基于分布式PMHT的多传感器多目标跟踪

在目标跟踪领域,概率多假设跟踪(probability multiple hypothesis tracking,PMHT)算法作为一种批处理算法,计算量远远小于传统的多假设跟踪算法。当前,PMHT算法的应用受限于集中式处理,本文首先在传统算法的基础上对传感器网络下的算法似然进行了推导,得到多传感器算法下的关联后参数,接着基于共识性处理策略进行了混合共识,最后使用卡尔曼滤波完成了对目标参数的后验估计,使得PMHT算法能够被应用于不包含融合中心的全分布式传感器网络多目标跟踪。实验结果表明,在不同的杂波密度下,分布式PMHT在跟踪误差上相对于单传感器算法有着90%以上的改善效果,与集中式算法相比跟踪性能接近且运算速度更快。

利用自适应模糊推理PMHT算法的红外小目标跟踪与检测

提出了一种基于自适应模糊推理PMHT算法对红外序列图像的小目标进行跟踪和检测。对红外序列图像进行中值滤波、边缘提取、海天线识别与对消等预处理后,可以提取出若干个备选小目标,通过PMHT与模糊自适应相结合算法来实现对备选目标的跟踪和数据关联,最后,根据先验知识和检测条件实现小目标检测。算法通过模糊自适应来调整系统噪声方差,经过多次迭代,从而实现数据关联以及目标模型实时检测。另外,在多目标跟踪中存在目标重叠的现象,运用"记忆和填充"方法来解决多目标的合并和分裂问题,算法易于硬件实现。通过对实际的红外序列图像进行小目标检测,验证了所提方法的可行性和有效性。

一种机动目标的PMHT跟踪算法

在多目标跟踪中一些传统关联算法的计算负荷是和目标数目及量测个数呈指数型关系增长,概率多假设跟踪算法(PMHT)很好地解决了这一问题;通过将机动输入项建模为马尔可夫过程,提出了一种推广的PMHT算法(EPMHT)以解决机动多目标跟踪问题;仿真结果表明该算法是有效的。

基于FCM与PMHT的红外目标跟踪与检测算法研究

为了对复杂海天背景下红外弱小目标实现稳定、有效的跟踪,文中在参考和改进传统PMHT跟踪算法的基础上,提出了基于FCM和改进PMHT算法的红外弱小多目标跟踪算法。与传统PMHT跟踪算法不同之处在于:这里结合红外弱小目标的位置、灰度、像素面积、航迹等特征参数,在PMHT算法中融入基于特征参数的模糊聚类思想,即在PM-HT算法中,通过模糊聚类来调整系统噪声方差,经过不断修正系统运动模型,从而在整体上完成了对于数据关联的寻优以及对于运动目标模型的在线辨识。

模糊自适应PMHT机动目标跟踪算法

对目标机动的检测和准确跟踪,是目标跟踪研究中非常重要但难度较大的问题。将统计距离、统计距离增量作为系统方差的调整参量,采用模糊专家规则系统,提出了一种适用于机动目标的模糊自适应概率多假设跟踪(FA-PMHT)算法。该算法将数据关联寻优与运动模型寻优联合处理,从而实现了数据关联寻优、目标模型寻优一体化。仿真结果表明,所提算法与交互式多模型概率多假设跟踪(IMM-PMHT)算法相比在跟踪精度上有明显提高,并且满足实时性要求,证明该算法是有效的。

天波超视距雷达的PMHT跟踪算法仿真研究

在天波超视距雷达(OTHR)单目标跟踪环境下,仿真分析了PMHT算法在航迹起始、维持、终结上的性能,研究了算法对环境参数和算法参数的鲁棒性,并对两交叉目标环境下的情况进行了仿真,验证了算法的有效性。仿真结果表明,PMHT可以实现OTHR环境下的自动目标航迹起始、维持及终结。

密集杂波环境下确定性退火DA-HPMHT跟踪算法

在对Homothetic概率多假设跟踪(probabilistic multiple hypothesis tracking,PMHT)和确定性退火(deterministic annealing,DA)技术深入研究的基础上,结合扩展卡尔曼算法,提出了DA-HPMHT算法。针对密集杂波环境对多目标跟踪性能的影响,给出了DA-HPMHT算法在匀速直线交叉运动目标,机动转弯目标和匀速直线邻近目标的仿真实验,并同HPMHT算法进行了仿真比较。仿真结果表明,在初始值与真实值相差较大的情况下,HPMHT算法跟踪性能下降,而DA-HPMHT算法仍能保持较好的跟踪精度,并且满足实时性要求,证明DA-HPMHT算法对密集杂波环境下多机动目标跟踪的有效性。

基于粒子滤波的被动多基站跟踪算法(英文)

针对被动多基站跟踪的实际应用,提出了基于粒子滤波的被动多基站跟踪方法。该方法首先利用两个基站的观测数据融合目标位置,并用第三个基站的观测数据对目标位置进行检验,消除了错误融合位置;然后,推导了被动多基站粒子滤波模型,并根据被动多基站跟踪的特点,提出了顺序重抽样方法,有效地解决了被动多基站跟踪中的高度非线性、非高斯的影响;最后,给出了算法的性能仿真比较。仿真结果表明提出的方法性能明显优于其他跟踪方法(如PMHT、IMM-PDA)。

天波超视距雷达的多路径融合多目标跟踪算法

针对天波超视距雷达(over-the-horizon radar,OTHR)的信号多路径传播特点,提出一种融合多路径信息的多目标跟踪算法。该算法利用概率多假设跟踪(probabilistic multi-hypothesis tracker,PMHT)算法中量测与目标关联的"软"决策模型优势,并对多路径观测函数显式建模,推导了多路径量测融合处理公式。仿真实验结果表明,相比于标准PMHT算法,所提出算法实现了在低检测概率、高杂波的OTHR环境下对多个目标的更有效跟踪,获得更高的目标状态估计精度和更低的失跟率。

声探测网络延时概率多假设跟踪算法

针对利用同步固定声探测网络中的纯方位角延时量测数据对低空机动目标进行探测与跟踪的问题,为提高跟踪精度,根据期望最大化算法提出一种延时概率多假设目标跟踪算法,对网络中多个时刻各个传感器数据间的组合进行延时概率多假设建模,形成多假设联合量测,利用内嵌合适的贝叶斯平滑器对目标状态进行递归优化,最终得到目标状态的极大后验估计值。仿真结果表明算法能够有效解决声探测网络延时数据难以利用的问题,对低空机动目标的状态进行有效跟踪,满足估计精度要求,收敛速度快,鲁棒性强的特点。

模糊自适应概率多假设算法研究

将概率多假设(PMHT)算法引入目标跟踪,针对PMHT算法的迭代、批处理特性,采用模糊专家规则系统,提出了模糊自适应概率多假设跟踪(FA-PMHT)算法。仿真结果表明,算法在跟踪精度上有明显提高,并且满足实时性要求。

一种新的近程多目标轨迹参数测量方法

针对传统的近程单目标轨迹参数测量技术不能满足对齐射弹和子母弹等多目标轨迹参数进行测量的实际需求,提出了一种新的近程多目标轨迹参数测量方法。使用逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像技术提取目标的距离及多普勒频率信息,采用概率多假设跟踪(Probabilistic Multi-Hypothesis Tracking,PMHT)算法对多个目标的距离及多普勒频率数据进行数据关联,运用非线性最小二乘方法进行多目标轨迹参数估计。仿真结果表明,该方法运算速度较快,可以得到较高精度的近程多目标轨迹参数测量结果。

基于属性信息融合的概率多假设跟踪算法

通过引入辅助的属性信息与属性数据来弥补目标跟踪信息量的缺失,提出了一种适用于目标近距离环境下的基于属性信息Homothetic-PMHT目标跟踪算法。该算法将传感器获得的目标属性信息与目标状态信息之间的关联以概率的形式给出,从而实现了运动状态信息、属性信息联合应用。仿真结果表明,所提算法在航迹关联成功率上与Homothetic-PMHT算法相比有明显的提升,同时在跟踪精度上也有所提高,证明该算法是有效的。

直方图概率多假设跟踪方法技术综述

直方图概率多假设跟踪(histogram probabilistic multi-hypothesis tracking,H-PMHT)算法是高效的多目标检测前跟踪(track before detect,TBD)方法,其由概率多假设跟踪(probabilistic multi-hypothesis tracking,PMHT)算法发展起来。首先深入剖析了H-PMHT算法,并重点分析比较了该算法和PMHT算法间的深刻联系,分析了该算法的特点和适用条件;其次,介绍了近年来H-PMHT算法的改进和推广情况,梳理了算法应用中的相关研究工作;最后,总结了算法的优缺点及需要改进的问题,展望了其发展前景。

基于概率多假设跟踪技术的数目可变航拍视频多目标跟踪

提出了一种改进的概率多假设跟踪(probabilistic multi-hypothesis tracking,PMHT)航迹管理方法,应用于数目可变视频多目标跟踪。该方法将目标航迹分为三类:确认航迹、候选航迹和新航迹,并设计了确认航迹子模块、候选航迹子模块和新产生航迹子模块分别管理上述航迹。在确认航迹子模块和候选航迹子模块中采用PMHT算法对航迹和测量进行关联,同时计算航迹置信度作为航迹确认和航迹删除的依据。新航迹子模块采用修改的逻辑法进行航迹起始。滑窗PMHT算法的应用使消失航迹得到及时删除。航拍数目可变视频多目标跟踪结果表明了本文提出方法的有效性。

三维数据关联情况下外辐射源雷达多目标跟踪研究

不同于传统多目标跟踪,除了量测-目标数据关联模糊问题外,外辐射源雷达跟踪系统新增了量测-发射机数据关联模糊问题。针对此问题,该文通过引入一个新的关联变量来表示量测和发射机之间的数据关联关系,提出了目标-量测-发射机3维数据关联改进概率多假设跟踪(PMHT)算法。该算法利用期望极大化(EM)算法的独立性假设条件得到最大后验概率意义下的最优跟踪。为了增加目标-量测-发射机之间数据关联的准确性,提高多目标与量测后验关联概率的精确度,将量测信息设定为均值相同协方差不同的混合高斯分布。针对距离-多普勒量测的非线性性,利用无味卡尔曼平滑(UKS)算法进行多目标状态估计。仿真结果表明,对于FKIE外辐射源雷达数据集(杂波密度很高),所提算法的目标与航迹关联成功率高,抗杂波性能强,证明了算法的有效性。