一种改进的联合概率数据关联算法的研究

针对联合概率数据关联算法需要知道目标总数并要对矩阵差分,且计算量呈指数增长的问题,提出了一种模糊多门限概率关联算法,该算法利用测量与目标的关联概率来替代概率数据关联算法中可行联合事件概率的计算,改善性能的同时又减少了计算量。仿真结果表明该算法能有效的解决密集目标跟踪环境下的数据融合精度和收敛性问题,且计算量小。     

天波超视距雷达多路径数据关联跟踪算法对比研究

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。     

基于改进截断正态概率模型的机动目标跟踪算法

机动目标模型是水下目标跟踪的关键,在分析截断正态概率密度模型的基础上,利用前2个时刻的观测值与状态估计偏差,对该模型机动加速度与其方差的自适应关系重新进行修正,给出了一种基于改进截断正态概率密度模型的机动目标跟踪算法.该算法避免了加速度极限值的预先设定问题,从而提高了对机动目标状态估计的精度.仿真结果表明,该算法在跟踪水下机动目标时具有良好的跟踪性能.     

基于角测量的机动目标跟踪算法

利用角测量估计目标的距离和速度实质上是一个非线性状态估计问题,这种单站被动式跟踪可能构成一个不可观测系统,将导致跟踪滤波器的不稳定和发散。本文针对反直升机雷构成的雷群进行目标定位和跟踪,利用最小角度差算法对目标的位置进行静态估计,用基于“当前”统计模型的自适应滤波算法进行数据处理,最小角度差算法的估计结果作为自适应滤波的观测值;算法简单而且有效,对目标的机动和非机动运动参数都能得到良好的估计结果。     

扩展概率数据关联算法

在多目标跟踪过程中,为了提高目标跟踪准确率、减少目标丢失,基于目标数目定义了联合关联事件,研究了扩展概率数据关联算法（Extended PDA）。对概率数据关联算法容易产生误跟和失步以及联合概率数据关联可能发生组合爆炸等问题进行改进。实验结果表明,该算法能很好地降低跟踪时间和减少失步次数,提高跟踪准确率。     

基于FFT并二次修正的Rife频率估计算法

针对修正Rife(M-Rife)算法在低信噪比条件下频率估计性能下降的问题,提出一种改进的频率估计算法。首先利用最佳修正因子对快速傅里叶变换(Fast Fourier Transform,FFT)最大谱线进行修正,然后用校正的Rife法公式估计频率。若被估计信号频率接近于FFT量化频率,则对信号进行频移以使信号频率位于两相邻量化频率中心,再用校正的Rife法公式估计频率。频移过程中采用Quinn法来确定频移方向。仿真结果表明:改进算法不仅在整个被估计的频段内具有较高估计精度,均方根误差接近于CRLB,而且具有低信噪比门限,整体性能要优于M-Rife法。改进算法能够满足反潜鱼雷主动声引信提取目标回波多普勒频率的应用要求。     

密集杂波下的模糊数据关联多目标跟踪算法

针对密集杂波环境下对多目标跟踪的精度低、实时性不强的问题,提出了密集杂波下模糊聚类数据关联多目标跟踪算法。该算法利用模糊聚类,得到不同观测量相对目标的隶属度作为模糊关联概率,通过分析公共观测对目标的影响,引入远近距下的公共观测影响因子重建模糊关联概率矩阵;然后结合模糊关联概率与卡尔曼滤波,对不同观测量得到的状态估计加权融合,从而对每个目标进行单独跟踪,实现目标的状态更新。仿真结果表明,杂波密集环境下该算法在能够保证多目标跟踪实时性的同时引入远近距下公共影响因子对不同观测量的状态估计进行加权,保证了目标跟踪的精确性。     

基于ML-PDA算法的低可见目标跟踪研究

针对利用传统算法难以跟踪低空目标的问题,提出了一种可行的跟踪低空目标的最大似然-概率数据关联(ML-PDA)算法。在分析各种低空目标特性的基础上,首先建立了基于ML-PDA滤波算法的低空目标跟踪模型,然后对该模型进行了深入分析,最后通过计算机仿真对该模型进行了验证。结果表明:ML-PDA滤波算法对低空目标跟踪十分有效,并且提高了滤波实时性,具有较好的工程应用前景。     

一种实时相关目标跟踪算法

采用时－空梯度法，建立一种估计图像序列中目标偏移植的相关跟踪算法。该算法采用一维相关，而且两个方向相关运算可以并行独立运算，适于硬件实现，计算速度大大高于常规相关跟踪算法，具有很强的实时性，仿真结果还表明该算法具有较高跟踪精度，且对噪声不敏感。     

基于广域部署智能反射面的无人机集群跟踪方法

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。