基于EM的多目标跟踪算法

为了提高多目标跟踪的鲁棒性,增强目标之间的区别性,使用了一种基于能量最小化(energy minimization,EM)的多目标跟踪算法,不同于现有算法,本算法专注于将多目标跟踪中的复杂问题表示为能量函数的模型,模型中包括了更优的目标区分策略(相似度模型)。通过将每个能量函数成本值对应一个多目标的跟踪轨迹方案,算法将多目标跟踪问题转化为能量最小化的问题。在能量函数模型的优化方法上,算法采用共轭梯度算法和一系列的跳转运动来找到能量最小的值。公开数据集的实验结果证明了本算法的有效性,而且定量分析结果证明了本算法提高了目标与背景、目标之间的相互区别性从而与其他算法相比能获得更好的鲁棒性能。     

低采样率下北斗三频数据周跳探测与修复

针对低采样率情况下电离层延时变化量增大,导致常规周跳探测方法无法达到较高精度的问题,提出了一种适用于低采样率的新方法。首先,通过无几何-无电离层载波相位组合和二次历元间差分的电离层残差组合求得周跳发生的历元;然后在该历元处选取两组无电离层伪距相位组合作为周跳第1、第2检测量,一组考虑电离层变化量的无几何组合作为第3检测量,构成3个线性无关的组合,对周跳进行修复;最后通过北斗三频实测数据对算法进行验证。实验表明,该方法对30 s采样间隔下的各种类型的周跳组合仍可以准确修复,且不存在盲点。该方法有效地减弱了采样率减小时,电离层延时变化量增大对周跳探测的影响,可适用于非动态、动态、非差数据的实时修复。