基于一种改进IMMJPDA算法的地面目标跟踪

对地面多目标的跟踪,由于地面目标的高机动性、杂波密集特点以及运动不确定性,交互式多模型联合概率数据关联无疑是一种好的跟踪算法,但是该算法需对与可行联合事件相对应的矩阵进行拆分,随着目标个数的增多,计算量会呈指数增长。为此提出一种基于模糊多门限的交互式多模型联合概率数据关联算法,该算法利用量测与目标的关联概率来替代可行联合事件概率的计算。Monte Carlo仿真结果显示了该算法在现实运动中的可行性和方便性。该算法减少了计算量,又改善性能,利用多模型特点解决了地面目标的高机动性所带来的运动模型匹配问题。     

概率强近邻在IMM中的应用

目标的幅度信息在数据关联技术中起着很重要的作用,但传统的方法忽视了对这类信息的应用.提出了一种基于概率强近邻的相互作用多模型算法,有效地将幅度信息引入到数据关联中,完成对目标的精确跟踪.通过仿真,将它与传统的相互作用多模型概率数据关联等算法进行比较.仿真结果表明,该算法不仅具有很好的跟踪精度,而且其计算量也大大降低.     

杂波背景下自适应IMM机动目标跟踪算法

针对杂波背景下多机动目标跟踪问题,提出一种基于时变转移概率交互式多模型(IMM)的模糊数据关联跟踪算法。首先,针对传统IMM算法模型转移概率假设为常数导致模型间过度竞争的问题,基于贝叶斯理论,推导出一种时变模型转移概率IMM算法,增强了优势模型的利用率;其次,针对传统JPDA算法由于聚矩阵拆分而导致的计算组合爆炸问题,利用模糊聚类的方法,直接计算相关波门内候选量测与目标间的关联概率,用概率加权对目标进行状态和协方差的更新。仿真实验表明:算法对不同机动目标的跟踪适应性得到增强,相比传统的JPDA算法,在保证跟踪精度的基础上其时间性能比较优越,是一种较为实用的工程应用算法。     

密集杂波环境下的机动目标跟踪算法

针对密集杂波环境下的机动目标跟踪问题提出了一种新的算法,即交互式多模型数据关联算法。基本思路是利用概率数据关联处理多余回波,同时利用交互式多模型算法处理目标的机动问题,而且将机动目标“当前”统计模型引入其中,将它们结合起来处理密集杂波环境下的单机动目标跟踪问题。仿真结果证明该算法是解决此种问题的一种非常有效的方法。     

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.     

基于多特征融合的红外目标关联算法

利用红外目标同时具有位置、灰度、面积等多特征的特点,提出了一种基于多特征融合的目标关联算法.首先在极坐标系下对目标位置采用概率数据关联算法计算候选目标的关联概率,然后结合目标的灰度、面积特征的预测误差计算关联波门中的候选目标在各种特征条件下的关联概率,进而利用多特征融合方式,计算出综合关联概率,完成目标状态估计的更新.实验仿真结果表明,由于跟踪关联概率由多种特征共同确定,避免了目标位置特征信息不稳定所造成的跟踪精度下降的问题,实现了密集杂波环境下红外目标稳定跟踪,其跟踪精度和稳定性明显高于依靠位置特征信息进行关联的传统概率数据关联算法.     

基于数据关联快速算法的目标跟踪与仿真研究

针对利用传感器对密集目标进行跟踪中联合概率数据关联(JPDA)计算量大,出现计算组合爆炸而导致效率低下的问题,简要介绍了数据关联快速算法(FAFDA),建立了基于坐标变换和自适应α-β滤波的数据关联快速算法模型并进行了模拟战场实际目标的仿真试验,仿真结果表明该算法能很好的跟踪目标,其跟踪精度符合实际要求,计算量明显减小,提高了跟踪实时性.     

集中交互式多传感器模糊联合概率数据互联算法

 为了解决杂波环境下多传感器多机动目标跟踪问题,本文提出了一种集中交互式多传感器模糊联合概率数据互联算法.该算法首先设定多个跟踪模型并计算每个模型中测量点迹与航迹测量预测之间的模糊综合相似度;然后基于阈值判别及经验概率法则计算模糊联合互联概率,并基于此概率对各航迹进行状态估计及状态估计协方差的更新;最后计算各模型概率,并据此概率对各模型所获得状态估计进行加权得出各航迹在融合中心最终的状态估计.对该算法与集中交互式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者有显著提高,同时有效地降低了周期耗时,综合性能更优越.     

基于PPP模型的多扩展目标跟踪的JPDA算法研究

针对多扩展目标跟踪问题,提出了基于泊松点过程（Poisson Point Process, PPP）模型的多扩展目标跟踪的联合概率数据关联（Joint Probabilistic Data Association, JPDA）算法。首先,采用PPP对扩展目标进行测量建模,其次以“多对一”关联模型思想提出一种的JPDA算法,从而计算运动目标的当前有效量测的边缘关联概率,然后结合该边缘关联概率以概率数据关联（Probability Data Association, PDA）的方式分别更新每个扩展目标的运动参数和形状参数向量,最后通过仿真实现了当扩展目标相互靠近或出现交叉时的跟踪。实验结果表明,在高杂波环境下,本文所提出的算法在计算时间和跟踪稳定上具有较明显的优势。      

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。     

一种改进的联合交互式多模型概率数据关联算法

在多目标跟踪领域,由于概率数据关联（PDA）算法对关联门相交区域内公共回波的处理过于简单,因而在目标密集或交叉环境中关联性能差。考虑公共回波对航迹更新的影响对PDA算法进行改进,并将改进的PDA算法和交互式多模型（IMM）算法结合提出了一种改进的联合交互式多模型概率数据关联（Ic．IMMPDA）算法,并在Matlab环...     

运用自组织神经网络进行多目标跟踪的算法

总结了自组织神经网络的结构、训练方法；分析了在多目标跟踪问题中数据关联的重要性及传统的数据关联方法的局限性；研究了在多目标环境下运用自组织神经网络解决数据关联的问题。提出了一种基于自组织神经网络对多个目标实施跟踪的算法，此算法采用自组织神经网络的聚类功能对目标进行数据关联处理，并将经过卡尔曼滤波后的数据信息结合到神经网络的学习训练中。仿真实验结果表明此算法能在多目标环境下取得较好的跟踪效果。     

利用Doppler量测的IJPDA多目标跟踪改进算法

为了提高多频连续波雷达多目标跟踪精度,在基于传统的综合联合概率数据互联(IJPDA)算法基础上,提出一种带Doppler量测的IJPDA滤波跟踪新算法。首先从理论上分析了传统的IJPDA算法,然后详细阐述了引入径向速度量测后的改进算法,最后通过Monte Carlo仿真验证了该算法的有效性。仿真结果表明,径向速度量测的运用使得改进的IJPDA算法在跟踪性能上有了显著提高。     

引入目标径向速度信息的多假设跟踪方法

提出了一种新的基于目标径向速度信息的多假设跟踪算法,来解决边搜索边跟踪雷达系统中数据互联问题,即在SB/MHT算法中,通过引入目标径向速度信息,构造新的航迹置信度公式,完善航迹启动条件。系统仿真结果证明,新算法可有效减少航迹数目,从而缩短系统计算时间,具有更强的抑制虚警的能力。     

采用目标假设的三被动式传感器数据关联算法

被动式传感器目标跟踪是多传感器多目标跟踪领域的一个重要研究方向。针对三被动式传感器多目标定位系统全局最优数据关联的三维分配问题,在允许传感器漏检和虚警的情况下,通过分析拉格朗日松弛算法,提出一种假定真实目标的快速收敛算法。该算法通过粗关联假定真实目标并重新修改代价矩阵,然后进行细关联,使得拉格朗日松弛算法在保证关联精度的前提下有效地提高了收敛速度。理论分析和实验结果表明,该算法提高了数据关联的速度,并在一定程度上提高了关联准确率。     

基于量测转换的交互多模型概率数据互联算法

针对雷达跟踪机动目标时,目标运动模型通常线性地建模在直角坐标系内,而量测数据由传感器获得的实际情况,提出了基于量测转换的交互多模型概率数据互联算法.推导了该算法中相关的滤波估计、滤波误差协方差和数据关联概率,并且提出了跟踪门的确定方法.仿真结果表明了新算法的可行性和有效性.     

蚁群-遗传算法在多传感器多目标跟踪技术中的应用

 本文提出了一种高效的多目标数据关联算法AC-GADA(Ant Colony-Genetic Algorithm Data Association),该算法以蚁群、遗传算法为基础,利用种群差异性使个体携带信息素,构建了全局信息素扩散模型,并引入了交叉变异策略和种群适应度模型.通过大量的实验数据证明,该算法在获得较高关联准确率的同时可以有效地提高关联速度.     

一个快速的被动式传感器数据关联算法

本文针对仅能获得关于目标角度信息的被动式传感器、且允许传感器漏检、虚警、以及监视空域目标位置和数量未知的静态数据关联问题,提出了一个基于空间交点属性强度的快速数据关联算法.与现有算法相比,本方法较好地改进了数据关联算法的精度和运算速度.最后,通过仿真实验给以验证.     

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。     

一种低精度传感器跟踪算法

针对低精度雷达的数据关联和目标机动跟踪问题,在此介绍了一种改进的邢滤波算法,该方法通过引入隶属度函数,很好地解决了该体制雷达下的数据关联和目标机动判断问题,提升了数据关联及目标机动判断的准确性。工程实践证明,该方法应用于航迹起始和争动目标跟踪中,大大提高了跟踪的性能,具有很好的实用性。