共查询到20条相似文献,搜索用时 109 毫秒
1.
为解决密集杂波下的目标跟踪难题,将目标的距离特征、方位特征进行模糊信息融合,并与概率数据关联算法相结合,得到一种优化的概率数据关联算法。该优化概率数据关联算法与密集杂波下较为有效的联合概率数据关联算法相比,不需产生所有可能的联合事件,因此计算量较小,易于工程实现。仿真结果表明,在不同的杂波环境下,该算法都可以取得令人满意的跟踪效果。 相似文献
2.
基于随机有限集的高斯混合概率假设密度(GM-PHD)滤波是处理多目标跟踪问题的一种有效方法。GM-PHD滤波器在密集杂波环境中会因估计误差过大而导致跟踪性能的下降,主要是因为没有充分考虑来自多目标量测的不确定性。为此,提出在考虑高斯分量权重的情况下,通过分量值改变协方差更新式,并通过引入标签,采用自适应阈值对高斯分量进行合并。理论分析和仿真结果表明:该方法在杂波环境下,目标最优次模式分配距离小,跟踪精度更高;目标数量的估计结果受杂波的影响更小,其估计值更接近真实的目标数量;通过具有不同杂波以及检测概率条件的跟踪场景,证明了该方法的目标数量估计精度和滤波性能明显好于传统算法。 相似文献
3.
4.
5.
多传感器目标跟踪是利用不同的平台获得有关目标的准确、连续的动态描述。PDAF(probabilistic data association filter)算法用于处理单目标跟踪问题,它假定所有的量测都是在特定的目标扩展门限中,即来自一个目标或杂波。如果另一个目标也在该门限中,就可能产生错误。为了解决混杂、密集环境下的多目标跟踪问题,本文利用JPDAF(joint probabilities data association filter)算法,通过考虑可利用的关联事件来简化处理过程.根据关联概率值来对假设进行估计。最后的仿真结果表明该算法对向量状态估计有明显改善。 相似文献
6.
雷达组网多目标跟踪系统采用加权最小二乘估计估计目标的初始状态,其数据关联采用最近邻算法,假设观测误差为高斯噪声且各个传感器之间相互独立,先计算量测点与系统航迹的标准化距离,再判断某个量测是否与某个航迹相关联,选择标准距离最小的系统航迹与量测点配对,用此量测点对系统航迹进行更新。系统跟踪滤波则采用加权最小二乘滤波算法,仿真试验表明,该系统可有效地对组网雷达条件下的多目标进行跟踪。 相似文献
7.
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。 相似文献
8.
9.
10.
针对在未知杂波和检测概率的跟踪环境中标准的标签多伯努利(LMB)算法跟踪精度较低、粒子覆盖集过大致使复杂度较高的问题,引入区间分析技术,提出基于箱粒子滤波的鲁棒LMB跟踪算法。建立目标增广空间模型,基于箱粒子滤波方法,推导出有杂波状态标签和LMB元素标签的预测、更新方程,并用多目标箱粒子LMB滤波递推估计目标状态。仿真结果表明,当杂波和检测概率先验未知,与现有非标签、非鲁棒算法相比,所提算法可实现在低检测概率和高杂波强度环境下对目标的稳定跟踪,同时大幅度提高算法的运行效率。 相似文献
11.
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。 相似文献
12.
13.
无人机在民用和军事领域中都发挥着重要作用,其体积小、数量多、速度快,更会给国防安全带来严重的安全威胁,有效跟踪定位无人机是保障低空安全的关键问题之一。针对典型城市环境中的多目标跟踪问题,提出一种高效费比的多目标跟踪算法。通过广域部署低成本智能反射面,对多目标进行数据融合;同时提出一种改进的数据关联算法,通过特征辅助的模糊数据关联,利用一部分历史数据作为筛选最优观测数据的特征阈值,得到最接近真实值的量测数据。采用卡尔曼滤波进行状态估计,实现对多目标的低成本高精度跟踪。仿真对比新算法与传统概率密度数据关联算法性能。仿真结果表明:新算法相比传统算法在位置和速度方面均方根误差更小,跟踪精度约为1.7 m,传统算法约为6.6 m,实验结果表明新算法能够有效提高目标关联精度和跟踪性能。 相似文献
14.
15.
具有固定延迟平滑的交互多模型概率数据互联算法 总被引:3,自引:0,他引:3
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。 相似文献
16.
17.
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。 相似文献
18.
针对杂波数量多、目标数量和状态不确实性及观测不确实性等问题,提出了一种基于序贯蒙特卡洛与概率假设密度(SMC-PHD)滤波的分布式声纳多目标自动跟踪方法。通过随机有限集模型对多目标状态和观察进行表征,结合序贯蒙特卡洛方法中的重要性采样和重采样策略递归地实现多目标后验近似下概率假设密度的传递和滤波。利用分布式声纳观测模拟数据,对不同节点数目下基于SMC-PHD滤波的多目标跟踪进行了仿真实验。仿真实验结果表明:该方法适用于主动分布式声纳系统,能在多杂波环境下对数目未知且时变的多目标进行实时自动跟踪;在4个平台节点的主动分布式声纳系统中,实现了平均相对误差小于5%的水下多目标高精度跟踪,且目标数目估计值与真实值一致。 相似文献
19.
针对杂波未知条件下,传统的势均衡多目标多伯努利滤波器(CBMeMBer)的序贯蒙特卡洛实现跟踪精度不高,且所需粒子数目过大,导致跟踪效率低下的问题,引入区间分析理论,提出了杂波未知条件下基于箱粒子滤波技术的CBMeMBer算法。该算法构建目标和杂波的混合状态空间模型,基于箱粒子滤波技术,建立杂波模型,推导出目标预测、更新方程,用多目标箱粒子CBMeMBer递推表达式估计目标状态。仿真实验表明,在杂波模型先验已知或未知条件下,所提算法既保证了目标跟踪精度,又大幅度提高了算法的执行速率。 相似文献