新的分布交互式多模型广义概率数据关联算法

为有效解决密集杂波环境下分布式多传感器多机动目标跟踪问题,提出了一种基于改进D-S证据组合规则的分布交互式多模型多传感器广义概率数据关联(DIMM-MSGPDA-IDS)算法。该算法首先对各局部节点均应用单传感器的IMM-GPDA算法跟踪多机动目标,并将其各模型的状态估计、协方差估计、模型概率、组合新息及其协方差矩阵等滤波结果送至融合中心;在航迹关联判决结束后,融合中心根据各模型对应似然函数的大小融合不同传感器关于同一目标的模型状态估计及其协方差矩阵,并提出利用三维(3-D)证据进行直接融合的改进D-S算法对来源于同一目标的不同传感器的各模型概率进行有效融合,然后依此概率来更新各目标的状态估计并反馈至各局部节点,使之获得更为精确的状态预测;最后,将该算法与基于D-S证据组合规则的分布交互式多模型多传感器联合概率数据关联(DIMM-MSJPDA-DS)算法进行仿真对比分析。理论分析和仿真结果表明,该算法能够很好地对强机动目标进行跟踪,且其计算量相对较小,是一种有效的分布交互式多模型多传感器多机动目标跟踪算法。

一种改进的广义概率数据关联跟踪算法

对于多目标跟踪问题,最近提出的全局次优的广义概率数据关联算法(GPDA)由于其新颖的可行性划分规则和较小计算存储需求而受到广泛关注。本文提出了一种基于广义联合事件分割组合的新关联算法。它通过引入目标的方向性信息,在基于新规则划分后,对进入有效域的传感器量测估计值权重系数进行调整,从而使最终的估计值更准确,关联精度得到进一步提高。利用该改进算法对杂波环境下多目标跟踪进行仿真实验,结果表明提出的关联算法继承了原有算法的优点,同时用较小的计算代价使得跟踪性能得到较大改善。

红外凝视系统下改进的广义概率数据关联跟踪算法

广义概率数据关联算法作为一种全局次优的数据关联算法,以其新颖的可行性划分规则和较少的计算存储需求引起了人们的广泛关注。为了进一步提高数据关联的精度,从红外凝视系统中目标的特点出发,利用目标方向差和灰度变化因子的概念,得到了量测在目标方向和灰度约束下的互联概率;结合GPDA算法得到的基于距离信息的互联概率,利用加权和的方式即可得到引入方向信息和灰度信息约束后的新的互联概率。该算法不仅充分利用了原GPDA算法的优点,而且通过方向和灰度约束降低了错误关联的概率,使得关联精度得到了进一步的提高。通过该算法与原GPDA和JPDA算法对杂波环境下多目标跟踪性能的对比分析,可以得出该算法在继承了原GPDA算法的基础上,以较小的计算量代价使得跟踪性能得到的很大的改善。

基于距离加权的概率数据关联机动目标跟踪算法

为了提高杂波环境下机动目标跟踪的实时性和精确性,在概率数据关联算法的基础上,引入距离加权的概念,以区分来自于目标的量测概率和来自于杂波的虚假概率,在一定程度上提高了概率数据关联算法在密集杂波环境下的非机动目标的跟踪性能.针对机动目标的跟踪,提出了一种适用于密集杂波环境下的联合交互式多模型概率数据关联跟踪算法,该算法利用距离加权的概率数据关联算法进行滤波.模拟实验结果表明:该算法可以在一定程度上提高密集杂波环境下机动目标跟踪的性能,能够更加有效、可靠地实现机动目标跟踪的目的.

修正概率数据关联算法的研究

根据“全邻”数据关联算法的基本思想,采用关联城内回波似然函数的归一化处理,考虑关联城内所有回波的信息,对Fitzgerald提出的简化概率数据关联(SPDA)算法进行修正,得到修正概率数据关联(MSPDA)算法.理论分析和Monto Carlo仿真表明了该算法的有效性.为了能应用于多机动目标的跟踪.采用一种有效的交互式多模型自适应机动目标跟踪算法与MSPDA算法结合,对多个机动目标的交叉、编队进行仿真,得到了较好的结果.

一种改进的联合概率数据关联算法的研究

针对联合概率数据关联算法需要知道目标总数并要对矩阵差分,且计算量呈指数增长的问题,提出了一种模糊多门限概率关联算法,该算法利用测量与目标的关联概率来替代概率数据关联算法中可行联合事件概率的计算,改善性能的同时又减少了计算量。仿真结果表明该算法能有效的解决密集目标跟踪环境下的数据融合精度和收敛性问题,且计算量小。

适于复杂信息融合系统的近似联合概率数据关联算法

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。

一种基于多目标跟踪的改进概率数据关联算法

针对联合概率数据关联算法过于复杂以及密集多目标处理中的问题,文中提出了一种适用于实际应用的改进概率关联算法,该算法通过引进雷达多普勒测量信息,对进入跟踪门相交区域中的公共测量值权重系数进行调整,以提高关联精度,从而使最终的估计值更加准确。理论分析和蒙特卡罗仿真结果表明,该算法具有较小的计算量以及良好的跟踪性能。

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。

基于粒子群及混沌算法的联合概率数据关联研究

联合概率数据关联算法(JPDA)是一种能够在杂波环境下对多目标进行数据关联的算法。随着回波与杂波数目的增加其计算量呈指数上升。虽然有一些类JPDA的方法可以减少其计算量,但在杂波环境下其准确性仍难以保证。本文将JPDA中关联矩阵的求解等效为多维分配问题,通过粒子群及混沌算法等智能算法的应用来提高算法的准确性。

扩展概率数据关联算法

在多目标跟踪过程中,为了提高目标跟踪准确率、减少目标丢失,基于目标数目定义了联合关联事件,研究了扩展概率数据关联算法(Extended PDA)。对概率数据关联算法容易产生误跟和失步以及联合概率数据关联可能发生组合爆炸等问题进行改进。实验结果表明,该算法能很好地降低跟踪时间和减少失步次数,提高跟踪准确率。

基于改进联合概率数据关联的AUV定位算法

基于水下无线传感器网络的位置估计是解决水下自主机器人定位问题的有效方法,然而由于水下无线传感器网络中的传感器节点一般部署在开放水域中,外来的恶意节点在基于到达时间的网络信道中注入恶意噪声延迟会对定位精度产生不利影响。针对这个问题,本文提出了一种改进联合概率数据关联算法。首先,我们考虑了一种异构的网络架构,包括水面浮标节点、水下信标节点和待定位的AUV目标节点,并获取网络架构中信标节点和AUV之间的距离测量;然后,我们设计了一种基于矩阵相似度的恶意噪声识别机制,识别并丢弃受恶意噪声污染的距离测量,并且对检测为未受到恶意噪声污染的距离测量进行分组,利用最小二乘法完成对AUV的初步定位;接着,为了丰富所得到的样本测量点以提高AUV的定位精度,我们在预测点以及检测出未受到恶意噪声污染的测量点的附近生成一系列服从高斯分布的虚拟测量;最后,对这些测量点进行数据关联处理与更新,完成对AUV目标节点的精确定位。仿真结果表明,所提出的定位方法与其他工作相比,在有恶意噪声攻击的情况下仍能保持较好的定位精度。

基于概率数据关联算法的红外弱小目标跟踪

从数据关联的角度,利用概率数据关联算法实现单个红外弱小目标的跟踪。实验结果表明,在杂波环境下,概率数据关联算法可以稳健地跟踪单个红外弱小目标的目标状态。

多目标跟踪中基于特征辅助的概率数据关联算法

在传统的多目标跟踪系统中,数据关联仅利用了那些与目标状态向量直接相关的信息。在此提出了一种基于广义概率数据关联(GPDA)的新的关联算法即特征辅助跟踪(FAT)算法。该算法同时利用了目标的特征信息和状态信息进行数据关联,较好地解决了在密集杂波环境下对近目标的跟踪问题。最后以目标的一维距离像信息为例进行仿真,仿真结果表明,所提出的算法使跟踪性能优于传统的概率数据关联。

一种基于概率数据关联的地磁匹配ICCP算法

针对地磁测量误差和地磁补偿余差等带来的匹配误差增大和易造成误匹配的问题,提出了一种基于概率数据关联的地磁匹配ICCP算法。首先,基于磁场测量误差的统计特性,在一定置信范围内生成若干伪测量值,将其视为对应位置地磁场的有效测量,只是它们源于磁场真实值的概率不同;然后,利用ICCP算法对各伪测量值构成的磁场序列分别进行匹配,得到干扰环境下载体可能出现的位置;最后,利用载体的运动约束对各匹配结果进行限制,再对有效的匹配结果进行融合,得到载体最终的位置。实验结果表明,在不同磁场干扰水平下,所提算法的定位精度都能控制在2个地磁图网格左右,具有较好的应用前景。

概率数据关联算法在目标跟踪中的应用

数据关联是现代目标跟踪系统中的一个重要组成部分。由于测量来源的不确定性,密集环境中的目标跟踪比较困难。概率数据关联(PDA)算法能很好地处理目标跟踪并在很多领域得到了广泛的应用。仿真结果表明了概率数据关联算法的有效性。

一种改进的基于“当前”统计模型的联合概率数据关联算法

针对自适应卡尔曼滤波算法中"当前"统计模型需要预先设置机动频率和加速度极限值,不合理的设置将造成目标跟踪误差加大的情况,首先对机动频率进行调整,提出了新的自适应卡尔曼滤波算法。在此基础上,文章将新的自适应卡尔曼滤波算法和联合概率数据关联算法相结合,提出了一种改进的基于"当前"统计模型的联合概率数据关联算法。通过仿真实验证明,该算法能够较好地减弱目标机动,尤其是目标弱机动对原有自适应跟踪算法跟踪精度地带来的影响。

数据关联算法的研究

在现代目标跟踪系统中,数据关联是一个重要组成部分.由于测量来源的不确定性,密集环境中的目标跟踪比较困难.概率数据关联算法和联合概率数据关联算法能很好地处理目标跟踪并在很多领域得到了广泛的应用.但是一旦出现某种干扰或是故障,通过概率数据关联算法得到的滤波值也会偏离真实值很多,造成滤波发散,严重影响性能.针对这一不足,基于概率数据关联算法中的组合新息,提出了修正概率数据关联算法.最后用一些实例来评价该跟踪算法的跟踪性能,仿真结果表明了修正概率数据关联算法和修正联合概率数据关联算法的有效性.

广义关联规则基及其挖掘算法

为了解决传统的关联规则挖掘中产生大量规则的问题,提出了项目集上闭集和广义关联规则基的概念,并得出了闭项目集的上闭集是它本身、上闭集是惟一的等性质.基于这些性质,给出了事物数据库的广义关联规则基,不仅保留了数据库中所有关联规则的信息,而且规则有一致的结构,从而最大限度地减少了规则生成的数量.此外,还设计了广义关联规则基的挖掘算法,并通过实例验证了它的正确性.

一种基于前缀广义表的关联规则增量式更新算法

关联规则挖掘是数据挖掘研究的一个重要方面 ,关联规则的高效维护算法研究是当前研究的热点 .传统更新算法与Apriori算法框架一致 ,要多遍扫描数据库并产生大量的候选项目集 .为此 ,该文对FP tree进行了改进 ,引入了前缀广义表———PG List,并提出了基于PG List的关联规则挖掘 (MARBPGL)与增量式更新算法(IUABPGL) .算法MARBPGL仅须扫描数据库两遍 ,算法IUABPGL在最坏的情况下仅须扫描原数据库一遍 ,扫描新增数据库两遍 ,且两个算法均无须生成候选项目集 ,避免了产生“知识的组合爆炸” ,提高了挖掘和维护的效率 .理论分析和实验结果表明该文提出的算法是有效可行的 .