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。     

相控阵雷达多目标跟踪原理及数据关联算法研究

介绍了目标跟踪原理,并以多功能相控阵雷达为背景,研究了多目标跟踪数据关联过程.针对数据关联过程中量测起源的不确定性问题及概率数据关联算法(PDA)和联合概率数据关联算法(JPDA)的不足,给出了一种改进的概率数据关联算法(MPDA),该算法既不像PDA算法那样不考虑公共测量值对航迹的影响,也不像JPDA算法对所用的关联解进行搜索,而是重点分析了跟踪门交叠区域中的公共测量值对航迹更新的影响.蒙特卡罗仿真结果表明,该算法具有较小计算量及较好的实时跟踪性能,适于相控阵雷达的数据处理.     

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。      

广义概率数据关联算法

随着跟踪环境、跟踪对象和跟踪系统的不断变化、发展,目标与量测已很难仅仅以一一对应的关联关系来描述,这使得多目标跟踪中数据关联这一核心问题更具挑战.Jesus Garrcia、T.Kirubarajan和Bar-Shalom等学者从智能方法或重复使用一对一分配JPDA等方面进行了研究,取得一定成效,但计算量和性能均未达到理想效果.本文首先提出更符合实际情况的新的目标与量测相关联的可行性规则,给出广义联合事件的一种分割与组合方法,利用贝叶斯法则推导出了一种全局次优的广义概率数据关联算法(Generalized Probability Data Association,GPDA).通过本文设计的各种典型环境的仿真计算表明,GPDA算法的性能在目标与量测无论是否在一一对应的情况下,全面优于JPDA算法,且由于新算法的设计技巧,使计算量和存储量也大大小于JPDA算法,为发展同时具有良好实时和关联性能的多目标跟踪算法给出了新的尝试.     

基于PPP模型的多扩展目标跟踪的JPDA算法研究

针对多扩展目标跟踪问题,提出了基于泊松点过程（Poisson Point Process, PPP）模型的多扩展目标跟踪的联合概率数据关联（Joint Probabilistic Data Association, JPDA）算法。首先,采用PPP对扩展目标进行测量建模,其次以“多对一”关联模型思想提出一种的JPDA算法,从而计算运动目标的当前有效量测的边缘关联概率,然后结合该边缘关联概率以概率数据关联（Probability Data Association, PDA）的方式分别更新每个扩展目标的运动参数和形状参数向量,最后通过仿真实现了当扩展目标相互靠近或出现交叉时的跟踪。实验结果表明,在高杂波环境下,本文所提出的算法在计算时间和跟踪稳定上具有较明显的优势。      

杂波背景下自适应IMM机动目标跟踪算法

针对杂波背景下多机动目标跟踪问题,提出一种基于时变转移概率交互式多模型(IMM)的模糊数据关联跟踪算法。首先,针对传统IMM算法模型转移概率假设为常数导致模型间过度竞争的问题,基于贝叶斯理论,推导出一种时变模型转移概率IMM算法,增强了优势模型的利用率;其次,针对传统JPDA算法由于聚矩阵拆分而导致的计算组合爆炸问题,利用模糊聚类的方法,直接计算相关波门内候选量测与目标间的关联概率,用概率加权对目标进行状态和协方差的更新。仿真实验表明:算法对不同机动目标的跟踪适应性得到增强,相比传统的JPDA算法,在保证跟踪精度的基础上其时间性能比较优越,是一种较为实用的工程应用算法。     

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。     

基于数据关联快速算法的目标跟踪与仿真研究

针对利用传感器对密集目标进行跟踪中联合概率数据关联(JPDA)计算量大,出现计算组合爆炸而导致效率低下的问题,简要介绍了数据关联快速算法(FAFDA),建立了基于坐标变换和自适应α-β滤波的数据关联快速算法模型并进行了模拟战场实际目标的仿真试验,仿真结果表明该算法能很好的跟踪目标,其跟踪精度符合实际要求,计算量明显减小,提高了跟踪实时性.     

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。     

次优联合概率数据关联算法的研究

数据关联算法的研究是多目标跟踪中的核心问题,多目标跟踪的精度和计算过程的复杂度均取决于所采取的数据关联算法的优劣。文中对2种典型的次优联合概率数据关联算法进行了研究,结合仿真结果指出了上述2种次优算法间的本质差异,同时还提出了一种改进的次优联合概率数据关联算法。计算机仿真表明,改进的算法较原算法具有更好的跟踪性能。     

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。     

利用JPDA 进行编队目标的多雷达航迹关联应用研究

航迹关联是航迹融合中的关键步骤。在对同一编队内多个目标进行多雷达航迹关联时,受系统误差残差的影响,航迹关联正确率无法满足使用要求。为了解决此问题,文中在多雷达航迹关联过程中引入JPDA 算法,通过选择合理的联合事件来计算航迹关联似然值,并构建系统仿真模型,针对工程实用的经验JPDA 和次最优JPDA 算法进行了分析,通过比较原始的航迹关联结果和分别加入两种JPDA 算法后的航迹关联结果,能够表明JPDA 算法对于编队多目标环境下的航迹关联正确率有较好的提升作用。     

基于改进KFCM聚类的数据关联算法

针对传统的基于模糊C-均值(FCM)聚类的数据关联算法存在的缺陷,提出了一种基于改进核函数模糊C-均值(KFCM)聚类的数据关联算法。该算法以改进的KFCM聚类为基础,通过放宽KFCM聚类的约束条件来增强系统的鲁棒性,并引入信息熵自动确定目标数以作为数据关联的前期准备,再将改进的KFCM聚类算法引入JPDA算法,通过避免对联合事件的概率计算和对确认矩阵的拆分,以实现数据的正确关联和对多目标的实时跟踪。仿真结果表明算法有效可行。     

多传感器多目标分布跟踪中数据关联的快速算法

本文提出了一种基于局部估计融合的多传感器多目标数据关联算法，它包括粗关联和精关联两个过程。     

一种HRRP特征辅助的多目标JPDA算法

针对强杂波环境下,联合概率数据关联（Joint Probabilistic Data Association, JPDA）算法的计算复杂度不能满足复杂电磁环境下数据关联的实时性要求,本文提出了一种基于高分辨一维距离像（High Resolution one-dimensional Range Profile, HRRP）特征辅助的JPDA算法。首先,计算量测与目标的HRRP特征相似度;然后利用特征相似度辅助JPDA算法完成波门搜索,减少可行事件的数量;最后使用特征相似度对可行事件的发生概率进行修正,进而修正量测与目标的关联概率。实验结果表明,本文算法提高了关联性能,同时还极大地提高了算法的实时性。