基于多模型粒子滤波的机动多目标跟踪算法

针对密集杂波环境下机动多目标跟踪中系统强非线性以及运动模式切换对于滤波精度的不利影响,提出了一种基于多模型粒子滤波的机动多目标跟踪算法.新算法实现了多模型粒子滤波和广义概率数据关联算法的有机结合.通过在粒子状态采样过程中引入模型信息改善了交互式多模型和粒子滤波结合中导致的计算量膨胀问题,并利用广义概率数据关联算法实现回波的有效确认和回波信息的充分利用.给出了应用该方法的具体步骤,最后,理论分析和仿真实验证明该算法的有效性.     

多目标跟踪数据关联算法综述

多目标跟踪在军事、医疗和交通等方面应用广泛.考虑存在误检、漏检和噪声的情况,数据关联问题成为多目标跟踪中一个核心难点问题.通过介绍最近邻法、多假设关联、概率数据关联、联合概率数据关联、粒子滤波和模糊目标跟踪等6种经典数据关联算法,分析各种算法的优点和局限性,以及近几年的研究进展,展望其未来的发展趋势.     

密集回波环境下多目标跟踪的一种新算法

在多目标跟踪中，一个量测可能是几个目标的混合量测，一个目标也可能产生几个量测。目前，基于贝叶斯的数据关联算法沿用的均是JPDA的“量测与目标一一对应”的可行性规则，它不符合上述情况下数据关联的实际情况。因此，为了解决该问题，从分析JPDA的可行性规则入手，打破JPDA可行性规则的限制，提出了更符合实际的量测与目标均可复用的观点，及新的可行性规则，认为量测与目标之间的关联关系是多对多的关系，并据此利用条件贝叶斯公式，推导出边缘概率的一种新的计算方法——广义数据关联算法(GPDA)。利用该方法对多目标进行跟踪，取得了良好的跟踪性能，并且计算量大大减小。     

一体化多目标跟踪算法研究综述

视觉多目标跟踪算法(MOT)一直是计算机视觉与视频图像智能分析领域的一个研究热点。近年来,随着深度学习的发展及实际应用需要,越来越多性能优异的一体化多目标跟踪算法被提出,受到研究者的青睐。对近年来广受关注的一体化多目标跟踪算法进行了系统性的综述。从不同的一体化构建思路出发,梳理包括构建出发点、框架设计、方法优缺点、研究趋势等方面的内容,并在权威的MOT Challenge系列数据集上进行性能比较,定量地分析不同的一体化方法的优势和局限性。最后,结合研究现状,提出了一体化多目标跟踪需要重点关注的若干问题及未来展望。     

一种改进的多伯努利多目标跟踪算法

针对粒子势均衡多目标多伯努利滤波的粒子实现形式所需粒子数多、粒子退化严重的问题,将均方根容积卡尔曼滤波与粒子势均衡多目标多伯努利滤波相结合,提出均方根容积卡尔曼粒子势均衡多目标多伯努利滤波算法．该算法利用均方根容积卡尔曼滤波构建重要性密度函数,再对其进行采样获得预测粒子状态,从而提高粒子的准确性,减轻粒子退化．与基于无迹卡尔曼的粒子势均衡多目标多伯努利滤波相比,该算法更稳定,且算法性能不受目标状态维数的限制．仿真实验表明,所提算法与粒子势均衡多目标多伯努利滤波算法和基于无迹卡尔曼的粒子势均衡多目标多伯努利滤波算法相比,其跟踪精度更高．     

基于数据融合技术的多目标跟踪算法研究

针对多目标跟踪问题,提出了一种基于数据融合技术实现多目标定位、确定航迹的算法．经仿真实验,使用该算法可获得较为满意的效果．     

改进的GM-CBMeMBer机载多普勒雷达多目标跟踪算法

为了有效抑制剩余杂波、提高多目标跟踪(MTT)能力,在高斯混合势平衡多目标多伯努利(GM-CBMeMBer)滤波器的基础上引入多普勒信息,提出了一种适用于机载多普勒雷达的MTT算法(GM-CBMeMBerwD).该算法改进了GM-CBMeMBer滤波器的更新步骤:首先利用位置量测更新目标状态,然后利用多普勒量测对其进一步更新,从而更准确地求得目标似然函数和状态估计.仿真结果表明,与GM-CBMeMBer相比,GM-CBMeMBerwD能更准确且更稳定地估计目标数量;与其他3种跟踪算法相比,GM-CBMeMBerwD能以较低的计算复杂度获得较优的跟踪性能.     

改进的多传感器多目标量测数据关联算法

提出融合多传感器测量对目标位置进行估计的广义概率数据关联(MSPE-GPDA)算法. 首先对所有可能的多元量测组合进行预关联检验,通过检验的有效多元量测组合所对应的目标位置进行最优估计;根据广义概率数据关联算法计算通过预关联检验的各有效量测组合与目标航迹间的关联概率,并用来计算目标的更新状态. 与顺序处理的多传感器广义概率数据关联算法和利用多传感器量测进行目标位置估计的联合概率数据关联算法相比,MSPE-GPDA算法集中了最优估计和有效信息复用两方面的优点. 理论分析与仿真实验结果均验证了所提算法的有效性.     

基于多目标灰狼优化的PHD粒子滤波改进算法

针对传统PHD粒子滤波算法存在目标数目估计精度低且位置估计误差大的缺陷,提出一种结合多目标灰狼优化的PHD(MOGWO-PHD)粒子滤波算法.该算法在预测和更新过程之间加入多目标灰狼优化算法,利用最新的观测信息将预测后的粒子集进行重新优化分布,使粒子移动至目标存在的高似然概率区域,减轻重采样后易出现的粒子贫乏问题;然后使用基于密度聚类(DBSCAN)算法对粒子进行聚类并提取目标状态.仿真结果表明,在不同杂波密度下,MOGWO-PHD算法对目标数目和状态的估计精度均优于传统PHD粒子滤波算法.     

基于成像声呐的水下多目标跟踪研究

针对水下多目标跟踪问题,提出基于成像声呐的高效目标跟踪算法. 基于声呐的成像特点,针对声学图像中的每个像素点,建立基于信号强度的回波信号模型,提取图像中的个体目标. 采用基于序贯蒙特卡罗的概率密度假设(SMCPHD)滤波对各目标状态进行滤波,结合Auction航迹识别算法将滤波后的目标状态与已确定的航迹进行关联,实现多目标跟踪. 通过算法的仿真分析发现,该方法相对于基于数据关联型的多目标跟踪算法如联合概率数据关联(JPDA)算法、多假设跟踪(MHT)算法,大大提高了计算效率. 对采集的现场数据进行目标提取与跟踪,获得目标的跟踪轨迹.     

采用粒子滤波和模糊聚类法的非线性多目标跟踪

提出一种新的非线性多目标跟踪方法,用模糊聚类算法实现数据关联,采用粒子滤波实现对各目标的独立跟踪．首先利用最大熵模糊聚类对目标和观测数据进行关联,采用模糊隶属度重建多目标滤波中的联合关联概率矩阵．然后利用粒子滤波适于处理非线性问题的特点,通过联合关联信息,采用粒子滤波独立对各目标进行滤波,实现对目标状态的更新．最后,将该算法应用于多传感器多目标纯方位角跟踪．仿真结果表明,相比于联合概率数据关联算法及MEF-JPDAF,新算法具有更高的跟踪精度．     

杂波环境下雷达组网的多目标聚类融合跟踪

多传感器多目标跟踪是信息融合技术在目标跟踪领域的应用范例,数据关联是其中的关键技术之一.对于杂波环境下的组网雷达多目标跟踪,讨论了粗、精关联相结合的数据关联方法.先用基于跟踪门限算法进行粗关联,排除部分杂波,再用模糊C-均值算法模糊聚类来实现关联.通过把多传感器跟踪问题转化为多个单传感器跟踪问题,更有效地实现关联,最后融合量测,滤波后得到目标的状态估计.用该算法对目标进行蒙特卡罗仿真,其比改进前的模糊C-均值关联算法和最近邻域算法在杂波环境下更能有效实现数据关联.     

一种改进的基于Hankel总体最小二乘法的精子多目标跟踪方法

针对 Hankel总体最小二乘法计算较为复杂、运行效率较低的问题,提出一种改进的 Hankel 总体最小二乘法。利用最近邻算法判断相邻图像中精子的距离,对距离最近的2个用 Hankel 总体最小二乘法进行相似性匹配,减少了目标相似度的匹配范围。实验结果表明,改进的算法跟踪速度比 Hankel总体最小二乘算法更快速准确。     

基于TMS320C6203的多目标实时跟踪

介绍了在TMS320C6203上实现四个目标的快速跟踪技术.为了提高实时性和精确度,采用线性汇编优化实现.一个320×160主窗口的DSP平均处理时间为2ms,三个60×60副窗口的DSP平均处理时间各为0.4ms,实现了复杂背景下低对比度目标的快速跟踪.实验结果证明跟踪效果良好,解决了以前窗口开不大、跟踪速度慢的问题.     

并行高斯粒子滤波被动多目标跟踪新算法

针对多目标跟踪的数据关联及多目标状态空间尺寸随目标数增多而增长的问题,提出了一种跟踪新算法,假定各目标的状态与过去的观测相互独立,可以多路并行处理,采用马尔可夫链蒙特卡罗(MCMC)方法计算目标与观测的关联概率,利用高斯粒子滤波(GPF)独立估计单个目标的状态,采用拟蒙特卡罗(QMC)方法近似各目标的预测及更新分布.将该算法应用于被动多传感器多目标跟踪,仿真结果表明,所提算法比联合概率数据关联滤波器(JPDAF)、马尔可夫链蒙特卡罗数据关联滤波(MCMCDAF)及蒙特卡罗联合概率数据关联滤波(MC-JPDAF)具有更好的跟踪性能.     

密集杂波下的高斯混合信度传播多目标跟踪

为了提升密集杂波干扰下信度传播多目标跟踪算法的性能,提出基于幅度杂波抑制的高斯混合信度传播多目标跟踪算法.首先基于经典瑞利分布幅度模型,采用极大似然法估计目标初始信噪比,结合先验信息为目标信噪比构造截断正态分布模型,再对其进行边缘化;然后结合幅度信息,在信度传播前计算各量测信息的幅度似然比,并引入量测信息函数中,提高目标与量测的关联正确率;最后设置量测信息录取率,得到幅度似然比下限,对所有传感器的量测信息进行筛选,高效完成目标起始过程.研究表明:在不同信噪比和杂波密度下,通过与GMPHD、GMBP和GMBP-AK算法的对比实验,可以明显发现所提GMBP-AC算法的计算效率较高,能够较准确快速地响应各时间段内目标数目的变化情况,同时大幅度减小OSPA误差.进一步证明在密集杂波干扰环境下,该算法具备较强的杂波抑制效果,且能够较好地改善目标数目估计性能和多目标跟踪精度.     

CPHD multi-target tracking algorithm with unknown model parameters

Since the multi-object tracking performance of the traditional method will decline with unknown model parameters, a CPHD target tracking algorithm is proposed to jointly estimate the detection probability and measurement noise covariance. Firstly, for model the unknown parameters of multiple targets tracking, the detection probability is considered as a variable in a distribution. The detection probability can be obtained by estimating the mean of the distribution. Then, the Variational Bayesian method is used to estimate the covariance of the measurement noise. Finally, the Gaussian implementation of this algorithm is presented. Simulation results show that the algorithm has good tracking performance under jointly unknown detection probability and the covariance of the measurement noise.     

基于多目标优化的复本分布及任务调度算法

为了提高分布式并行服务器的系统效率,并保证数据可用性,提出了基于多目标优化的复本分布及任务调度算法,文章针对分布式并行服务器的特点研究了多目标优化模型,并以此模型为基础设计了复本分布策略和相应的任务调度策略,系统根据任务需求周期性地调整数据复本数量和驻留节点．它不仅保证了数据的可用性要求,而且大幅度减少了所有任务耗费的系统资源．分析和测试表明：在相同条件下完成相同任务,该算法耗费的系统资源小于常用的三模冗余．     

Dynamic cluster member selection method for multi-target tracking in wireless sensor network简

Multi-target tracking（MTT） is a research hotspot of wireless sensor networks at present.A self-organized dynamic cluster task allocation scheme is used to implement collaborative task allocation for MTT in WSN and a special cluster member（CM） node selection method is put forward in the scheme.An energy efficiency model was proposed under consideration of both energy consumption and remaining energy balance in the network.A tracking accuracy model based on area-sum principle was also presented through analyzing the localization accuracy of triangulation.Then,the two models mentioned above were combined to establish dynamic cluster member selection model for MTT where a comprehensive performance index function was designed to guide the CM node selection.This selection was fulfilled using genetic algorithm.Simulation results show that this method keeps both energy efficiency and tracking quality in optimal state,and also indicate the validity of genetic algorithm in implementing CM node selection.