共查询到16条相似文献,搜索用时 78 毫秒
1.
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. 相似文献
2.
3.
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。 相似文献
4.
适于复杂信息融合系统的近似联合概率数据关联算法 总被引:2,自引:0,他引:2
文中在B.Zhou提出的直接概率计算(DC)和近似概率计算(AC)算法基础上提出了一种新的近似多传感器多目标联合概率数据关联算法。近似概率法是以一个目标为中心的近似聚为构造互联事件的起点,并在计算中将DC和AC结合得到的一种全邻的点迹—航迹关联算法,它能有效地提高目标点迹—航迹的关联正确率,在计算时耗上较完全联合概率法快得多,能满足工程中实时性的要求。将其在杂波下目标密集、航迹复杂的数据融合系统中进行实验,对关联正确率,关联耗时等与最近邻法进行了比较,效果较好。 相似文献
5.
6.
7.
针对多目标跟踪中数据关联问题,提出了一种基于网格概率的数据关联算法。该算法首先计算出关联门内全部回波的关联系数,然后利用网格概率的思想将关联系数小的有效回波的系数值配权给其它有效回波,同时对于两跟踪波门交叉区域内的有效回波也使用配权法分别分配给两个跟踪波门内的其它邻近回波,最后通过概率加权进行数据关联。仿真结果表明,该算法能够有效解决多目标跟踪中的数据关联问题,并且有较高的关联正确率,而且CPU占用时间较短。 相似文献
8.
一种新的联合概率数据互联算法 总被引:8,自引:0,他引:8
点迹与航迹数据互联是多目标跟踪中迫切需要解决的问题。分析了目前解决数据互联问题的方法与最新研究成果,建立了一个多目标数据互联模型,提出了一种新的联合概率数据互联算法,最后给出了计算机仿真结果。 相似文献
9.
10.
11.
点迹与航迹数据互联是多目标跟踪问题中迫切需要解决的问题。分析了目前解决数据互联问题的方法与最新研究成果,建立了一个多目标数据互联模型,提出了一种新的联合概率数据互联算法,实现了微机仿真并给出了仿真结果。 相似文献
12.
13.
14.
概率强近邻在IMM中的应用 总被引:1,自引:1,他引:0
目标的幅度信息在数据关联技术中起着很重要的作用,但传统的方法忽视了对这类信息的应用.提出了一种基于概率强近邻的相互作用多模型算法,有效地将幅度信息引入到数据关联中,完成对目标的精确跟踪.通过仿真,将它与传统的相互作用多模型概率数据关联等算法进行比较.仿真结果表明,该算法不仅具有很好的跟踪精度,而且其计算量也大大降低. 相似文献
15.
Ilke Turkmen Kerim Guney 《AEUE-International Journal of Electronics and Communications》2004,58(5):349-357
The cheap joint probabilistic data association (CJPDA) with the adaptive neuro-fuzzy inference system state filter (ANFISSF) is presented for tracking multiple targets in the presence of low and high cluttered environments. The state update step of the CJPDA filter (CJPDAF) is realized with the ANFISSF instead of Kalman filter. The adaptive neuro-fuzzy inference system (ANFIS) has the advantages of expert knowledge of fuzzy inference system and learning capability of neural networks. A hybrid learning algorithm, which combines the least square method and the backpropagation algorithm, is used to identify the parameters of ANFIS. The tracks estimated by using the method proposed in this paper for different tracking scenarios are in very good agreement with the original tracks. 相似文献