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.     

扩展概率数据关联新算法

基于新的联合事件定义，推导出一种联合概率数据关联新算法．在此基础上，分析了该算法（本文取名为ＥＰＤＡ）与概率数据关联ＰＤＡ的关系，从而得出ＥＰＤＡ可看成ＰＤＡ的一种扩展的结论，同时，还从理论角度说明Ｆｉｔｚｇｅｒａｌｄ提出的简化ＪＰＤＡ算法中近似经验常数可精确计算，也可近似给定，不仅仅只能靠经验给定．ＥＰＤＡ克服了传统ＯＤＡ算法不可回避的组合爆炸难题，是一种性能优良的数据关联算法．仿真分析证明，本文提出的扩展概率数据关联算法实时性、有效性强，适于工程应用．     

数据关联算法的研究

在现代目标跟踪系统中,数据关联是一个重要组成部分.由于测量来源的不确定性,密集环境中的目标跟踪比较困难.概率数据关联算法和联合概率数据关联算法能很好地处理目标跟踪并在很多领域得到了广泛的应用.但是一旦出现某种干扰或是故障,通过概率数据关联算法得到的滤波值也会偏离真实值很多,造成滤波发散,严重影响性能.针对这一不足,基于概率数据关联算法中的组合新息,提出了修正概率数据关联算法.最后用一些实例来评价该跟踪算法的跟踪性能,仿真结果表明了修正概率数据关联算法和修正联合概率数据关联算法的有效性.     

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。     

反向预测加权邻域数据关联算法

标准最近邻域数据关联算法在杂波环境下可能出现误跟踪和丢失目标的现象。综合考虑相关波门内所有候选回波,提出了反向预测加权邻域数据关联算法。通过计算候选回波反向预测新息范数,归一化后作为各候选回波的加权系数,然后将候选回波加权和作为等效回波,并对目标的状态进行更新。该算法有效降低了最近邻域算法中误关联对跟踪效果的影响。仿真结果表明,该算法在保持较少计算量的同时,可有效避免误跟踪和丢失目标。     

基于联合概率数据关联的车用多传感器目标跟踪融合算法

针对智能车辆前向多传感器多目标跟踪融合问题,提出一种基于改进的联合概率数据关联的车用多传感器跟踪融合算法。首先,根据车辆坐标系和各传感器坐标系的相对运动关系,对多传感器数据进行坐标变换,之后采用基于改进的联合概率数据关联的单传感器多目标跟踪算法、基于相关序贯关联法的多传感器关联算法和凸组合融合算法实现了对目标的稳定跟踪与准确融合。最终,通过装备毫米波雷达和摄像头的实验车在实际交通环境下进行实车试验,试验结果表明:目标被稳定跟踪且融合结果具有良好的精度,验证了算法的可行性和有效性。     

基于距离相似度的数据关联算法分析

多目标测向交叉定位时易产生大量虚假定位点,通过量测与目标之间的约束条件最大限度缩小假设集,再通过计算不同浮标组合下目标的距离相似度来滤除虚假点,获得目标真实航迹。该方法无需先验信息,只需3个测量平台,降低了平台间时间同步和数据互联的复杂度。仿真实验表明,应用该方法可以快速、稳定地完成多目标数据关联,具有良好的工程应用价值。     

基于有效预测区域的模糊数据关联

多目标多传感器跟踪系统由数据关联和目标状态估计两部分组成,数据关联是多目标跟踪系统研究的核心。数据关联和目标状态估计两部分既有一定的独立性又有密切的联系,而将两部分合理地结合对提高跟踪系统的性能是重要的。该文以跟踪目标的有效预测区域为依据,利用基于Mahalanobis距离的模糊均值聚类方法解决数据关联问题,在一定程度上将数据关联和目标状态估计两个不同的过程相结合,仿真计算说明了其有效性。     

一种简化的联合概率数据关联算法

从分析联合概率数据关联(JPDA)算法的确认矩阵入手，建立了计算聚概率矩阵的近似公式，并根据聚概率矩阵中元素的大小，重新定义了新的确认矩阵，使可行联合事件的数目显著减少，有效地解决了联合概率数据关联算法可行联合事件过多、计算负荷过大以及实时性能差的问题。理论分析和Monte Carlo仿真表明，该算法具有较大的工程应用价值。     

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．     

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。     

随机集粒子滤波的快速被动数据关联算法

针对杂波干扰环境下的被动多目标跟踪问题,将多站集中式融合方法与概率假设密度粒子滤波递归过程相结合,实现被动多目标跟踪．进一步,将概率假设密度粒子滤波递归过程并行化处理,每个目标使用单独滤波器跟踪,避免了大量粒子的聚类过程,简化算法复杂度,进而提出一种快速被动数据关联算法．实验结果表明,与传统算法相比,新算法可以在不增加额外计算负担的基础上,有效得到每个目标的航迹．特别对于目标发生交叉的情况,能很好地区分每个目标的航迹．     

量测划分的PHD航迹关联算法

高性能空中机动目标跟踪是现代预警雷达的核心任务之一.为了提高概率假设密度(PHD)滤波器的多目标跟踪性能,提出了一种基于量测划分的PHD航迹关联算法.考虑到传统PHD滤波无法给出目标各自的航迹属性信息,而且当跟踪区域存在大量杂波时,滤波效率严重降低;同时,对于密集邻近多目标跟踪,传统方法还存在不同目标跟踪的量测不匹配问题.针对上述问题,提出了分类检索的椭球门限量测划分方法,并将其应用到改进的高斯项权值重新分配的PHD航迹关联算法中,首先对每一步得到的量测集合通过分类检索的椭球门限方法,划分为已存在目标、新生目标和杂波的量测子集,再分别对各类目标使用对应的量测子集进行跟踪滤波,这样去除了杂波对真实目标的无效更新计算,提高了航迹关联算法的计算效率;其次,通过引入一种新的权值分配规则,调整邻近目标的高斯成分的权值大小,大幅减小了邻近目标的状态提取误差,提高了相邻目标的跟踪估计精度.大量数值仿真表明,所提方法明显改进了滤波计算效率和邻近目标跟踪精度.     

舰载指控系统航迹相关算法研究

基于随机神经网络的多目标数据关联成果的基础上，提出一种新的适合实际应用的多目标跟踪的综合方法。该方法放弃了联合概率关联方法的加权平均更新航迹的特点，利用计算出来的互联概率在航迹更新时作一对一的互联决策，解决了跟踪多目标时相邻目标时相邻目标的航迹趋于合并的问题，同时给出了航迹起始的通用方法，并通过仿真研究说明改进算法的有效性和可行性。     

Fuzzy data association algorithm assisted by historical features

Aiming at the problem of strong ambiguity and uncertainty in the observed data,the author proposes a fuzzy data association algorithm based on the historical features of high-resolution one-dimensional range profile.First,for the high-resolution one-dimensional range profile's attitude,amplitude,and time-shift sensitivity,feature extraction is performed to obtain low-sensitivity features.Then,the features of the track initiation are used to construct the initial feature sample database;the features of the historical moment are utilized to construct the historical feature sample database,and the feature sample database is updated in real time.The feature weight is obtained by the interval entropy weight method and the fuzzy membership of the measurement,and the target is calculated to construct a fuzzy matrix.Finally,fuzzy data association is completed based on the principle of maximum fuzzy membership.Experimental results show that,in both the maneuvering and non-maneuvering scenarios of the target,the association performance of the proposed algorithm is better than that of the fuzzy data association algorithm.And with the increase in the clutter density,the association performance of the two algorithms is gradually decreased,but the association performance of the proposed algorithm becomes better.     

A combination algorithm of Chaos optimization and genetic algorithm and its application in maneuvering multiple targets data association

The most important problem in targets tracking is data association which may be represented as a sort of constraint combinational optimization problem. Chaos optimization and adaptive genetic algorithm were used to deal with the problem of multi-targets data association separately. Based on the analysis of the limitation of chaos optimization and genetic algorithm, a new chaos genetic optimization combination algorithm was presented. This new algorithm first applied the "rough" search of chaos optimization to initialize the population of GA, then optimized the population by real-coded adaptive GA. In this way, GA can not only jump out of the "trap" of local optimal results easily but also increase the rate of convergence. And the new method can also avoid the complexity and time-consumed limitation of conventional way. The simulation results show that the combination algorithm can obtain higher correct association percent and the effect of association is obviously superior to chaos optimization or genetic algorithm separately. This method has better convergence property as well as time property than the conventional ones.     

杂波环境下神经网络数据关联算法

文中提出了一种基于Ｈｏｐｆｉｅｌｄ网络的多目标数据关联算法,构造了多目标数据关联Ｈｏｐｆｉｅｌｄ网络的新能量函数,该函数是观测点迹与航迹预测点迹统计距离的函数．算法考虑了数据关联的整体效果,成功地提高了正确关联概率．仿真表明,在杂波环境下和无杂波环境下该算法较最近邻（ＮＮ）法有明显优势．     

火电厂数据挖掘中关联规则算法的应用

随着自动化和信息技术的应用,大量的生产实时数据被长期保存到企业信息系统中.充分挖掘这些数据背后蕴藏的信息和知识,对于优化生产过程、节能降耗和提高决策水平具有重要的价值.通过分析天津盘山电厂数据,以降低煤耗率为目的,使用关联规则算法对火电厂数据进行挖掘,并分析了各个参数对煤耗率的影响.