具有固定延迟平滑的交互多模型概率数据互联算法

为了提高杂波环境下跟踪机动目标的跟踪精度,文中将交互多模型概率数据互联(IMMPDA)和固定延迟平滑(LS)思想相结合,提出了一种具有固定延迟平滑的IMMPDA(IMM-LS-PDA)算法,通过引入延迟,增广了目标的状态向量,使得目标的固定延迟平滑状态估计更加准确。仿真结果表明,在杂波环境下对机动目标进行跟踪,单纯的IMMPDA算法的跟踪误差很大,并且在转弯机动处,误差出现峰值,算法的平稳性较差;而在进行固定延迟平滑后,算法的跟踪精度有了明显的提高。

基于量测转换的交互多模型概率数据互联算法

针对雷达跟踪机动目标时,目标运动模型通常线性地建模在直角坐标系内,而量测数据由传感器获得的实际情况,提出了基于量测转换的交互多模型概率数据互联算法。推导了该算法中相关的滤波估计、滤波误差协方差和数据关联概率,并且提出了跟踪门的确定方法。仿真结果表明了新算法的可行性和有效性。

联合交互式多模型概率数据关联算法

通过对交互式多模型（ＩＭＭ）算法和概率数据关联（ＰＤＡ）算法的研究，指出Ｂａｒ－Ｓｈａｌｏｍ和Ｂｌｏｍ等提出的ＩＭＭＰＤＡ算法结构和理论上存在的问题。根据全局最优的思想，设计了一个最优波门，从而得到全局最优的量测集合，保证了系统的理论完整性和结构合理性。推导完成了新的联合ＩＭＭＰＤＡ算法——Ｃ－ＩＭＭＰ－ＤＡ算法。大量仿真计算验证了Ｃ－ＩＭＭＰＤＡ算法在减少计算量的同时，总体性能上较之原ＩＭＭＰＤＡ算法有大幅度提高。

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。

基于改进交互多模型概率数据关联的机动目标跟踪（英文）

为了提高杂波条件下的空中机动目标跟踪精度,提出了一个改进的交互多模型概率数据关联算法。该算法将交互多模型、去偏转换测量和概率数据关联算法相结合,利用交互多模型算法模型集合间不同模型的相互切换来估计跟踪目标的状态;利用去偏转换测量算法对转换测量误差进行去偏补偿,从而减小观测数据坐标变换引起的误差;利用概率数据关联算法处理数据关联和测量的不确定性。通过将本文的算法和基于扩展卡尔曼滤波的概率数据关联算法进行对比分析和验证,实验结果表明本文提出的算法可以提高机动目标的跟踪精度,且跟踪精度相对基于扩展卡尔曼滤波的概率数据关联算法减少26.38%的位置误差。

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。

交互多模型—概率数据关联的无源定位方法

随着电子战技术的发展,对电子支援系统的生存能力和对目标定位能力的要求越来越高,根据要实现的两个要求,通过分析了提高系统生存能力的无源定位原理,对如何实现对高机动目标定位的交互多模型—概率数据关联的方法进行计算机仿真,结果表明在杂波和高机动情况下,交互多模型—概率数据关联的无源定位方法的可行性。

基于自适应采样速率交互式概率数据关联的机动目标跟踪算法

在交互式多模型和概率数据关联算法融合的基础上,又将自适应采样速率算法融合到交互式多模型概率数据关联滤波器中,提出了自适应采样速率交互式概率数据关联算法,该算法不但能有效地跟踪高速机动的目标,且能使系统的采样间隔根据目标的运动状态做自适应调整.仿真结果表明该算法扩大了机动目标的跟踪范围,且对高速机动的目标有很好的跟踪效果和较强的跟踪精度.

一种新的多模型联合概率数据关联方法

在机动目标跟踪中,针对以往IMM-JPDA算法易导致目标与回波误关联或不关联,M3-JPDA算法对状态向量和运动模型结构约束条件较高的情况,提出了一种将M3-JPDA与IMM-JPDA相结合的IMM-JPDA-(CV)2CAV算法,并将其与传统方法进行了比较。仿真计算证明了此算法具有较好的跟踪性能。

具有模型概率修正的新颖IMMPDA算法

为了有效提高杂波环境中机动目标跟踪的精度,将标量交互式多模型(SIMM)算法与概率数据关联(PDA)算法结合成SIMMPDA算法。其中,PDA算法能够有效处理杂波环境下的数据关联与测量不确定性。SIMM算法处理运动模型间的切换,且在线性最小方差意义下获得目标的最优状态估计。而考虑因杂波的干扰导致各时刻的匹配模型占优程度不明显的问题,故再对各时刻SIMMPDA算法所得的后验模型概率进行修改,得到一个基于模型概率修改的SIMMPDA算法,即为M-SIMMPDA算法。仿真结果表明,所提算法的跟踪精度得到一定程度的提高。

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.

基于粒子滤波的交互式多模型多机动目标跟踪

针对交互式多模型联合概率数据关联滤波算法(IMM-JPDAF)在非线性情况下跟踪精度低,并不适用于非高斯问题的情况,提出了一种基于粒子滤波的交互式多模型多机动目标跟踪算法;将交互式多模型联合概率数据关联(IMM-JPDA)与粒子滤波相结合,在交互式多模型联合概率数据关联的框架下,各模型采用粒子滤波算法处理非线性非高斯问题,避免了噪声的高斯假设和非线性部分的线性化误差。仿真结果表明,IMM-JPDA-PF算法的跟踪性能明显优于IMM-JPDAF算法,能够对杂波环境中的多机动目标进行有效跟踪。

当前统计概率数据关联算法

目标跟踪领域的一个研究重点是如何解决在密集杂波环境下机动目标的跟踪问题。机动目标跟踪的关键是解决目标模型的不确定性,而密集杂波环境则使这个问题变得更加复杂。针对这一问题,提出一种当前模型概率数据互联算法。该算法将当前模型算法与概率数据互联相结合,在使用概率数据互联算法的同时,利用当前模型算法对目标出现的机动进行自适应滤波。最后,给出了算法的仿真分析,仿真结果说明该方法能够有效地跟踪杂波环境中的机动目标。

基于粒子滤波的多传感器交互式多模型多机动目标跟踪

针对单传感器交互式多模型联合概率数据关联滤波算法(Interacting Multiple Model Joint Probabilistic Data Associa-tion Filtering,IMMJPDAF)在非线性情况下跟踪精度低,且对于非高斯问题不适用的情况,文中提出一种基于粒子滤波的多传感器交互式多模型多机动目标跟踪算法(Interacting Multiple Model Joint Probabilistic Data Association Particle Filtering,IMM-JPDA-PF).将IMM,JPDA和PF相结合,给出了两个传感器情况下的IMM-JPDA-PF算法,并且IMM-JPDA-PF()算法能够很容易地扩展到任意多个传感器的情况,在非线性非高斯条件下实现了杂波环境中利用多传感器对多机动目标的有效跟踪.仿真结果表明,多传感器IMM-JPDA-PF算法比单传感器的IMM-JPDA-PF算法具有更高的多机动目标跟踪精度.

位置级数据融合模型及常用方法

介绍了位置级数据融合的结构模型,其中包括集中式模型、分布式模型、混合式模型、多级式模型以及各种模型的优缺点,并同时介绍了在位置级数据融合时的常用方法。

密集回波环境下的一种交互式多模型算法

利用神经网络算法对基于机动目标“当前”统计模型的均值和方差自适应滤波算法进行修改 ,提高该算法的性能 ;然后与匀速模型交互作用 ,利用概率数据关联处理密集回波环境下机动目标的跟踪问题 ,这样既保持了对强机动目标的跟踪性能 ,同时又提高了对弱机动目标的跟踪精度。

基于多模型粒子滤波的机动多目标跟踪算法

针对密集杂波环境下机动多目标跟踪中系统强非线性以及运动模式切换对于滤波精度的不利影响,提出了一种基于多模型粒子滤波的机动多目标跟踪算法。新算法实现了多模型粒子滤波和广义概率数据关联算法的有机结合。通过在粒子状态采样过程中引入模型信息改善了交互式多模型和粒子滤波结合中导致的计算量膨胀问题,并利用广义概率数据关联算法实现回波的有效确认和回波信息的充分利用。给出了应用该方法的具体步骤,最后,理论分析和仿真实验证明该算法的有效性。

舰载红外警戒系统的单站多目标数据关联与滤波算法

针对舰载红外警戒系统和所观测目标的特点,本文提出一种单站被动式跟踪系统的关联滤波算法.首先选取极坐标系建模使系统方程得到简化,然后基于启发式规则进行航迹起始,并给出纯角度域下的联合概率数据关联算法(JPDA),接着分析变量在角度域的变化规律,结合实际对算法进行修正从而完成交互多模型(IMM)的跟踪滤波.不同的仿真场景被给出用于验证该算法的性能,蒙特卡罗仿真结果表明该算法的有效性.

一种基于目标运动模型的可变固定延迟的平滑算法

近来,对于机动目标跟踪的问题已经提出很多平滑方法。其中相互作用多模型-概率数据关联固定延迟算法(IMMPDAS)对在杂波环境下跟踪机动目标提供了一个较为有效的解决方法。然而,在此标准的平滑算法中,对于每一种模型采用相同的延迟间隔。提出了一种新的基于IMMPDA状态扩展系统的算法。它的改进性在于针对每种模型的复杂性采取不同的平滑延迟步幅,从而计算量将会大大降低,并且使用将更加灵活。通过对一个高度机动目标的多传感器跟踪的仿真实例来进行验证。仿真结果表明提出的平滑算法精度上与原有的平滑算法相差无几,都比已有的IMMPDA算法在航迹估计精度上有了显著提高,但却有更小的计算量。

一种基于IMMPDA-UKF的机动目标跟踪算法

为了实现对在航捷点附近做机动运动目标的精确跟踪,提出采用不敏卡尔曼滤波(UKF)作为底层的滤波算法,解算出方位和俯仰的角度变化率,通过角度变化率解算出目标的切向速度,在过航捷时建立新的跟踪模型,将切向速度扩充到观测方程中,并结合交互多模型概率数据关联算法(IMMPDA)实现对过航捷机动目标的跟踪。仿真结果表明,该算法跟踪精度高,在航捷点附近无论是转弯机动还是加速运动,都可以保持对目标的持续跟踪,稳定性较高,可以直接应用于工程实践。