基于检测跟踪联合的雷达单帧虚警率计算仿真

针对传统雷达单帧虚警率计算存在雷达探测距离偏低、检测门限高问题,提出了基于检测跟踪联合的雷达单帧虚警率计算方法。量测波门内超过设定阈值的数据,采用跟踪算法进行关联。将跟踪结果反馈到检测中心,通过该反馈信息对波门内的检测阈值进行调整,归一化处理粒子滤波的权重,计算检测单元的相似度,求取非归一化噪声的关联矩阵概率,进而修正粒子滤波的目标状态。根据计算在波门内的虚警率积分,得到波门平均检测概率,实现基于检测跟踪联合的雷达单帧虚警率计算。为验证以上研究的有效性,进行了仿真,结果表明,上述研究获得结果是理想的,具有更高的雷达探测距离,且检测门限降低。说明本研究具有较强应用性。     

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.     

修正概率关联算法在航迹关联中的应用

在雷达组网航迹跟踪问题的研究中,针对杂波环境下雷达对作战目标的跟踪精度,为了准确跟踪目标,通过对现有概率数据关联算法(PDA)和联合概率数据关联算法(JPDA)算法进行改进,引入跟踪区域划分概念和修正因子,提出一种航迹新的修正概率数据关联算法(MPJA).不需要考虑 JPDA 算法中产生所有可能的联合事件,具有计算量小,易于工程实现的优点.仿真结果表明,新算法以与 PDA 算法接近的计算量,达到了接近于 JPDA 算法的目标跟踪成功率,提高跟踪精度.     

小型化高频地波雷达的波形及解调研究

主要讨论了小型化高频地波雷达在海上目标检测方面的波形特性。深入研究了线性调频中断连续波(FMICW)进行硬目标探测的基本原理和信号处理方法,分析了高频地波雷达提取目标距离和速度的原理,在不同波形参数下对解调结果进行仿真。仿真结果显示脉冲压缩对提取距离和速度信息的性能,以及发射波形参数对测距测速的影响。最后利用实际回波数据对目标距离进行了解算,并与仿真结果比较,使之对小型化岸基地波雷达探测目标的波形设计和工程应用具有重要参考意义。     

基于数据关联的多雷达点迹融合算法研究

在典型应用场景下,针对传统数据关联算法易于产生目标跟踪丢失的问题,提出了并行多传感器联合概率数据关联算法(PMSJPDA),给出行多传感器联合概率数据关联算法的实现流程,并对该算法进行理论分析。最后采用两部典型雷达构成PMSJPDA数据融合系统,对其算法的目标跟踪精度进行仿真,仿真结果表明,所提出算法可有效改善对目标的跟踪性能,提高了对目标的跟踪精度。     

基于多特征参数的雷达数据关联及融合

在高密集多回波环境下,针对多雷达系统参照目标位置信息参数进行跟踪时可能出现关联精度较差的问题,加入多普勒频率参数,提高对目标跟踪的精度。针对数据融合过程中各雷达产生的误差不一致问题,提出一种动态分配权值的策略,将带有权值的各雷达数据送往融合中心进行融合计算。仿真结果表明,该方法能改进雷达系统的跟踪精度。     

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.     

基于联合概率数据关联算法的红外弱小目标跟踪

针对在云天背景下运动的红外弱小目标,从数据关联的角度,利用联合概率数据关联算法实现多个红外弱小目标的跟踪.实验结果表明,在杂波环境下,联合概率数据关联算法可以稳健地跟踪多个红外弱小目标的目标状态,跟踪效果好.     

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.     

一种极坐标下基于高斯过程的扩展目标跟踪方法

对于使用雷达系统的扩展目标跟踪,通常将原始测量值从极坐标转换为笛卡尔坐标,然后馈入估计器.但其转换测量期望值在目标真实方位上存在偏差.另外,测量误差协方差的计算取决于实践中不可用的真实状态.针对这一不足,本文提出了一种在概率数据关联框架下基于高斯过程的扩展目标跟踪方法.该方法首先,直接在极坐标中对测量函数进行建模,并求解出测量噪声协方差;其次,建立扩展目标的联合跟踪门对测量进行筛选,并获得测量新息;最后,计算关联事件概率并估计扩展目标的状态.仿真结果表明了该方法的有效性.     

基于面阵的多目标角度跟踪算法

为了实现移动目标的自动角度跟踪,提出了一种基于面阵的多目标角度跟踪算法.通过估计相邻时间段的协方差矩阵,求解方程组得到目标角度更新信息;同时引入了校正过程,降低了累积误差,提高了跟踪精度.该算法不需要更新信号子空间,相邻时段估计的角度是自动关联的,省去了数据关联过程,降低了运算量;不同于一维角度跟踪算法,该算法可以同时跟踪移动目标的方位角和俯仰角.仿真结果表明了该算法的有效性.     

基于强跟踪滤波和反馈综合的多传感器分布式航迹融合

研究基于强跟踪滤波和反馈综合相结合的多传感器分布式航迹融合算法.首先,以反馈 前后形成的跟踪门的交集构造有效跟踪门.然后,将强跟踪卡尔曼滤波和概率数据关联算法相结 合.利用构造的有效跟踪门,提出了一种新的多传感器分布式航迹融合算法.最后,对原有算法和 所提算法进行了仿真研究.     

基于深度学习的分层关联多行人跟踪

由于连续帧之间数据关联的不确定性和所提取外观特征的鉴别力不足,多目标跟踪容易受目标外观变化、运动状态变化、相似目标以及目标消失再出现等干扰因素的影响,出现轨迹ID变换的问题,从而限制基于轨迹分析的行为检测、姿态识别等研究的性能。为了提高数据关联的可靠性从而减少轨迹ID变换,提出了一种基于轨迹置信度的分层数据关联方式。同时,为了提高用于数据关联的外观特征的鉴别力,提出融合了过程层的特征提取网络。在公开的MOT16测试数据集上验证表明,该算法在保证跟踪准确度和精确度的同时,有效降低了轨迹ID变换的次数,提高了跟踪性能。     

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.     

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.     

Research on tracking of maneuvering multi-target based on bionics for IRST system

This paper mainly studies bearing-only target tracking based on bionics for IRST system. Some solutions for the key problem are presented in order to apply in an actual bearing-only engineering system. They include sensor technology, measurement pretreatment technology, association gate technology, data association technology, state filtering technology, etc. The premise of these new approaches is designing an effective sensor system which can reliably search and track targets in a large range. Then, it is important to improve the confirming efficiency of the real target and limit false track overextension with the dense clutter. Then, tracking processing needs a precise target initialization information and association information between the existing target and isolated measurement. At the same time, the threat level of the bearing-only target needs to be estimated based on limited bearing-only information. Finally, aiming at unrecognized model and complex maneuvering motion for bearing-only target in polar coordinates, an effective approach of state filtering algorithm with appropriate computation cost will be given. The application of the proposed approach in an actual engineering system proves its effectiveness and practicability.     

面向量测的◢m-最优N◣扫描多假设跟踪方法

为解决联合概率数据互联只能跟踪已知数目目标和互联模糊,以及传统多假设跟踪算法生成假设数目随时间积累呈指数增长问题。提出一种面向量测m-最优假设N扫描MHT方法。首先,在每一假设下生成m-最优假设,在每帧产生既定数目最优及次优假设;然后,通过N宽度滑窗产生最优可行假设,完成数据互联,并分别使用两点差分线性法和全局最小二乘估计完成单个新目标和多个新目标航迹起始。仿真结果表明,该方法与MHT-DAM算法相比较,获得了跟踪性能和运算时间上的平衡。     

多传感器广义概率数据关联算法研究

随着跟踪环境、跟踪对象的不断变化与发展,目标与量测已经很难用一一对应的关系去描述;广义数据关联算法（GPDA）提出目标与量测多多对应的可行性规则,其性能在目标与量测无论是否在一一对应的情况下,均优于传统的JPDA算法,并且计算量、存储量均远小于JPDA;考虑到GPDA的上述优点,将GPDA算法拓展到多传感器数据关联,提出了多传感器广义概率数据关联算法（MSGPDA）来处理多传感器数据关联问题;仿真表明,MSGPDA算法由于利用多传感器信息,性能得到明显提高。     

视频序列中面向人的多目标跟踪算法

针对视频序列中人的跟踪问题,提出一种基于运动检测的多目标跟踪算法．跟踪系统由运动目标检测、关联矩阵建立、特殊情况判断及处理以及轨迹关联4部分构成．提出一种基于改进的c-均值聚类的自适应运动分割方法;不同情况下建立不同的关联矩阵,以准确判断实际场景状况;对遮挡问题作出处理,在两个目标遮挡不严重的情况下,分别采用均值漂移算法对其进行跟踪．实验结果表明,该算法具有较强的鲁棒性,能有效实现复杂场景下多目标跟踪．     

A gate size estimation algorithm for data association filters

The problem of forming validation regions or gates for new sensor measurements obtained when tracking targets in clutter is considered. Since the gate size is an integral part of the data association filter, this paper is intended to describe a way of estimating the gate size via the performance of the data association filter. That is, the gate size can be estimated by looking for the optimal performance of the data association filter. Simulations show that this estimation method of the gate size offers advantages over the common and classical estimation methods of the gate size, especially in a heavy clutter and/or false alarm environment.