境下多机动目标跟踪的一种新粒子滤波器算法研究

多机动目标跟踪系统具有本质非线性和非高斯特性, 而且状态的测量通常是来源未确定的观测量, 在杂波环境下尤其如此.因此, 杂波环境下的多机动目标跟踪问题需要同时解决多个目标的机动性以及测量和目标之间的关联问题.提出了一种结合粒子滤波器和吉布斯采样器的多机动目标跟踪算法, 可以很好地解决在杂波环境下的多机动目标跟踪问题.在仿真研究中, 与另一多机动目标粒子滤波器算法BMMPDAF的比较证明了所提出的算法的优越性.     

两点式数据关联算法在多目标跟踪中的应用

针对联合概率数据关联算法在计算量上的组合爆炸问题,引入了一种新的基于线性规划的两点式数据关联算法。在分析新算法基本原理的前提下,将其性能与传统的联合概率数据关联算法进行了比较,从理论上证明了该算法是一种全新的关联算法j并将两点式数据关联算法应用到多目标跟踪中,通过仿真验证了新算法在数据关联精度及运行时间方面优于传统算法。