基于Meanshift聚类Bhattacharya观测似然度修正的联合概率数据关联改进算法

为降低多目标航迹聚集时联合概率数据关联（JPDA）联合关联事件的计算复杂度,提出一种基于Meanshift聚类〖CD*2〗Bhattacharya（Bhy）观测似然度修正的JPDA改进算法。利用Meanshift得到聚类中心,据聚类中心与目标预测量测马氏距离形成跟踪门;提出Bhy似然度矩阵,将Meanshift聚类中心与各量测Bhy距离所表征的观测似然度作为确认矩阵小概率事件划分依据,消除确认矩阵中小概率事件对联合关联事件计算复杂度的影响。实验结果表明：多目标航迹聚集时,该算法在减少计算复杂度同时保持了较高关联精度,跟踪性能明显优于经典JPDA。     

基于量测划分的单传感器多目标数据关联算法

在PDA算法的基础上,提出了一种基于量测划分的单传感器多目标数据关联(MSDA)算法;与JPDA算法相比,MSDA算法采用二维分配算法来消除共有量测对相邻目标的影响;与PDA算法相比,MSDA算法仅采用扩充后的私有量测集合来完成目标航迹的更新过程。对MSDA算法、JPDA算法、PDA算法在不同条件下的关联效果进行了仿真计算。仿真结果表明:在关联精度上,MSDA算法要优于PDA算法,但略低于JPDA算法;在实时性上,MSDA算法与PDA算法基本相当,而要明显优于JPDA算法。     

基于CKF的特征辅助数据关联多目标跟踪

针对密集杂波环境下的多目标近距跟踪问题,提出了一种基于容积卡尔曼滤波(CKF)和特征辅助数据关联的多目标跟踪算法(FADA-CKF).通过特征信息来对传统量测进行扩维,利用扩维后的量测对关联概率进行修正,将特征信息辅助技术融入到联合概率数据关联中,再利用容积卡尔曼滤波(CKF)处理非线性观测量,对目标状态进行估计.将FADA-CKF算法用于近距多目标跟踪场景中,仿真结果表明,改进算法在跟踪精度和误跟率方面要优于传统的JPDA跟踪算法.     

多回波环境中多机动目标跟踪的新算法*

目标的状态估计与数据关联是机动多目标跟踪中的关键问题.针对杂波环境中多机动目标的跟踪问题,本文首先引入一种自适应滤波算法,并与快速概率数据关联算法结合,提出一种适于实际应用的密集回波环境下机动多目标跟踪的新算法-快速自适应概率数据关联(FAPDA)算法,利用近似概率数据关联(PDA)算法的计算量达到优于联合概率数据关联(JPDA)算法的跟踪效果,并能快速检测到机动.通过与JPDA算法的仿真结果进行对比,表明了该算法的有效性和快速性.     

融合多特征信息的联合概率数据关联算法

针对传统联合概率数据关联(JPDA)算法仅利用传感器状态测量信息的不足,提出了一种融合目标多种特征信息的改进JPDA算法。该算法首先根据各种特征信息和目标之间关联度的定义,计算出各种特征信息的测量值与目标之间的关联度矩阵,然后利用D-S证据理论融合状态测量和多种特征信息,最后用融合后的关联概率修正JPDA算法得到的关联概率,以此对目标的状态进行更新。仿真实验表明,与原有的JPDA算法相比,所提改进算法的跟踪误差可降低约27至60个百分点。     

一种新的杂波环境下多机动自适应跟踪算法

针对密集杂波环境下对多个高机动并有轨迹交叉的目标进行跟踪的问题,由于交互式多模型联合概率数据关联算法在目标密集和多模型情况下会出现计算组合爆炸的情况,提出了一种结合交互式多模型算法IMM和简化的联合概率数据关联算法Cheap JPDA的自适应跟踪算法.Cheap JPDA算法节省了JPDA算法中确认矩阵的拆分过程,降低关联概率计算难度及计算量.通过Monte Carlo仿真表明,算法能够很好的实现机动目标的跟踪性能,从而说明了算法的有效性.     

利用回波幅度信息辅助的模糊聚类关联算法

针对传统模糊聚类关联算法在对近距离运动目标进行跟踪时容易出现航迹合并或航迹丢失的缺点,提出了一种改进的模糊聚类关联算法.该算法综合考虑了目标运动学信息和雷达回波幅度信息对数据关联过程的影响,并在计算模糊隶属度函数时利用雷达回波幅度信息对其进行了修正.该算法在没有显著增加计算量的前提下,提高了对距离较近且运动模式也相似的目标的关联效果.仿真实验结果表明,该算法关联精度较高,计算量适中,具有较好的工程应用价值.     

舰载红外警戒系统的单站多目标数据关联与滤波算法

针对舰载红外警戒系统和所观测目标的特点,本文提出一种单站被动式跟踪系统的关联滤波算法.首先选取极坐标系建模使系统方程得到简化,然后基于启发式规则进行航迹起始,并给出纯角度域下的联合概率数据关联算法(JPDA),接着分析变量在角度域的变化规律,结合实际对算法进行修正从而完成交互多模型(IMM)的跟踪滤波.不同的仿真场景被给出用于验证该算法的性能,蒙特卡罗仿真结果表明该算法的有效性.     

基于改进PDA的弱点状多目标交叉运动跟踪算法

采用独立跟踪区域的划分和公共量测点数据的去藕聚类技术,将原本只适用于单目标跟踪的概率数据关联（PDA）算法改造成能够在强杂波环境中跟踪多个点状目标交叉运动的情况。该算法比传统基于JPDA（联合数据关联）的多目标跟踪算法的计算量和复杂度都小。仿真试验表明,该跟踪算法具有高精度的跟踪性能。     

As-IPDA算法在OTHR航迹维持中的应用

天波超视距雷达(OTHR)具有的低数据率、低检测概率和低量测精度特征对目标跟踪提出挑战;由于对航迹、航迹存在概率的平滑作用,基于状态扩维IPDA(As-IPDA)算法在目标跟踪中得以很好应用,文章把As-IPDA算法引入到天波超视距雷达目标跟踪环境中;仿真结果表明,与传统的概率多假设跟踪(PMHT)算法相比,As-IPDA算法在目标跟踪精度、失跟率以及实时性方面都有满意的结果,从而验证了该算法在天波超视距雷达目标跟踪中的有效性、可行性.