修正概率数据关联算法的研究

根据“全邻”数据关联算法的基本思想,采用关联城内回波似然函数的归一化处理,考虑关联城内所有回波的信息,对Fitzgerald提出的简化概率数据关联(SPDA)算法进行修正,得到修正概率数据关联(MSPDA)算法.理论分析和Monto Carlo仿真表明了该算法的有效性.为了能应用于多机动目标的跟踪.采用一种有效的交互式多模型自适应机动目标跟踪算法与MSPDA算法结合,对多个机动目标的交叉、编队进行仿真,得到了较好的结果.     

基于EM算法的杂波环境下机动目标跟踪研究

提出了一种新的基于EM方法的杂波环境下实时机动目标跟踪算法，算法与交互多模概率数据关联算法结构近似，模型后验概率与关联概率由HMM滤波计算得到．仿真结果表明，所提算法跟踪精度与传统交互多模概率数据关联算法性能相当，该算法是有效的．     

基于神经网络的多机动目标跟踪算法

将神经网络理论用于多机动目标跟踪,解决了联合概率数据关联(JPDA)存在的计算量组合爆炸问题。基于神经网络数据关联(NDA)所得到的最佳关联假设,将其与简化信息融合并行自适应滤波算法(DAF)进行有效结合,在保证量测与目标有效关联的同时,还具备跟踪起始和终结的作用,实现了对多机动目标的状态滤波与预测。仿真结果表明,与传统的交互式多模型联合概率数据关联算法相比,新算法在保证多机动目标的跟踪精度及实时性要求的同时,计算量大大减少。     

多目标跟踪中几种数据关联方法的比较

数据关联是多目标跟踪的核心部分,概率数据关联滤波（probability data association filter, PDA）算法和联合概率数据关联滤波（joint probability data association filter,JPDA）算法是两种典型的数据关联算法.PDA方法计算量小,有较好的单目标跟踪性能,但在跟踪多个目标时会发生目标的偏移和聚合现象;JPDA方法具有良好的多目标跟踪性能,但其运算量巨大而难于在工程中应用.OSPDA（the order statistics PDA）是改进型的快速算法,关联精度高并且计算量小.对这几种数据关联方法进行了分析比较,并作了仿真,指出各种算法的优缺点.     

基于最大熵模糊聚类的快速数据关联算法

提出了一种新颖的快速数据关联算法,减少了滤波中关联概率的计算量．该算法利用多个并行改进的最大熵模糊聚类对各个目标的有效观测进行聚类,采用聚类得到的模糊隶属度来重建滤波中的联合关联概率,并在联合关联概率中引入了比例因子避免航迹的合并;此外,分析了算法中差异因子的特性,考虑了杂波密度对它的影响,使得能够有效剔除无效观测,进一步减少计算量．仿真实验结果表明,提出的方法是一种有效的快速数据关联算法,跟踪性能要优于现有的数据关联算法．     

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.     

基于PDA的非线性分布式跟踪算法

研究目标不确定性量测、不确定性机动环境下的分布式多雷达跟踪。针对目标未知机动，把交互多式模型算法中的模型样本空间分成若干子集，分别在多个处理器上进行并行滤波，再在融合中的处理器上将各子处理器结果进行交互处理，形成了分布交一线式多模型算法，然后将它与概率数据关联ＰＤＡ相结合，得到了一种新的分布式鲁棒跟踪算法。     

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.     

模糊-概率交互作用的数据关联算法

基于估计理论和模糊系统理论,提出了一种模糊逻辑和概率交互和作用的数据关联算法,以解决密集杂波干扰环境中跟踪机动目标的数据关联问题。模糊关联度和关联概率共同组成了各有效回波的加权系数,弥补了概率数据关联滤波方法（ＰＤＡＦ）的不足,提高了杂波环境中机动目标的跟踪性能。     

杂波环境中的单目标跟踪方法仿真研究

研究了杂波环境中的两种目标跟踪方法最近邻法和概率数据关联法.计算机模拟仿真了在不同杂波密度环境中,两种算法的性能.结果表明,最近邻法适用于低密度杂波环境,高密度杂波环境中需要采用概率数据关联算法进行跟踪.     

GLMB extended target tracking based on one-step data association

Due to the inseparability of measurements in neighborhood scenarios, the tracking performance of the traditional extended target tracking algorithm would degrade. In this paper, a new extended target tracking algorithm based on one step data association is proposed to solve the problem. First, the algorithm models the target with a multiplicative noise model. And then, the one step data association method in the Joint Probabilistic Data Association (JPDA) theory is combined with a Generalized Labeled Multi-Bernoulli (GLMB) filter. Simulation results show that the algorithm can track the target in cross and neighborhood scenarios effectively and that it is superior to the traditional extended target tracking algorithms based on measurement partition in estimation accuracy.     

当前统计概率数据关联算法

目标跟踪领域的一个研究重点是如何解决在密集杂波环境下机动目标的跟踪问题。机动目标跟踪的关键是解决目标模型的不确定性,而密集杂波环境则使这个问题变得更加复杂。针对这一问题,提出一种当前模型概率数据互联算法。该算法将当前模型算法与概率数据互联相结合,在使用概率数据互联算法的同时,利用当前模型算法对目标出现的机动进行自适应滤波。最后,给出了算法的仿真分析,仿真结果说明该方法能够有效地跟踪杂波环境中的机动目标。     

一种高分辨距离像辅助的多目标跟踪算法

When the tracks of the multi-target get approached or crossed, it is easy to lead to combining or even to get wrong tracks for the traditional tracking methods, since the traditional methods only utilize the information on the target position to finish the data association. Aiming at this problem, a multi-target tracking algorithm aided by the high resolution range profile (HRRP) is proposed in this paper. Firstly, the target attitude angle is estimated in real time on the principle that the HRRP is sensitive to the attitude angle. And then the attitude angle is added to the target measurement state to construct a multi-dimension correlating gate. The data association is accomplished with the multi-dimension information. So the problem of multi-target data association is simplified to multiple sub-problems of data association for a single target. Finally, each target motion state is estimated by the probabilistic data association-unscented Kalman filter (PDA-UKF). Simulation results reveal that the computing complexity is reduced, and that the correct probability of data association is improved by using the target HRRP on the one hand. On the other hand, the tracking accuracy is improved with the aid of the target attitude angle.     

Novel Grouped Probability Data Association Algorithm for MIMO Detection

To bridge the performance gap between original probability data association(PDA) algorithm and the optimum maximum a posterior(MAP) algorithm for multi-input multi-output(MIMO) detection,a grouped PDA(GP-PDA) detection algorithm is proposed.The proposed GP-PDA method divides all the transmit antennas into groups,and then updates the symbol probabilities group by group using PDA computations.In each group,joint a posterior probability(APP) is computed to obtain the APP of a single symbol in this group,like the MAP algorithm.Such new algorithm combines the characters of MAP and PDA.MAP and original PDA algorithm can be regarded as a special case of the proposed GP-PDA.Simulations show that the proposed GP-PDA provides a performance and complexity tradeoff between original PDA and MAP algorithm.     

Novel Grouped Probability Data Association Algorithm for MIMO Detection

To bridge the performance gap between original probability data association (PDA) algorithm and the optimum maximum a posterior (MAP) algorithm for multi-input multi-output (MIMO) detection, a grouped PDA (GP-PDA) detection algorithm is proposed. The proposed GP-PDA method divides all the transmit antennas into groups, and then updates the symbol probabilities group by group using PDA computations. In each group, joint a posterior probability (APP) is computed to obtain the APP of a single symbol in this group, like the MAP algorithm. Such new algorithm combines the characters of MAP and PDA. MAP and original PDA algorithm can be regarded as a special case of the proposed GP-PDA. Simulations show that the proposed GP-PDA provides a performance and complexity tradeoff between original PDA and MAP algorithm.     

一种改进的泊松点过程概率多假设跟踪方法

多目标跟踪方法的核心是获取量测点与目标间的最优关联.传统的多目标跟踪方法从穷举出的所有可能关联中估计出最优关联,随目标数目指数倍增的关联复杂度制约了雷达跟踪多目标的能力.因此提出了一种低运算复杂度、高跟踪精度的多目标跟踪算法和与其配套的航迹管理方法,目标和杂波产生的量测点被建模为泊松点过程,以量测的来源为缺失信息,通过...     

多普勒信息辅助的杂波环境下多目标跟踪算法

传统雷达目标跟踪方法仅利用目标的位置信息进行数据关联,在处理密集杂波环境下的多目标跟踪问题时,容易产生虚假航迹,甚至出现误跟、失跟的现象。该文针对此问题提出一种多普勒信息辅助的杂波环境下多目标跟踪算法。首先引入多普勒信息带来的观测方程非线性,以及速度观测与距离观测之间的相关性问题,基于IPDA-UKF算法框架,综合利用目标的位置和速度信息构建多维关联波门,利用多维信息进行有效量测的筛选,从而将一个多目标数据关联的问题转化为多个单目标数据关联的问题,然后采用IPDA-UKF分别估计各个目标的存在概率和运动状态。仿真结果表明:相比其他算法,该算法充分利用距离和速度之间的相关性,不仅降低了杂波环境下多目标数据关联的复杂度,提高了数据关联的效率,而且目标跟踪精度也得到了明显提升。