三种引入Doppler量测的数据互联算法性能分析

针对多频连续波雷达系统中多目标跟踪问题,提出了三种引入目标径向速度量测的贝叶斯类多目标数据互联改进算法。为了清楚地对比三种改进算法与传统算法以及改进算法之间在跟踪精度、实时性等跟踪性能上的差异,对上述算法在相同环境下进行了详细的性能分析。首先,简述了各算法的互联方法;然后,建立了跟踪模型;最后,选取典型的多目标运动情况对这些算法进行了仿真实验,并根据仿真结果综合分析了它们各方面的跟踪性能。

基于匈牙利概率数据互联的抗RGPO干扰跟踪方法

针对受距离门拖引(RGPO)干扰导致的雷达跟踪误差增大、航迹中断概率变高等问题,提出基于匈牙利概率数据互联的抗RGPO干扰跟踪方法。首先,分析RGPO干扰和雷达跟踪原理,将雷达抗干扰跟踪问题建模为邻近多目标跟踪问题。然后,设计假目标虚拟航迹起始算法,并在概率数据互联框架下引入匈牙利算法进行真假航迹交互修正,有效解决抗干扰跟踪时点迹-航迹错误关联、滤波发散等问题。最后,理论分析和仿真结果表明,与传统方法相比,所提方法在未受干扰时雷达跟踪性能保持不变,在受RGPO干扰时可有效提升目标跟踪精度、大幅降低航迹中断概率。

几种简化联合概率数据互联算法性能分析

针对最优联合概率数据互联算法复杂、运算量大的问题,目前提出了许多简化的联合概率数据互联算法。为了清楚地了解这些算法在不同环境下在跟踪精度、实时性等跟踪性能上的差异,对几种典型的简化算法进行了详细的性能分析。给出了简化算法的数学模型,然后从理论上对这些算法进行了优缺点比较,最后选取了多种典型的与实际工程背景相近的多目标运动环境,对几种比较有代表性的简化算法在这些环境下进行仿真实验,并根据仿真结果对它们各方面的性能进行综合分析。

机动目标跟踪中数据互联新方法

为解决机动目标跟踪过程中的数据互联问题,该文提出了一种数据互联新方法。与概率数据互联滤波器不同,在进行数据互联时,该方法假定目标当前转弯率在某一范围内取值,这样其预测中心不再是一个点,而是一线段。在计算测量的权重系数时,采用的是测量距该线段的距离。仿真实验表明,杂波环境下对机动目标跟踪时,该方法降低了航迹丢失率,提高了状态估计的精度。

集中交互式多传感器联合概率数据互联算法

为了解决杂波环境下多传感器多机动目标跟踪问题,本文提出了一种集中交互式多传感器联合概率数据互联算法。本文提出的算法首先应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合,并对所有的测量组合进行有效性判断,然后应用数据压缩的方法将每个有效量测组合压缩成一个等效量测点并根据每个等效量测点的联合似然函数计算其联合互联概率,最后在此基础上应用交互式多模型算法的思想以处理目标出现机动的问题。本文最后给出了该算法的分析,仿真结果表明,本文算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题。

一种新的基于概率理论的概率数据互联滤波器

该文从理论上分析了用于目标跟踪的概率数据互联滤波器(PDAF)和联合概率数据互联滤波器(JPDAF)存在的不足,提出了一种新的概率数据互联滤波器(NPDAF)。NPDAF在数据关联时基于概率理论:一个测量可能源于目标,也可能源于杂波,但其源于目标的概率与其源于杂波的概率之和应为1。同时,给出了跟踪过程中NPDAF的数据互联模型及滤波器的实现方法。该实现方法首先计算测量与各目标的关联概率,然后用概率对跟踪滤波器的增益加以修正。仿真实验表明,在对多目标进行跟踪时NPDAF的性能优于JPDAF。

模糊数据互联滤波器及其在机动目标跟踪中的应用

为解决机动目标跟踪过程中的数据关联问题,提出了模糊数据互联滤波器,分析了其工作机理,并将其应用于机动目标跟踪中。与概率数据互联滤波器不同,在进行数据关联时,模糊数据互联滤波器假定目标当前转弯率在一定范围内取值,其预测中心不再是一个点,而是一线段;在计算测量的权重系数时,依据的是测量距该线段的距离。仿真实验表明,杂波环境下对机动目标跟踪时,采用模糊数据互联滤波器降低了航迹丢失率。

煤矿定向钻进数据互联方案的研究与应用

为实现煤矿井下定向钻进数据与地面电脑进行数据互联,笔者基于定向钻机、信息化发展阶段、建设周期、成本因素等提出了3种数据互联方案:无专用服务器数据互联方案、专用服务器数据互联方案、“云-边-端”数据实时互联方案。3种方案对应煤矿智能化循序发展的初级、中级、高级阶段,同时对应建设成本、技术要求、建设周期的低、中、高3种层次。针对第1种方案,开发了对应的基于Socket通信的数据互联方案并在南岭煤矿进行了实践应用,实现了井下到地面定向钻进数据传递的自动化即时传输,简化了数据传递流程,相关成果获得“中国计协煤炭专业2023年度职工技术创新成果一等奖”。

多传感器数据融合系统中联合概率数据互联算法的研究

概述了多传感器数据融合系统中的联合概率数据互联算法,给出了MSJPDA的两种处理结构,分析了其算法的复杂度。并在此基础上,结合B.Zhou提出的直接概率计算和近似概率计算的方法,提出了一种基于近似聚的近似概率数据互联算法(MSJPDA),通过仿真研究以及和最近邻法所做的比较表明,该方法确实能提高在密集情况下的数据融合精度,算法耗时与最近邻法相差不大,精确度接近完全概率互联算法。

杂波环境下基于全邻模糊聚类的联合概率数据互联算法

针对杂波环境下的多目标跟踪数据互联问题,该文提出基于全邻模糊聚类的联合概率数据互联算法(Joint Probabilistic Data Association algorithm based on All-Neighbor Fuzzy Clustering,ANFCJPDA)。该算法根据确认区域中量测的分布和点迹-航迹关联规则构造统计距离,以各目标的预测位置为聚类中心,利用模糊聚类方法,计算相关波门内候选量测与不同目标互联的概率,通过概率加权融合对各目标状态与协方差进行更新。仿真分析表明,与经典的联合概率数据互联算法(Joint Probabilistic Data Association algorithm,JPDA)相比,ANFCJPDA较大程度地改善了算法的实时性,并且跟踪精度与JPDA相当。

集中交互式多传感器模糊联合概率数据互联算法

为了解决杂波环境下多传感器多机动目标跟踪问题,本文提出了一种集中交互式多传感器模糊联合概率数据互联算法.该算法首先设定多个跟踪模型并计算每个模型中测量点迹与航迹测量预测之间的模糊综合相似度;然后基于阈值判别及经验概率法则计算模糊联合互联概率,并基于此概率对各航迹进行状态估计及状态估计协方差的更新;最后计算各模型概率,并据此概率对各模型所获得状态估计进行加权得出各航迹在融合中心最终的状态估计.对该算法与集中交互式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者有显著提高,同时有效地降低了周期耗时,综合性能更优越.

基于速度方位约束的多传感器模糊数据互联

针对杂波环境下多传感器跟踪多目标的问题,提出了一种基于速度方位约束的多传感器模糊数据互联算法(multi-sensor fuzzy data association method based on velocity and azimuth,VA-MSFDA)。该算法首先利用方位速度信息对确认区域内的有效量测作进一步筛选,剔除部分虚假量测,然后基于模糊聚类方法计算候选量测与观测区域内各目标互联的概率,应用顺序结构多传感器联合概率数据互联(multi-sensor joint probabilistic data association algorithm,MSJPDA)原理,依次处理各传感器中的目标测量数据,实现对多目标的跟踪。仿真结果表明,与顺序MSJPDA相比,VA-MSFDA在算法耗时、估计精度、收敛速度和量测正确关联率等方面优势明显,能够更好地解决杂波环境下的多目标跟踪问题。

一种用于三维空间杂波环境机动目标跟踪的数据互联方法

目标跟踪过程中运动模型不准会导致预测中心不准,而预测中心不准会导致错误关联。为解决三维空间杂波环境下机动目标跟踪过程中数据互联问题,在数据关联时假定目标转弯率在一定范围内变化并且转弯方向是任意的,这样,预测中心为三维空间中的一曲面。在计算测量与目标间的关联度时,依据的是测量点距该曲面的距离。为了减少数据互联的计算量,该文提出了与特定测量相匹配的转弯率和转弯方向的计算方法。仿真实验表明,杂波环境下对机动目标跟踪时,采用该文方法提高了数据正确关联率,降低了航迹丢失率,同时提高了状态估计的精度。

修正的概率数据互联算法

阐明了概率数据互联(PDA)算法能很好地解决密集环境下的目标跟踪问题,在该算法基础上,人们又提出了联合概率数据互联(JPDA)算法和一些基于PDA的修正算法.在概率数据互联算法中,有一个很重要的参数就是杂波数密度(或波门内虚假量测期望数).然而在许多实际情况中,这个参数是很难获取的.针对这一问题,文中提出了一种修正的概率数据互联算法,该算法通过实时地调整这一参数来获得对目标较为准确的估计结果.最后,给出了算法的仿真分析.

多传感器多目标数据互联中的拉格朗日松弛算法研究

拉格朗日松弛算法在现代优化启发式算法中占有重要地位，本文对多维分配问题的拉格朗日松弛算法进行研究，重点研究松弛次序对数据互联结果的影响。研究方法是针对不同测量误差情况下进行计算机仿真实验。结果表明，多传感器多目标数据互联的拉格朗日松弛算法中，松弛探测效果较好的传感器的观测数据，有助于提高目标关联的准确率，且算法的计算量相应减少。该结论使多维分配问题的拉格朗日松弛算法能满足工程上对数据进行实时处理，具有实际应用价值。

多传感器多目标跟踪中的概率数据互联

通过在两维雷达和红外搜索跟踪两种不同传感器观测空间上建立多目标运动状态的投影，单传感器的ＪＰＤＡ算法被推广到此种多传感器数据融合系统之中，实现了其中的多目标数据互联和多传感器数据融合，从而提高了跟踪性能。

集中式多传感器无极联合概率数据互联算法

针对杂波环境下非线性系统中的多传感器多目标跟踪问题,提出了一种集中式多传感器无极联合概率数据互联算法。该算法中,首先采用无极卡尔曼滤波器实现非线性系统中状态分布的传递,在此基础上应用联合概率数据的思想将单个传感器的量测点迹与航迹互联,最后推广至顺序结构。由于无极卡尔曼滤波器可以获得比扩展卡尔曼滤波算法更高精度的近似,因此能减少非线性模型线性化引起的近似误差对联合概率数据互联概率及状态估计的影响,与基于扩展卡尔曼滤波器思想的顺序多传感器联合概率数据互联算法相比,该算法具有更高的跟踪精度和稳定性,最后通过仿真结果验证了该算法的优越性。

基于元数据的数据互联算法

数据互联是信息融合的一个重要研究领域.目前,在雷达中,联合概率数据互联(JPDA)由于计算量大和实时性差的原因,在实际的系统中很少被使用.针对JPDA算法的不足,结合元数据的信息检索和信息共享的特性,提出一种全局最优的数据互联算法,该算法通过杂波预处理和相关判断的方法,减少了算法的计算量;通过元数据的信号强度和识别码,提高了数据互联的正确率,并用两类典型的目标运动方式进行验证,取得了较好的实验结果.

多被动传感器多目标数据互联算法

将求解指派问题的行列启发式算法应用于求解多传感器多目标数据互联的广义3D分配问题松弛的2D子问题;针对3D分配算法计算量较大的问题提出一种改进算法.仿真结果表明,行列启发式算法不仅实施方便,而且程序运行时间较短.改进的3D分配算法既大幅度降低了3D分配问题的拉格朗日松弛算法的程序运行时间,又可将目标互联准确率提高3%～5%.行列启发式算法与改进的3D分配问题算法联合使用,可进一步减少改进3D分配算法的运算量,使其能更好地适应工程实际应用的需要.

一种近似的联合概率数据互联算法

提出了一种新的联合概率数据互联的算法。该算法针对传统的联合概率数据互联算法在产生互联假设事件时计算代价大的问题,提出了一种绕过互联假设事件的生成而直接计算量测和目标的联合概率的方法,通过仿真实验证明,该法在目标密集程度中等的杂波环境下,计算代价得到了大幅的降低,而关联精度仅有少许降低,能够适应工程的要求。