航迹关联指派算法研究

为了解决多目标航迹关联问题,将假设检验方法和线性指派算法综合起来形成了检验优先和指派优先两类方法．针对3种典型算法在雷达探测能力受限或者目标密集场景下容易出现错误关联的问题,提出了一种改进的检验优先算法．该算法通过惩罚性地增加虚拟目标的关联代价来改善关联性能．设计最简单的二目标场景和多目标场景对该算法进行了仿真．仿真结果表明,该算法在目标密集和雷达检测概率下降时仍然能够保持较高的关联性能．     

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．     

基于方位量测的异类传感器航迹关联决策方法

根据基于方位量测的航迹关联函数,找出最近邻的异常传感器航迹时,采用硬决策方法进行异类传感器航迹关联判决。仿真结果表明,该关联方法具有很高的正确关联概率。     

多目标跟踪数据关联算法综述

多目标跟踪在军事、医疗和交通等方面应用广泛.考虑存在误检、漏检和噪声的情况,数据关联问题成为多目标跟踪中一个核心难点问题.通过介绍最近邻法、多假设关联、概率数据关联、联合概率数据关联、粒子滤波和模糊目标跟踪等6种经典数据关联算法,分析各种算法的优点和局限性,以及近几年的研究进展,展望其未来的发展趋势.     

改进的多传感器多目标量测数据关联算法

提出融合多传感器测量对目标位置进行估计的广义概率数据关联(MSPE-GPDA)算法. 首先对所有可能的多元量测组合进行预关联检验,通过检验的有效多元量测组合所对应的目标位置进行最优估计;根据广义概率数据关联算法计算通过预关联检验的各有效量测组合与目标航迹间的关联概率,并用来计算目标的更新状态. 与顺序处理的多传感器广义概率数据关联算法和利用多传感器量测进行目标位置估计的联合概率数据关联算法相比,MSPE-GPDA算法集中了最优估计和有效信息复用两方面的优点. 理论分析与仿真实验结果均验证了所提算法的有效性.     

测向交叉定位系统的动态航迹起始算法

提出了一种两站测向交叉定位系统多目标跟踪的动态航迹起始算法。该算法根据启发式规则消除一部分虚假定位点,用Hough变换法检测出所有直线航迹,再利用逻辑法起始真实目标的航迹。对存在虚警、漏检和目标数量未知的复杂环境的仿真研究,证明了该算法的有效性。讨论了新算法由两站系统推广到多站系统的方法,避免了多站测量数据关联的NP完全问题。     

一种新的未知杂波环境下的PHD滤波器

针对多目标跟踪中概率假设密度(PHD)滤波器在杂波模型与先验知识不匹配情况下滤波性能急剧下降的缺点,将增广状态空间引入PHD滤波器,提出了一种新的未知杂波环境下的PHD滤波器．该滤波器利用增广状态空间区分目标状态空间与杂波状态空间,通过量测对杂波模型进行估计,不需要杂波先验知识,避免了因杂波强度的先验知识选择不当而造成PHD滤波器跟踪性能下降的问题．仿真结果表明,该算法在未知杂波环境下,具有稳定的跟踪效果;在保证实时性的前提下,其跟踪精度与传统PHD滤波器在杂波模型匹配情况下相当．     

基于小波变换的模糊航迹关联算法

航迹关联是实现分布式多传感器信息融合的关键技术.针对传统的模糊关联算法正确关联率低的问题,基于小波变换对传统的模糊关联算法进行了改进,提出一种新的航迹关联算法.首先,通过小波分析对目标航迹数据序列进行处理,获取新的航迹特征;然后,采用模糊均值聚类法确立隶属度函数、综合相似度和阈值判决准则,完成对已获取的新航迹特征的分类关联.仿真实验表明：与模糊算法相比,该算法的正确关联率提高约0.30.     

基于三角形拓扑相似性的航迹关联算法

针对多个传感器量测航迹在系统误差下关联融合困难的问题,提出基于拓扑4交差模型和三角形拓扑相似度的航迹关联方法,将传感器探测目标分成若干个拓扑三角形结构,使用4交差模型排除不同传感器探测中相关可能性小的三角形;然后定义三角形相似度,对归属于不同探测源的拓扑三角形相似程度进行度量,从而得出目标之间的相关程度,获取航迹关联结果。仿真结果表明,在目标密集编队时,该算法具有有效性。     

基于多目标灰狼优化的PHD粒子滤波改进算法

针对传统PHD粒子滤波算法存在目标数目估计精度低且位置估计误差大的缺陷,提出一种结合多目标灰狼优化的PHD(MOGWO-PHD)粒子滤波算法.该算法在预测和更新过程之间加入多目标灰狼优化算法,利用最新的观测信息将预测后的粒子集进行重新优化分布,使粒子移动至目标存在的高似然概率区域,减轻重采样后易出现的粒子贫乏问题;然后...     

组网无源雷达变数目多目标跟踪算法

针对组网无源雷达多目标跟踪问题,提出一种新的变数目多目标跟踪算法,实时估计目标数目与多目标状态．算法采用多站集中式融合策略解决无源观测的不完全性问题,采用最小二乘算法构造伪位置观测解决无源观测的非线性问题．针对变数目多目标跟踪问题,利用随机集理论将多目标状态与观测构成随机有限集,通过高斯混合概率假设密度滤波递归计算多目标状态随机有限集的后验强度,实时得到目标数目及其状态的估计．算法引进最小二乘算法估计出候选目标点进行数据关联,解决了无源观测线较近时无源数据关联精度下降问题．仿真实验验证了该算法的有效性．     

Free clustering optimal particle probability hypothesis density（PHD） filter

As to the fact that it is difficult to obtain analytical form of optimal sampling density and tracking performance of standard particle probability hypothesis density（P-PHD） filter would decline when clustering algorithm is used to extract target states,a free clustering optimal P-PHD（FCO-P-PHD） filter is proposed.This method can lead to obtainment of analytical form of optimal sampling density of P-PHD filter and realization of optimal P-PHD filter without use of clustering algorithms in extraction target states.Besides,as sate extraction method in FCO-P-PHD filter is coupled with the process of obtaining analytical form for optimal sampling density,through decoupling process,a new single-sensor free clustering state extraction method is proposed.By combining this method with standard P-PHD filter,FC-P-PHD filter can be obtained,which significantly improves the tracking performance of P-PHD filter.In the end,the effectiveness of proposed algorithms and their advantages over other algorithms are validated through several simulation experiments.     

噪声野值下的学生t分布混合CPHD滤波

针对过程噪声和量测噪声野值导致高斯混合势概率假设密度滤波性能下降的问题,提出了一种基于学生t分布的势概率假设密度滤波。首先,引入学生t分布对重尾的过程噪声和量测噪声进行建模;其次,将多目标后验强度近似为学生t分布混合形式,推导了基于学生t分布的势概率假设密度滤波的闭合解,并采用矩匹配算法防止学生t分布的自由度无限增长。仿真结果表明,在含有过程噪声和量测噪声野值的环境下,所提算法的目标数估计精度和最优子模式分配距离优于高斯混合势概率假设密度滤波和学生t分布混合概率假设密度滤波,提高了多目标跟踪性能。     

基于势概率假设密度平滑器的多目标跟踪算法

针对概率假设密度(PHD)滤波在杂波环境下对机动多目标进行检测与跟踪时,易出现高阶势分布信息丢失,从而导致目标检测出现偏差的问题,提出一种将势概率假设密度(CPHD)滤波与平滑算法相结合的多目标跟踪算法。从CPHD的预测与更新步骤出发,结合后向平滑递归公式,推导CPHD平滑公式,并提出基于高斯混合实现的GM-CPHD平滑器。仿真实验表明,GM-CPHD平滑器的检测与跟踪性能优于未经平滑处理的CPHD滤波器。     

纯方位角系统的实用多目标跟踪算法研究

该文以可变多目标两传感器的纯方位跟踪系统为对象,综合应用目标的速率约束、相关噪声的UKFJ、DPA关联和滑动窗口等方法建立一个新型实用的多目标多传感器纯方位关联跟踪方法。新方法能有效解决目标跟踪过程中所有的关键问题,并具备完整处理可变目标数的多目标关联与跟踪的性能。该文给出了新方法的计算公式,并通过一个计算仿真验证新算法的有效性。     

模糊-概率交互作用的数据关联算法

基于估计理论和模糊系统理论,提出了一种模糊逻辑和概率交互和作用的数据关联算法,以解决密集杂波干扰环境中跟踪机动目标的数据关联问题。模糊关联度和关联概率共同组成了各有效回波的加权系数,弥补了概率数据关联滤波方法（ＰＤＡＦ）的不足,提高了杂波环境中机动目标的跟踪性能。     

基于多模型粒子滤波的机动多目标跟踪算法

针对密集杂波环境下机动多目标跟踪中系统强非线性以及运动模式切换对于滤波精度的不利影响,提出了一种基于多模型粒子滤波的机动多目标跟踪算法.新算法实现了多模型粒子滤波和广义概率数据关联算法的有机结合.通过在粒子状态采样过程中引入模型信息改善了交互式多模型和粒子滤波结合中导致的计算量膨胀问题,并利用广义概率数据关联算法实现回波的有效确认和回波信息的充分利用.给出了应用该方法的具体步骤,最后,理论分析和仿真实验证明该算法的有效性.     

Gaussian mixture PHD smoothing filter in unknown clutter

Aiming at the Multi-target tracking in the unknown clutter environment, this paper proposes a Gaussian Mixture Probability Hypothesis Density (GM-PHD) forward-backward smoothing algorithm, which improves the poor performance of the PHD filter when the clutter model and the prior knowledge are mismatching by estimating the clutter intensity with the finite mixture model. The forward-backward smoothing recursions are applied to improve the state estimation accuracy. Simulation results show that the proposed algorithm performs well in the unknown clutter environment and better than the conventional Gaussian Mixture PHD Filter without smoothing processing in the unknown clutter environment.