密集杂波环境下多目标数据关联算法研究

为有效降低密集杂波环境下多目标数据关联计算的复杂性,提出一种适合工程应用的数据关联方法。首先在椭圆跟踪门的基础上对目标的运动方向进行限制,尽可能地减少落入跟踪门内的回波,然后使用FAFDA算法对落入公共波门内的测量点迹进行处理。     

杂波环境下基于全邻模糊聚类的联合概率数据互联算法

针对杂波环境下的多目标跟踪数据互联问题,该文提出基于全邻模糊聚类的联合概率数据互联算法(Joint Probabilistic Data Association algorithm based on All-Neighbor Fuzzy Clustering, ANFCJPDA)。该算法根据确认区域中量测的分布和点迹-航迹关联规则构造统计距离,以各目标的预测位置为聚类中心,利用模糊聚类方法,计算相关波门内候选量测与不同目标互联的概率,通过概率加权融合对各目标状态与协方差进行更新。仿真分析表明,与经典的联合概率数据互联算法(Joint Probabilistic Data Association algorithm, JPDA)相比,ANFCJPDA较大程度地改善了算法的实时性,并且跟踪精度与JPDA相当。     

灰色预测-概率数据关联滤波方法

针对红外弱小目标跟踪精度不高,实时性不好等问题,提出了一种基于灰色预测-概率数据关联滤波(GPPDAF)的弱小目标跟踪方法。该方法采用实时性较好的灰色模型对目标轨迹进行预测,并以预测位置为中心构建跟踪波门,然后通过改进的极大似然概率数据关联(MLPDA)算法计算波门内各量测点的概率权重,最后用各量测点的概率加权和作为跟踪结果。实验结果表明,该方法实时性能较好,较大地改进了红外弱小目标的跟踪精度。     

一种多元信息辅助的双基地雷达检测跟踪一体化方法

该文针对双基地雷达提出一种多元信息辅助的检测跟踪一体化方法。结合雷达在目标跟踪阶段获取的目标位置与回波幅度等多元先验信息,辅助设计跟踪波门内检测门限,以期提升目标的检测与跟踪性能。该文首先根据已获取的目标位置先验信息,在概率数据互联(PDA)框架下基于贝叶斯最小错误准则修正了传统似然比检测器。为进一步提升弱目标探测性能,该文引入航迹终结准则松弛了门限设置规则,并计算了跟踪波门内的平均虚警概率和检测概率。最后,该文重新推导了多元信息辅助情况下PDA算法的关联概率计算方式,完整地给出了算法流程,并通过仿真实验验证了算法的可行性和有效性。     

基于信号幅度的复杂目标新数据互联方法

针对海面复杂目标环境下,如果多目标跟踪过程中仅仅考虑基于运动学特征的数据互联方法,就不能充分利用目标回波信息的问题展开研究,提出一种基于目标信号幅度的新数据关联方法。首先,建立起信号幅度的数学模型;然后,将其与传统JIPDA算法相结合,给出新的雷达量测与目标航迹的互联概率计算方法;最后,仿真实验表明:所提出的JIPDA-AI算法较传统基于运动学特征的多目标数据互联方法JPDA方法和JIPDA方法等有显著的性能提升,可以有效提高复杂目标环境下的航迹跟踪精度。     

多传感器多目标联合概率数据关联研究

联合概率数据关联(JPDA)算法对单传感器多目标跟踪是一种良好的算法,但对于多传感器密集多目标跟踪,则计算量剧增,数据关联成功率下降。因此,改进联合概率数据关联(AJPDA)算法对多传感器多目标量测进行同源划分及单一传感器测量数据转换,然后采用JPDA算法求解空间目标轨迹交叉时的数据关联。仿真结果表明,AJPDA算法提高了成功关联概率,降低了求解数据关联概率的难度,可以解决密集目标的正确跟踪问题。     

基于雷达点迹处理的抗RGPO干扰的机动目标跟踪

针对距离波门拖引(Range Gate Pull Off,RGPO)干扰下机动目标跟踪性能恶化的问题,提出一种基于雷达点迹处理的机动目标跟踪算法。该算法首先使用RGPO干扰鉴别技术将跟踪波门内的雷达点迹数据分为正常点迹集与RGPO干扰点迹集,针对不同的点迹集采取了不同的状态更新策略,最后融合两类状态信息后输出目标位置。仿真结果表明,该算法的跟踪精度明显优于传统的交互多模型－概率数据关联(Interacting Multiple Model Probabilistic Data Association,IMM-PDA)算法及现有抗RGPO干扰机动目标跟踪算法。     

次优联合概率数据关联算法的研究

数据关联算法的研究是多目标跟踪中的核心问题,多目标跟踪的精度和计算过程的复杂度均取决于所采取的数据关联算法的优劣。文中对2种典型的次优联合概率数据关联算法进行了研究,结合仿真结果指出了上述2种次优算法间的本质差异,同时还提出了一种改进的次优联合概率数据关联算法。计算机仿真表明,改进的算法较原算法具有更好的跟踪性能。     

相控阵雷达多目标跟踪原理及数据关联算法研究

介绍了目标跟踪原理,并以多功能相控阵雷达为背景,研究了多目标跟踪数据关联过程.针对数据关联过程中量测起源的不确定性问题及概率数据关联算法(PDA)和联合概率数据关联算法(JPDA)的不足,给出了一种改进的概率数据关联算法(MPDA),该算法既不像PDA算法那样不考虑公共测量值对航迹的影响,也不像JPDA算法对所用的关联解进行搜索,而是重点分析了跟踪门交叠区域中的公共测量值对航迹更新的影响.蒙特卡罗仿真结果表明,该算法具有较小计算量及较好的实时跟踪性能,适于相控阵雷达的数据处理.     

一种基于改进FCM聚类联合概率数据关联算法

针对多目标跟踪系统中的数据关联问题,提出一种基于改进FCM聚类联合概率数据关联算法(FJPDA)。该算法将改进的FCM聚类方法引入JPDA算法中,避免了对联合事件的概率计算,也避免了对确认矩阵拆分造成的计算量组合爆炸现象,实现了量测与航迹的关联,继而实现对多目标的实时跟踪。仿真结果表明算法简单有效,与JPDA算法相比,在跟踪性能相当的前提下,算法的复杂度和实时性得到了明显的改善。     

基于PDA的群目标合并与分离方法研究

针对飞行编队形成的群目标航迹关联的特殊性,分析了照射质心的编队群目标成员合并与分离检验方法的优缺点,定义了群目标成员合并与分离检验涉及的3要素:位置、速度和航迹历史。在此基础上,提出了基于概率数据关联(PDA)的群目标成员合并与分离的检验方法。该方法利用群目标等效回波统计中心更新滤波器状态,将每一个雷达周期的量测与统计中心关联判别,从而减少了关联次数,提高了正确判别群目标成员合并与分离的概率。仿真结果证明了该方法的有效性。     

基于JPDA的多目标跟踪算法及其应用

在多目标和杂波环境下,量测与对应目标源的关联将变得复杂,当邻近目标运动时,采用滤波算法跟踪目标时,源于目标的量测会相互干扰,导致误跟现象的发生。针对此问题,本文采用基于联合概率数据关联JPDA的方法进行处理,通过引入两个基本假设条件,即每个量测只有一个源和每个量测至多源于一个目标,计算各量测与各目标源的关联概率,进而估计出各目标的状态信息。仿真结果表明在采用本文的算法处理多目标问题时,目标的位置和速度信息能够得到较好的估计,避免误跟现象的发生。     

一种基于最大熵模糊聚类的数据关联算法

针对联合概率数据关联算法计算量上存在的组合爆炸问题,本文引入最大熵模糊聚类算法实现多目标的数据关联。使用最大熵模糊聚类得到的模糊隶属度表示目标与量测之间的联合互联概率;分析了公共回波对航迹更新的影响,对公共回波的权值进行衰减,对非公共回波的权值进行扩大,避免了航迹合并;此外根据差异因子的特性,给出剔除无效回波的方法,减少了计算量。仿真结果表明,与现有数据关联算法相比,新算法具有更优的跟踪效果。     

红外/雷达交叉定位的双门限间歇式目标跟踪方法

针对组网火控雷达交替间歇跟踪中的盲期问题,提出基于交叉定位的红外/雷达双门限间歇跟踪方法。该方法首先采用改进的天线波束控制算法消除相关误差的影响;其次,通过双跟踪精度门限控制传感器工作时间,同时利用多红外交叉定位跟踪,进一步增加静默跟踪雷达的反应时间;最后,利用基于数据压缩的序贯式融合算法对异类间歇数据进行融合处理,实现了组网系统对目标的连续跟踪。仿真结果表明,该方法可以进一步减小跟踪盲期的影响,有效地提高系统的整体性能。     

基于改进分水岭算法的多目标车辆的跟踪研究

近年来,由于车辆数量的激增,道路事故也频频发生,这就要对事故易发路段进行监控,并对车辆进行跟踪。针对目标的跟踪,提出了利用改进的分水岭方法与数据关联方法相结合实现多目标车辆准确跟踪,在检测车辆时利用分水岭算法可以有效地进行图像分割并准确的检测出运行车辆;跟踪时利用运动目标轮廓采用链表法记录多运动目标之间的数据关联,并跟据质心特征进行跟踪。实验表明该方法能有效地对目标进行了检测并提高了跟踪的准确率。     

最近邻联合概率数据关联算法在舰载雷达跟踪中的应用

舰载雷达的工作环境海杂波多,导致雷达在跟踪时可能关联上杂波。针对这个特点,本文应用最近邻联合概率数据关联(NJPDA)算法作为舰载雷达目标跟踪的数据关联算法,这个算法可以解决密集目标的正确跟踪问题。仿真结果理想,仿真场景设为目标相交、目标平行、有杂波时均可正确跟踪。     

一种基于回波二维图像特征判决的雷达目标跟踪方法

针对低频段机扫航管雷达目标回波在相邻多脉冲(波位)间以及在相邻多距离单元内的扩展性,导致目标跟踪困难、出现点迹混杂和航迹错乱等问题,提出了一种基于圈间回波二维像滑动相关和模板提取/图像匹配的目标跟踪方法,解决了传统目标跟踪方法虚警率高、航迹混叠和中断问题。通过雷达实测数据的验证,该算法可以有效提升航管雷达对民航机目标检测和跟踪的性能。     

无源跟踪中基于灰关联信息融合的概率数据关联算法

在无源跟踪中,传统的概率数据关联算法(PDA)单纯依据状态量测信息.该文提出了一种基于多特征信息融合的概率数据关联算法,该算法利用目标多个特征信息(状态量测、载频、PRI等),通过灰关联分析的方法,计算有效观测与目标的关联概率,进而在信息融合的基础上,进行目标状态更新估计.该算法与传统的PDA相比有两个优点,第一,关联概率的计算量小、计算更准确;第二,该算法利用了目标多特征信息,因此,关联性能更好.实验表明,基于该算法的无源跟踪性能明显优于NN方法和传统的PDA方法.     

Low Observable Moving Target Tracking Based on Modified PDA-AI

During tracking low observable moving target in electro-optical (EO) imaging tracking system, multiple false alarms resulted from low signal-to-noise rate (SNR) would seriously debase the performance of target tracking. Probabilistic data association with amplitude information (PDA-AI) assumes that amplitude of target is not correlative among different sampling instants and larger amplitude is, greater the probability of validated measurement being target of interest would be. In EO imaging tracking system, amplitude and motion of target of interest are consistent and highly correlative. A modified PDA-AI is discussed and developed to resolve the inconsistency between PDA-AI and EO tracking system in this paper, which analyzes target motion by means of modeling amplitude and motion as well as their consistency as stationary random signal. The theory analysis with Cramer-Rao lower bound (CRLB) and experiments results show that the performance of low observable target tracking of the modified PDA-AI would be more accurate and more reliable than that of the original PDA-AI.     

杂波环境下的粒子滤波器数据关联方法

为了解决杂波环境下多机动目标的数据关联难题,提出了一种将粒子滤波器(PF)和联合概率数据关联(JPDA)相结合的数据关联算法,该方法首先应用粒子滤波方法对目标的状态进行采样,得到样本(粒子),并结合量测,通过JPDA方法计算得到联合互连事件的关联概率,而该关联概率实际上就是PF中粒子的权值。通过选取适当的有效采样尺度作为衡量PF退化现象的测度,采用重要性重采样技术克服了标准PF的退化现象,降低了算法的计算量。仿真结果表明,粒子滤波方法可以较好地解决杂波环境下跟踪多机动目标的数据关联问题;重要性重采样PF的计算复杂度低于标准PF。