利用JPDA进行编队目标的多雷达航迹关联应用研究

航迹关联是航迹融合中的关键步骤。在对同一编队内多个目标进行多雷达航迹关联时,受系统误差残差的影响,航迹关联正确率无法满足使用要求。为了解决此问题,文中在多雷达航迹关联过程中引入JPDA算法,通过选择合理的联合事件来计算航迹关联似然值,并构建系统仿真模型,针对工程实用的经验JPDA和次最优JPDA算法进行了分析,通过比较原始的航迹关联结果和分别加入两种JPDA算法后的航迹关联结果,能够表明JPDA算法对于编队多目标环境下的航迹关联正确率有较好的提升作用。

一种实现多机动目标跟踪的JPDA-STF算法

联合概率数据关联(JPDA)算法在解决多目标跟踪时需要目标准确的动力学模型,动力学模型失配在多机动目标跟踪中时常发生,而作为有效的解决方法之一——强跟踪滤波(STF)是针对无杂波环境下的单机动目标设计的。为了提高杂波环境下多机动目标跟踪精度,提出一种联合概率数据关联强跟踪滤波(JPDA-STF)算法。该算法为了能够实现各个目标的渐消因子计算,采用对与目标关联的量测进行加权融合的方式获取目标新息协方差,其中,量测权重的计算则是通过JPDA的方式获取。通过各目标渐消因子获取状态预测协方差,随后在卡尔曼滤波框架下即可实现目标状态的更新。实验结果表明,该算法相比于传统的JPDA算法能够更有效地降低跟踪误差。

多传感器多目标跟踪的JPDA算法

传统的联合概率数据关联算法(JPDA)是在密集杂波环境下的一种良好的多目标跟踪算法,但它是针对单传感器对多目标跟踪的情况下使用,不能直接用于多传感器对多目标的跟踪。针对这一问题,文中提出了一种适用于多传感器多目标跟踪的JPDA算法,它以极大似然估计完成对来自多传感器的测量集合进行同源最优分划,然后采用JPDA方法对多目标进行跟踪。经过理论分析和仿真试验,证明了该方法能有效地进行多传感器多目标的跟踪,且具有算法简单、跟踪精度高、附加的计算量小等优点。

快速JPDA算法的递归和并行实现

联合概率数据关联算法（ＪｏｉｎｔＰｒｏｂａｂｉｌｉｓｔｉｃＤａｔａＡｓｏｃｉａｔｉｏｎ，ＪＰＤＡ）是密集杂波环境下一种良好的多目标数据关联跟踪算法。但是，当目标的数目增大时，关联概率计算时的计算量爆炸效应一直是一个难题。为降低计算量，有不少文献讨论了次优ＪＰＤＡ算法，但都是以降低关联跟踪性能为代价的。本文将从联合关联事件的构造出发，讨论关联假设事件的分层构造以达到降低计算量的目的。这里的层次可从０取值到某一Ｌ值，０层表示没有任何目标能够跟当前的观测数据关联。Ｌ层表示共有Ｌ个目标可以跟当前扫描得到的观测数据相关联。本文在关联事件的构造中，各层次的搜索具有递归性并可以独立进行，因而可以并行实现。文中还将本文的方法跟有关文献作了比较。

基于自适应聚概率矩阵的JPDA算法研究

为了降低联合概率数据关联(joint probabilispic data association,JPDA)算法的计算复杂度,解决跟踪临近目标时出现的航迹合并问题,基于量测自适应消除方法,提出了一种改进JPDA算法.该算法首先通过Cheap JPDA算法计算互联概率,降低算法计算量;其次对聚概率矩阵加以阈值处理,通过重建确认矩阵,进一步优化算法复杂度;最后采用自适应消除方法,去掉聚概率矩阵中易引起错误关联的量测,减小JPDA算法在关联临近目标时的误差.仿真实验结果表明:相较于JPDA算法及Scaled JPDA(SJPDA)算法,本文算法在保证跟踪精度的前提下,降低了算法复杂度,提高了时效性;在跟踪临近目标及交叉目标时,改进算法能避免航迹合并现象及跟错目标情况的发生.

组合式快速JPDA算法

基于有序状态空间搜索方法，定义联合事件为问题节点，将多目标数据关联问题求解转化为状态空间问题求解。定义联合数据关联概率函数对数表达为节点的估价函数，减少扩展节点数，迅速产生和搜索Ｎ个最大联合概率事件。给出快速计算Ｎ个最大联合概率事件的ＪＰＤＡ公式，并提出一种确定新生节点是否是已生成节点的简便方法。算法的搜索次数不随回波数增加而增加，有效地解决了传统ＪＰＤＡ算法的实时性问题，兼有贝叶斯方法和非贝叶斯方法的各自优点。

快速JPDA算法的递归和并行实现

本文从联合关联事件的构造出发，讨论关联假设事件的分层构造，以达到降低计算量的目的。这里的层次可从０取到Ｌ，０层表示没有任何目标能够跟当前的观测数据关联，Ｌ层表示共有Ｌ个目标可以跟当前扫描得到的观测数据相关联。本文的关联事件的构造中，各层次的搜索具有递归性并可以独立进行，因而可以并行实现。文中还将本文的方法跟有关文献作了比较，并且给出相应的计算机仿真实验及其结果。

一种基于JPDA实现移动代理强迁移的方法

分析了移动代理的状态和迁移原理 ,对强迁移和弱迁移进行了分析对比 ,详细讨论了代理运行状态的迁移 ,介绍了 JPDA工具包 ,设计并实现了一种基于 JPDA实现移动代理强迁移的方法 ,给出了实现流程 .

一种可递归和并行实现的快速JPDA算法

联合概率数据关联算法是密集杂波环境下一种良好的多目标数据关联跟踪算法。计算量爆炸效应一直是该算法的一个难题。本文提出一种基于分层构造关联事件的快速算法,层次间的搜索具有递归性并可以独立进行,因而可以并行实现。文中还将本文的方法跟有关文献方法作了比较,并且给出相应的计算机仿真实验和结果。

带SSR修正的异步多传感器系统的无味JPDA跟踪

针对杂波环境下多变采样率传感器多目标跟踪问题,考虑到二次雷达(SSR)具有辨别敌我方目标和更精确的高度探测能力,本文提出了一种带SSR修正的异步多传感器系统的无味JPDA跟踪算法。该算法首先通过测量值映射的异步数据处理方法对多传感器数据进行点迹的合成,然后通过二次雷达对敌方目标的高度信息进行自适应修正,最后用无味JPDA算法对按序到来的异步采样量测进行顺序滤波融合。通过蒙特卡洛仿真,表明该算法在提高目标跟踪精度和正确关联概率上是有效的。

JPDA中联合事件概率的计算

文章讨论了多目标跟踪中广泛采用的联合概率数据关联方法的缺陷和数学上的不严格性,给出了该算法中新的联合事件概率计算方法,并给出两者计算对比实例。

基于JPDA的智能船舶多源信息融合技术研究

智能船舶领域正在不断发展,智能船舶技术的兴起推动着船舶智能化、无人化成为船舶航运的主流趋势,而智能船舶多源信息融合技术是智能船舶在智能安全航行中的关键核心技术之一,智能船舶集成系统能够为智能船舶自主航行提供决策和控制信息,因此智能船舶集成系统的多源信息融合已经成为智能船舶自主航行发展急需解决的问题,本文的智能船舶集成系统可接入多个或多种传感器上传的实时信息,利用基于改进的JPDA算法的智能船舶多源信息融合技术,来处理多源信息冗余度和提高多源信息精准度,以实现并增强智能船舶自主航行的安全性和可靠性。

基于JPDA的单站多目标无源定位

复杂电磁环境下,对多目标的定位成为单站无源定位的重要问题。研究了单站只测角定位体制下,多点源测角后如何利用多个方向圆锥角进行多目标定位的问题,对雷达多目标跟踪的JPDA算法进行了改进,并做了典型场景下的仿真实验,对单站多目标无源定位技术的研究提供了理论和实验支持。

一种JPDA的快速算法

为使标准JPDA算法能在实际工程中实时应用,着重在JPDA的主要计算环节进行了改进和实时性提升,提出了一种JPDA的快速算法。通过引入“关联目标类”,对确认矩阵进行降维,即把一个高维数矩阵分解成若干“相互独立”的低维矩阵。提出了一种互联概率的递归计算方法,减少拆分矩阵巨大的内存占用需求。同时还对相关波门和滤波方差计算进行了改进。仿真结果表明,快速算法比标准JPDA算法的计算时间有显著缩短,在不是“太密集”的多目标环境下具有一定的工程应用价值。

一种利用运动补偿的改进JPDA-UKF算法

在恒虚警条件下,针对传统的航海雷达模拟器目标跟踪采用的基于不敏卡尔曼滤波的联合概率数据互联算法(JPDA-UKF)发散、复杂度高和实时性差的问题,提出了一种利用运动补偿的笛卡尔坐标下改进的JPDA-UKF滤波方法。该算法引入相邻周期回波间运动补偿提取的目标量测可信度矩阵,限制进入跟踪门相交区域中的虚假量测数量,并将软跟踪门技术应用于滑窗逻辑法实现航迹管理。仿真结果表明,所提方法径向速度误差比传统的JPDA-UKF算法与自适应的α-β滤波算法分别降低10%和20%,目标获得稳定航迹后径向速度归一化均方根误差(RMSE)比上述两种方法分别具有约10d B和15 d B的性能优势,算法的复杂度符合真实雷达的边扫描边跟踪的实时处理。

一种改进的IMM-JPDA多目标跟踪算法

IMM算法是一种应用非常广泛的多目标跟踪算法,但其在密集杂波环境下的性能会大打折扣,JPDA算法能很好的处理密集杂波环境下的多目标跟踪问题。因此,将两种算法有机结合而产生了IMM-JPDA算法,这种算法虽然获得了前两种算法的优点,也继承了它们的缺点,那就是计算量庞大。这里提出了一种子事件IMM-JPDA算法,它采用一种改进的单点初始化方法。通过对新算法和传统IMM-JPDA算法的仿真结果比较,此算法能在不影响跟踪性能的情况下,有效的的减少计算量。

基于JPDA的Java软件性能测试

随着计算机技术的快速发展,JAVA技术成为信息领域中的重要角色,JPDA是Java技术的平台调试体系,由Java虚拟机工具接口、Java调试连线协议和Java调试接口三部分组成,本文通过TPTP测试工具,在JPDA平台中对Java软件进行性能测试,并对测试结果进行相关分析。

密集杂波环境下的简化JPDA多目标跟踪算法

为简化联合概率数据关联算法(Joint Probabilistic Data Association,JPDA)的计算复杂度,增强JPDA算法的实时性,设计了一种新的JPDA简化算法。首先根据目标航迹与量测之间的关联规则,定义了一种新的计算关联概率的方法,之后分析公共量测对目标的影响,引入公共量测影响因子修正关联概率。该算法不用进行确认矩阵拆分,有效解决了在密集杂波环境下因回波密度增加而造成的计算上的组合爆炸问题。仿真结果表明,简化的JPDA算法能够在保持对目标有效跟踪的情况下,大大缩短计算时间,提高算法的实时性。

一种基于JPDA的EJB组件强迁移方法

随着分布式应用技术的发展,组件的静态性限制了分布式系统在运行期间适应其环境变化的要求。为了动态适应外界环境变化,提高系统性能,组件迁移的研究受到广泛关注。目前学术界对组件迁移技术的研究大多集中在组件弱迁移上,对强迁移的研究较少。文章提出了一种新的EJB组件强迁移方法,它通过JPDA来捕获和恢复组件强迁移所需的运行状态。这种方法可以在不需要修改JVM的情况下,得到并恢复EJB组件的运行状态,保证了较强的通用性。本方法在自主研制的JANTM平台中得到了实现,应用在负载平衡和失效恢复两个方面。

基于IAUKF-JPDA算法的多目标跟踪

针对不同传感器融合跟踪精度低的问题,提出一种采用加权融合的改进自适应无迹卡尔曼滤波算法(IAUKF)。针对不同传感器的融合处理中场景切换导致的传感器精度变化,对来源于不同传感器的数据设置不同的权重,引入Sage-Husa自适应思想,实时处理测量噪声的统计特性,利用联合概率数据关联(JPDA)来完成杂波的去除和量测-目标的关联任务。运用所提算法在修正球坐标系下跟踪多个空中目标,最后仿真结果表明,与基于标准UKF估计算法的对应方法相比,新算法有效减小了状态估计误差,提高了跟踪精度。