杂波环境下基于全邻模糊聚类的联合概率数据互联算法

针对杂波环境下的多目标跟踪数据互联问题,该文提出基于全邻模糊聚类的联合概率数据互联算法(Joint Probabilistic Data Association algorithm based on All-Neighbor Fuzzy Clustering, ANFCJPDA)。该算法根据确认区域中量测的分布和点迹-航迹关联规则构造统计距离,以各目标的预测位置为聚类中心,利用模糊聚类方法,计算相关波门内候选量测与不同目标互联的概率,通过概率加权融合对各目标状态与协方差进行更新。仿真分析表明,与经典的联合概率数据互联算法(Joint Probabilistic Data Association algorithm, JPDA)相比,ANFCJPDA较大程度地改善了算法的实时性,并且跟踪精度与JPDA相当。     

基于权值概率的多目标航迹关联算法研究

针对联合概率数据互联(JPDA)算法在实际应用中计算量大的问题,提出了一种基于权值概率的GNJPDA算法。该方法不需要像传统的JPDA算法求解复杂的确定矩阵和独立关联矩阵,因而具有计算量小、易于工程实现的特点。对该算法的性能分析和仿真验证表明,与JPDA算法相比,GNJPDA算法具有更好的跟踪性能、更强的通用性和可扩展性;并且在密集杂波多目标环境下可实时、有效地跟踪几十批次的目标。     

多传感器联合概率数据互联法的探讨

在研究联合概率数据瓦联(JPDA)法的基础上,探讨了一种近似的JPDA方法,该方法引入"近似聚"的概念,用近似聚矩阵代替确认矩阵,把一个比较大的确认矩阵分成若干个互不相交的小的确认矩阵来进行瓦联矩阵的拆分,以此来减小确认矩阵的观测量数和回波数,从而降低了算法的复杂度和计算量,使JPDA算法适应密集目标实时跟踪的需要.此外,还分析了并行和串行2种多传感器联合概率数据互联法,并就算法的复杂度进行了分析比较.     

基于联合概率数据互联的多假设跟踪算法

针对杂波环境下密集目标的跟踪,在多假设跟踪(MHT)算法框架的基础上将联合概率数据互联(JPDA)算法以联合概率分配的方式引入不相容航迹树间的假设分支生成处理,利用联合概率数据互联在点航迹互斥分配处理中的优势保证簇内不相容航迹树的互斥性.仿真测试和实装测试结果验证了算法的实时性、有效性和鲁棒性,提高了点航迹关联正确率及...     

密集杂波环境下的简化JPDA多目标跟踪算法

为简化联合概率数据关联算法(Joint Probabilistic Data Association, JPDA)的计算复杂度,增强JPDA算法的实时性,设计了一种新的JPDA简化算法。首先根据目标航迹与量测之间的关联规则,定义了一种新的计算关联概率的方法,之后分析公共量测对目标的影响,引入公共量测影响因子修正关联概率。该算法不用进行确认矩阵拆分,有效解决了在密集杂波环境下因回波密度增加而造成的计算上的组合爆炸问题。仿真结果表明,简化的JPDA算法能够在保持对目标有效跟踪的情况下,大大缩短计算时间,提高算法的实时性。      

一种基于改进FCM聚类联合概率数据关联算法

针对多目标跟踪系统中的数据关联问题,提出一种基于改进FCM聚类联合概率数据关联算法(FJPDA)。该算法将改进的FCM聚类方法引入JPDA算法中,避免了对联合事件的概率计算,也避免了对确认矩阵拆分造成的计算量组合爆炸现象,实现了量测与航迹的关联,继而实现对多目标的实时跟踪。仿真结果表明算法简单有效,与JPDA算法相比,在跟踪性能相当的前提下,算法的复杂度和实时性得到了明显的改善。     

一种基于变分推断的雷达多目标跟踪JPDA算法

针对雷达邻近多目标跟踪问题,提出了一种基于变分推断的联合概率数据关联算法（Joint Probability Data Association,JPDA）。通过建立关于目标状态和两个关联指示的概率图模型,并根据不同变量之间的信息传递构造对应的自由能目标函数,迭代该目标函数求解出目标和当前检测量测之间的最佳边缘关联概率。将所提算法与经典JPDA和k 近邻联合概率数据关联(k Nearest Neighbor-Joint Probability Data Association,kNN－JPDA) 算法进行对比,结果表明新算法具备更高的跟踪位置精度,并且能够有效地避免因邻近目标数量增多而引起的计算上的组合爆炸问题。     

基于高斯粒子JPDA滤波的多目标跟踪算法

在多目标跟踪中,由于观测的不确定性带来数据关联问题,并且,多目标状态空间尺寸的增长带来了维数增大问题,该文提出了一种新的高斯粒子联合概率数据关联滤波算法(GP-JPDAF),在JPDA框架中引入高斯粒子滤波(GPF)的思想,通过高斯粒子而不是高斯量,来近似目标与观测的边缘关联概率,利用GPF计算目标状态的预测及更新分布。将其应用于被动多传感器多目标跟踪,仿真结果表明该算法比MC-JPDAF具有更好的跟踪性能。     

杂波环境下的粒子滤波器数据关联方法

为了解决杂波环境下多机动目标的数据关联难题,提出了一种将粒子滤波器(PF)和联合概率数据关联(JPDA)相结合的数据关联算法,该方法首先应用粒子滤波方法对目标的状态进行采样,得到样本(粒子),并结合量测,通过JPDA方法计算得到联合互连事件的关联概率,而该关联概率实际上就是PF中粒子的权值。通过选取适当的有效采样尺度作为衡量PF退化现象的测度,采用重要性重采样技术克服了标准PF的退化现象,降低了算法的计算量。仿真结果表明,粒子滤波方法可以较好地解决杂波环境下跟踪多机动目标的数据关联问题;重要性重采样PF的计算复杂度低于标准PF。     

基于有效量测分集的联合概率数据互联算法

杂波环境下用联合概率数据互联算法(JPDA)跟踪多目标,其计算量将随跟踪目标数的增多和杂波密度的增大而呈指数增长,因此实时性不强;并且JPDA跟踪杂波环境中的近距离目标时,容易造成航迹合并。在充分考虑单个目标独立性的基础上,提出有效量测分集概念。将接收到的有效量测信号按照单个目标的关联划分,确定各目标跟踪波门内的候选量测信号,不考虑量测信号的重复关联。取得单个目标独立性之后,再运用单目标概率数据互联的方法估计目标状态。仿真实验表明,较传统JPDA实时性更强,能够分辨并跟踪近距离目标。     

基于核密度杂波估计的改进MHT算法

传统多假设跟踪(Multiple Hypothesis Tracker,MHT)算法假定杂波强度先验已知,在未知杂波的观测场景中,杂波强度误差将导致数据关联的准确性急剧下降.针对这一问题,本文提出一种基于核密度估计(Kernel Density Estimation,KDE)的在线杂波估计MHT算法.首先利用核密度函数...     

基于粒子滤波和联合概率数据关联的目标跟踪算法

为了解决非线性非高斯系统下多目标跟踪问题,对基于粒子滤波和联合概率数据关联的目标跟踪算法进行了深入研究。在多目标聚集且目标跟踪门可能交叉时,考虑使用基于多目标组合采样的JPDA算法,在多目标聚集不严重时,考虑使用基于独立采样的JPDA算法。仿真结果表明：该方法可以有效地解决非线性非高斯下多目标跟踪问题。     

多传感器多目标联合概率数据关联研究

联合概率数据关联(JPDA)算法对单传感器多目标跟踪是一种良好的算法,但对于多传感器密集多目标跟踪,则计算量剧增,数据关联成功率下降。因此,改进联合概率数据关联(AJPDA)算法对多传感器多目标量测进行同源划分及单一传感器测量数据转换,然后采用JPDA算法求解空间目标轨迹交叉时的数据关联。仿真结果表明,AJPDA算法提高了成功关联概率,降低了求解数据关联概率的难度,可以解决密集目标的正确跟踪问题。     

未知杂波条件下样本集校正的势估计概率假设密度滤波算法

在贝叶斯框架下的多目标跟踪算法中,总是假设杂波的先验信息是已知的。然而,实际应用中,杂波分布一般是未知的,假设的杂波分布往往与实际情况匹配度差,难以保证滤波精度。针对该问题,该文研究了未知杂波势估计概率假设密度(CPHD)滤波算法。首先,提出一种基于狄利克雷过程混合模型(DPMM)类的未知杂波CPHD算法,该算法能够自动选取合适的类数对杂波进行描述,有效降低了杂波空间分布估计的误差。此外,提出样本集校正的思想,并将其引入所提算法,通过去除样本集中由真实目标产生的量测,较好地解决了杂波数过估和目标数低估的问题。与传统算法相比,所提算法的滤波精度更接近于杂波信息匹配情况下的性能,仿真结果验证了其优越性与鲁棒性。     

基于局部相似的红外小目标跟踪算法

连续图片序列中的运动对象与其局部背景保持相对稳定.相邻图像序列的目标局部灰度分布具有相似性.针对红外小目标跟踪杂波干扰与运动模糊问题,设计了基于局部相似的目标增强方法,并提出一种基于局部相似和运动估计的跟踪算法.该算法根据目标的局部相似性构建搜索空间,采用运动估计机制缩小搜索域,然后利用时空上下文学习跟踪算法产生跟踪结...     

短相干积累条件下天波超视距雷达的舰船检测

天波超视距雷达(OTHR)的观测范围非常广,实战中经常要求在短相干积累条件下检测出舰船目标。然而短相干积累时间带来的低多普勒分辨率很难从强大的海杂波中区分出舰船。为了解决这一问题。可以采用海杂波循环对消法,这就要求对杂波参数进行精确估计。传统方法直接利用Fourier谱中的最大幅度估计杂波参数,估计精度不高从而导致对消性能不太理想。该文提出了一种新的基于FFT相位分析的杂波对消法。该方法与传统的杂波对消相比,有效提高了参数估计精度,减小了剩余杂波强度和扩散程度,有利于舰船目标的峰值显露和从剩余杂波中区分出舰船。以上分析和比较得到了实测数据的检验。