基于PDAF多阵多目标跟踪算法研究

为解决在多目标跟踪过程中,声纳存在交叉运动目标失跟问题.将多阵输出和多目标跟踪相结合,提出了基于概率数据联想滤波(PDAF)器的多阵多目标跟踪算法.计算机模拟结果表明,该算法在平面波模型下,利用两个线阵的输出可以稳定地跟踪两个交叉运动目标.将算法映射到DSP硬件平台,形成了一个多阵多目标跟踪的探测系统,实时处理的结果说明该算法对运动目标的估距误差小于5%

一种基于JPDAF的机动目标轨迹融合算法

多传感器目标跟踪是利用不同的平台获得有关目标的准确、连续的动态描述。PDAF(probabilisticda-taassociationfilter)算法用于处理单目标跟踪问题,它假定所有的量测都是在特定的目标扩展门限中,即来自一个目标或杂波。如果另一个目标也在该门限中,就可能产生错误。为了解决混杂、密集环境下的多目标跟踪问题,本文利用JPDAF(jointprobabilitiesdataassociationfilter)算法,通过考虑可利用的关联事件来简化处理过程,根据关联概率值来对假设进行估计。最后的仿真结果表明该算法对向量状态估计有明显改善。

恒虚警率PDAF的弱点状目标跟踪技术性能分析

PDAF与PDAF-AI算法广泛应用于雷达目标检测与微弱点状目标跟踪领域,两者不同之处在于PDAF-AI算法在利用目标位置、运动速率的基础上多加了目标的亮度信息通过Kalman滤波器去估计目标下一时刻的状态。PDAF-AI改变了传统PDAF算法忽略目标亮度信息的不足,它应具有更好的跟踪性能。通过对这两种算法跟踪性能的对比分析研究:带亮度的概率数据关联滤波器技术PDAF-AI总体上比传统的PDAF技术具有更好的实时跟踪性能,然而在强杂波或跟踪区域存在高亮杂波的情况下PDAF-AI的跟踪性能可能会有所下降。

安森美半导体推出先进的1300万像素CMOS图像传感器,采用SuperPD^(TM) PDAF技术

展现领先的自动对焦性能,同时保持不可思议的图像质量和简化集成到智能手机和平板电脑世界移动通信大会（Mobile World Congress）-西班牙巴塞罗那-2016年2月22日-推动高能效创新的安森美半导体（ON Semiconductor,美国纳斯达克上市代号：ON）,进一步扩展成像方案产品阵容,推出最新的高性能CMOS数字图像传感器。AR1337是1/3.2英寸格式背照式器件,针对消费电子产品如智能手机和平板电脑。AR1337结合高性能的Super PD？

精度高速度快厂商爱——详解PDAF相位对焦

2015年,一些国产厂商开始大肆炒作PDAF相位对焦技术这一概念,一时间只要是旗舰机的新品发布会上PDAF这几个字母几乎必被提及。在今年新发布的产品中,OPPO R7、vivo X5Pro、乐视的乐1 Pro甚至是售价不到千元的ono手机（TCL）都支持相位对焦技术了。那么,究竟什么是相位对焦技术,它的优势和劣势又是什么呢？

RGPO干扰下基于改进的IMM-PDAF的机动目标跟踪技术

研究了距离波门拖引（RGPO）干扰下杂波环境中机动单目标的跟踪问题，在建立RGPO干扰条件下雷达量测模型的基础上，提出了一种RGPO干扰下基于改进的交互多模型一概率数据关联算法（IMM-PDAF）的目标跟踪技术。该技术联合RGPO鉴别与跟踪一体化。在干扰鉴别上，采用信号似然比预处理、角度χ2检验以及m／n逻辑检验方法。在跟踪算法方面，采用提出的基于量测功率特征的IMM—PDAF算法，同时目标状态更新依据是否存在干扰采用不同的方法。若存在RGPO干扰，则根据RGPO假目标与真目标量测对的特点，采用提出的距离最近选择、角度数据压缩方法合成新量测对目标状态进行更新，若无RGPO干扰，则综合功率和位置特征对所有量测进行加权更新目标状态。仿真结果表明，该技术不仅能有效剔除RGPO干扰对跟踪算法带来的不良影响，而且具有良好的机动目标跟踪性能。

一种基于PDAF的目标跟踪算法

对目标进行跟踪的目的是通过相关和滤波处理建立目标的运动轨迹。在某型声纳多次试验中,发现采用最近邻域标准滤波器(NNSF)滤波方法时,目标跟踪不稳,跟偏、丢失等现象频现,因此对现有目标跟踪模型和算法进行研究与改进。采用基于概率数据互联滤波器(PDAF)的跟踪算法来实现对目标的跟踪。首先,使用滑窗法对目标进行跟踪起始,然后再采用概率数据互联滤波器(PDAF)进行目标关联,以保持对目标的连续跟踪。经过仿真与在某型声纳的多次试验对比可得:该关联方法对目标的跟踪结果较采用NNSF滤波方法对目标的跟踪结果有明显改进。其跟踪精度有了明显的提高,而且其跟偏、丢失的次数明显减少。

关于PDAF与不确定性推理的分析与讨论

随着电子信息技术的迅猛发展和它在军事领域中的广泛应用,数据融合技术已经越来越得到人们的重视。作为目标跟踪与目标识别领域中的基本方法,PDAF与不确定性推理有着重要的意义。文章着重介绍了PDAF方法以及主观贝叶斯方法、证据理论的基本思想方法并对其各自的优缺点和相互关系予以分析。

模糊-概率交互作用的数据关联算法

基于估计理论和模糊系统理论，提出了一种模糊逻辑和概率交互作用的数据关联算法，以解决密集杂波干扰环境中跟踪机动目标的数据关联问题．模糊关联度和关联概率共同组成了各有效回波的加权系数，弥补了概率数据关联滤波方法（ＰＤＡＦ）的不足．提高了杂波环境中机动目标的跟踪性能．

一种海杂波背景下的目标跟踪数据关联方法

针对杂波背景下的目标跟踪问题,采用最近邻滤波(NNF)算法和概率数据关联滤波(PDAF)算法对强海杂波背景下的水面舰船目标跟踪进行了理论分析与仿真。并针对密集海杂波环境,在PDAF算法基础上引入二次距离加权概念,对已有PDAF算法的关联概率值计算方法进行改进,对不同密度的海杂波环境中的单目标跟踪进行了仿真。仿真结果表明,该改进算法在密集海杂波环境中的跟踪性能有所提高,能够更有效且可靠实现非机动目标的跟踪。

杂波背景下舰艇警戒系统的融合跟踪

探讨融合搜索雷达和红外警戒系统目标航迹跟踪的新方法 .该方法以球坐标系中三通道解耦自适应卡尔曼滤波为基础 ,结合最近邻 (NN)方法或概率数据关联滤波(PDAF)方法实现杂波中的机动目标跟踪 .以杂波背景下反舰导弹类目标跟踪为例进行蒙特卡洛仿真 ,表明了这种方法有足够高的精度和良好的性能 .该方法从新的角度解决了两类传感器在杂波背景下融合跟踪的问题 ,结构简单 ,运算量小 ,精度较高 ,具有理论意义和应用价值 .

新型功能材料聚烷基芴衍生物及其应用

由于新型功能高分子材料聚烷基芴的衍生物可用于制造发蓝光的二极管材料因而倍受青睐，在大面积显示领域具有广阔的应用前景。本文根据国内外研究者的报道，简要介绍了这类材料的合成，性能及其在发光二极管方面的应用。

基于概率数据关联的地形辅助导航算法

地形辅助导航是解决惯性导航系统定位误差随时间不断增大的缺点重要方法之一,论文在分析概率数据关联滤波器的基础上,提出了一种基于概率数据关联滤波的新的地形辅助导航算法。算法把满足一定条件的相关值作为滤波器的有效量测,把飞行器的位置作为状态,建立了基于概率数据关联的地形辅助导航模型,利用概率数据关联滤波算法计算飞行器的位置坐标。仿真结果表明该算法的正确匹配率、均方根误差和圆概率误差均优于TERCOM算法。

一种适应较大INS速度误差的地形辅助导航算法

地形辅助导航是飞行器实现自主导航定位的重要方式之一。传统的地形辅助导航算法在匹配过程中,一般对惯性系统的速度误差范围有较严格要求,当速度误差过大时匹配正确概率会迅速下降。提出了一种新的基于短链修正的概率数据关联地形辅助导航算法,首先,依据短时间内由速度误差积累的航位漂移较小的特性,通过附近短链的关联滤波结果修正长链上的节点;其次,设计了通过匹配链后验概率构造关联概率的方法。该方法能较好地处理INS速度误差较大的情况,仿真结果表明该算法的正确匹配率,均方根误差和圆概率误差均优于TERCOM算法和直接基于概率数据关联的地形辅助导航算法。

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。

仅有角度测量信息的多传感器融合跟踪算法

仅有角度量测值的多传感器系统对目标的跟踪方法有其困难之处,但它具有较广泛的应用背景.该文以不同载体上的两部传感器为例较系统地分析了这种情况下的关联跟踪和融合滤波方法.对于无干扰信号的情况,提出了传感器的可用性矩阵,并给出了确定该矩阵的方法,建立了相应的融合估计方程;对于密集干扰信号的情况给出了融合跟踪门的建立方法和概率数据关联滤波(PDAF)算法,并对相应算法进行了仿真验证.

3D传感器检测和跟踪的联合优化

在杂波环境下实现检测 -跟踪的联合优化是目标跟踪中的一个重要研究课题。对3 D传感器使用 PDAF进行目标跟踪的情况 ,本文以先验检测门限优化准则为设计准则 ,通过用解析近似表示式拟合修正 Riccati方程中的参数 ,给出了瑞利起伏环境下实现检测和跟踪联合优化的方法。研究和仿真表明 :(1 )这种检测和跟踪联合化化方法的跟踪性能优于固定虚警率方法的跟踪性能 ,但这种性能的改善主要体现在滤波稳定阶段 ;(2 )基于先验检测门限优化准则实现检测 -跟踪的联合优化要求信噪比要大于一定的门限 ,在瑞利起伏环境下 ,三维测量所要求的信噪比门限为 2 .1 5

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。

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。

局地误差子空间变换卡尔曼滤波方法的最优参数选取

基于PDAF同化框架,通过Lorenz96模型的孪生实验,探讨了LESTKF同化方案中的两个重要参数局地化半径和遗忘因子对于同化结果的影响。实验结果表明:局地化半径对分析结果的空间分布影响明显。局地化半径过大,不能很好地滤去背景误差协方差矩阵中的虚假相关;局地化半径过小则分析太细节化使得物理量场不符合实际。遗忘因子的选取对于同化效果影响显著:孪生实验证明遗忘因子(取值为0~1)选取适当能够明显提高同化效果,但如果选得太小则会使同化结果过于接近模式,观测信息对模式的调整将减弱。当二者同时作为自变量影响Lorenz96模式的同化效果时,存在一个最优的参数选择区域,但该最优区域紧邻滤波发散的区域,因此在实际同化应用中应格外重视。