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.     

跟踪密集多回波环境下多机动目标的IMM-PC算法

跟踪密集多回波环境下的多机动目标不论是对数据关联方法,还是对滤波算法来说都是一个具有挑战性的问题,根据已有研究成果,采用交互多模型结合全局最优关联体制的方法是目前解决该问题的推荐方法。本文提出的交互多模型一投影收缩(IMM-PC)算法符合上述想法,采用当前优化算法前沿中简单有效的投影收缩算法,来解决全局最优关联问题,因此对跟踪密集多回波环境下的多机动目标是实用有效的,大量的仿真试验也验证了这一点。     

机动多目标跟踪神经网络方法

本文介绍基于神经网络的机动多目标跟踪方法，从跟踪的起始、跟踪维持以及跟踪终结等各个方面，提出了完整的算法。     

FCM与PDA相结合的多传感器多目标跟踪算法

传统的概率数据关联算法(PDA)是在密集杂波环境下的一种良好的多目标跟踪算法,但它是针对单传感器对多目标跟踪的情况下使用,不能直接用于多传感器对多目标的跟踪.针对多传感器多目标跟踪问题,提出一种改进的PDA算法,采用FCM算法预测航迹的聚类中心,然后采用PDA方法对航迹进行跟踪.仿真实验证明此方法能有效地进行多传感器多目标的跟踪.     

基于核聚类的机动多目标数据关联问题研究

针对新型作战样式条件下空中多机动目标密集回波的数据关联问题,采用核学习方法和K-均值聚类相结合的算法,即基于核的K-均值聚类来解决此问题.该方法的主要思想是,将原空间中的样本通过一个非线性映射,映射到高维的核空间中,以突出各类样本之间的特征差异,然后在核空间中进行K-均值聚类.仿真结果表明,该方法有效提高了密集回波环境下系统跟踪机动多目标的关联精度和可靠性.     

基于CHNN的机动多目标跟踪算法及其参数特性研究

关于密集多回波环境下机动多目标跟踪,因其JPDA问题计算量出现的组合爆炸的现象,从而导致实时跟踪效果极差的问题.引入能解决组合优化问题的连续型Hopfield神经网络方法,来减少其计算量,并结合改进的模拟退火算法来优化网络收敛性和全局最优问题.其中,在已知网络能量函数下,对应的网络参数对网络性能产生了直接影响.因此,在实验的基础上,对神经网络参数进行分析研究,并充分证实了该方法解决JPDA问题的有效性,并给出了相应的积极结论.     

一种基于优先级调度的相控阵机动目标跟踪方法

在相控阵雷达跟踪加搜索（ＴＡＳ）工作方式下,为跟踪较大的机动目标,提出一种目标机动检测器设计方法,得到归一化的目标机动系数．基于该方法,给出了一种动态计算优先级的调度算法,较好地解决了机动多目标跟踪的资源调度问题．与几种常用机动检测器相比较,结果表明了这种机动检测器具有更高的检测概率．最后在多目标环境下进行机动目标跟踪的蒙特卡罗仿真,仿真结果显示了多目标机动检测器和资源调度算法的有效性．     

基于模拟退火粒子群算法在数据关联上的研究

在高密集多回波环境下,数据关联问题仍是多机动目标跟踪难点问题之一。为了提高跟踪的精度和可靠性,应用智能的优化算法将数据关联问题表达为一类函数求近似最优解的问题。模拟退火粒子群算法是对模拟退火算法和粒子群算法取长补短,相互结合的一种优化算法。仿真结果表明,模拟退火粒子群算法能有效的解决数据关联问题,并且明显的优于独立地使用模拟退火和粒子群算法。     

一种改进的联合概率数据关联算法

对于多目标跟踪问题,数据关联是其核心部分,联合概率数据关联算法(JPDA)是多目标跟踪的典型方法。当目标较为密集,计算量剧增,会出现计算组合爆炸现象,而其本质就在于确认矩阵拆分成可行矩阵的计算量。为了降低JPDA的计算量,本文提出了一种改进的JPDA算法,在拆分确认矩阵时引入分支定界算法的思想,以确定每个目标的最后一个回波。当搜索到最后一个回波时停止搜索,执行下一个目标回波的搜索,直至结束。利用该改进算法对杂波环境下多目标跟踪进行仿真实验,结果表明,该算法使其时间代价减少。     

一种基于优先级调度的相控阵机动目标跟踪方法

在相控阵雷达跟踪加搜索（ＴＡＳ）工作方式下,为跟踪较大的机动目标,提出一种目标机动检测器设计方法,得到归一化的目标机动系数．基于该方法,给出了一种动态计算优先级的调度算法,较好地解决了机动多目标跟踪的资源调度问题．与几种常用机动检测器相比较,结果表明了这种机动检测器具有更高的检测概率．最后在多目标环境下进行机动目标跟踪的蒙特卡罗仿真,仿真结果显示了多目标机动检测器和资源调度算法的有效性．

     

多目标跟踪的若干问题

本文对多目标跟踪的一些常用算法作了评述,并提出了修改意见.针对高虚警环境下的目标跟踪,引入了点似然函数的概念,提出 PLFF 跟踪算法;针对机动目标跟踪的随意性和人为性,提出一种输入估计的二次修正法.仿真表明了它们比常用算法的优点.     

多传感器多目标跟踪的粒子PHD滤波算法

针对单传感器跟踪系统的缺陷,提出了基于粒子概率假设密度(PHD)滤波的多传感器多目标跟踪算法.这种算法不仅避免了多传感器多目标跟踪的数据关联问题,而且在漏检、目标密集、航迹交叉、小范围内目标数多的杂波环境下能够稳定、精确地估计目标状态和目标数.仿真实验比较了单传感器粒子PHD滤波与多传感器的粒子PHD滤波的跟踪性能,验证了该方法的跟踪性能和精度.     

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.     

一种机动目标的PMHT跟踪算法

在多目标跟踪中一些传统关联算法的计算负荷是和目标数目及量测个数呈指数型关系增长,概率多假设跟踪算法（PMHT）很好地解决了这一问题;通过将机动输入项建模为马尔可夫过程,提出了一种推广的PMHT算法（EPMHT）以解决机动多目标跟踪问题;仿真结果表明该算法是有效的.     

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.     

基于随机神经网络的数据关联组合优化研究

本文研究密集多回波环境下的机动多目标数据关联问题，通过对联合概率数据关联方法性能特征的分析，将其归结为一类的束组合优化问题，进而应用随机神经网络Ｂｏｌｔｚｍａｎｎ机的组合优化求解策略，结合改进的模拟增益退火方法，提出了一种新颖有效的机动多目标快速随机神经数据关联组合优化算法，克服了传统，ＪＰＤＡ存在出现的计算组合爆炸现象，仿真结果表明，该方法不仅收敛速度快，而且计算量小，关联效果好，回波愈密集，其     

效能评估方法在多目标跟踪系统中的应用

基于系统工程理论，分析了影响机动多目标跟踪系统基本效能的各要素，给出机动多目标跟踪系统的基本效能指标及其定义，从而建立了雷达机动多目标跟踪系统的效能评估模型。最后通过仿真分析给出了3种移目标跟踪算法的效能评估结果。     

新的高效多目标跟踪算法*

基于对JPDA和PDA算法的研究,为解决密集杂波环境下多目标跟踪算法复杂性问题,提出了一种新的快速算法,即在多目标环境下考虑近邻目标的影响,采用一种快速方法计算聚概率矩阵,然后用阈值法获取确认概率矩阵,搜索大概率可行联合事件。仿真结果表明,该算法与JPDA算法相比,有较好的跟踪精度,相对误差几乎为0,跟踪时间减少了54%,由此可见新算法具有计算量小、实时性高的优点。     

一种红外多目标跟踪的快速算法

含有新目标跟踪起始的数据关联问题是多目标跟踪算法研究中的一个难点,同时红外目标又有其自身的独特之处。首先描述了红外搜索跟踪(IRST)系统进行多目标跟踪中的跟踪起始和跟踪终结问题;然后提出了采用可变跟踪门的方法,并将IRST系统接收到的目标红外辐射作为一个参考量。给出了多目标跟踪起始和数据关联的快速算法。最后给出了数值仿真试验结果,仿真表明了这种算法的快速性和有效性。     

多传感器高斯混合PHD融合多目标跟踪方法

针对复杂环境下单传感器多目标跟踪方法效果不佳的问题,基于FISST（Finite set statistics）跟踪理论提出一种多传感器高斯混合PHD（Probability hypothesis density）多目标跟踪方法.首先,分析了FISST下多传感器PHD的形式化滤波器,在此基础上构建一种反馈式多传感器PHD融合跟踪框架;进一步利用高斯混合技术提出多传感器PHD跟踪方法;最后,通过解决多传感器后验PHD粒子匹配与融合问题提出三种算法.仿真实验表明,与常规高斯混合PHD跟踪算法相比,本文所提算法能够有效提高目标跟踪精度和鲁棒性.