一种多普勒盲区条件下的多假设运动模型目标跟踪方法

机载预警雷达存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹中断和重起批。针对该问题,提出了一种基于多假设运动模型的目标跟踪方法。该方法根据多普勒盲区对目标状态的约束形成多个假设运动模型,当新出现的量测值落入任何一个运动模型形成的关联波门内,则航迹关联成功。仿真结果表明,该算法在不同盲区范围条件下,针对不同机动能力的目标均具有较高的航迹关联率,有效提高了目标连续跟踪性能。

基于MHT模型的毫米波雷达车辆检测方法

为了在智能车辆系统中检测前方车辆,该文提出了一种基于多假设跟踪(Multiplehypothesis tracking,MHT)模型的车辆检测方法。首先在多假设跟踪模型下,定义毫米波雷达量测集合与目标集合的对应关系,采用广义概率数据关联算法提取量测集合中的有效目标,从而得到有效目标集合。利用概率树模型估算目标的出现概率来维护检测的目标集合,保留稳定的检测结果。实验结果表明:该方法对于远近距离下和较差环境下黑夜灯光的前方车辆达到了准确的检测效果,克服了基于视觉的车辆检测方法对目标距离和环境光线敏感的缺点,同时在目标的保持维护上也取得了良好的效果。

基于结构多假设目标跟踪算法优化与仿真

研究雷达跟踪目标性能优化问题,传统多假设算法计算量大、实时性较差,无法应用于实际雷达装备。为解决上述问题,提出一种结构化分枝的多假设目标跟踪算法,同时提出限制最大航迹数量、删除负分航迹、低等级航迹处理、滑动窗口多维分配法、多扫分配法及交互多模型多假设跟踪算法等一系列改进方法,并通过计算机仿真证明改进后的结构化分枝的多假设目标跟踪算法比传统多假设算法及联合概率数据互联算法计算量更小,精度更高,并对改善当前舰载雷达跟踪性能,提高对目标的跟踪能力具有一定的指导意义。

三飞行体间欠冗余相对定位

自主协同工作的多飞行体间需通过相对定位确定彼此间的位置关系。针对三飞行体相对定位的欠冗余问题,提出了基于多假设最小均方估计的相对定位算法。首先,算法根据不同飞行体间惯性导航信息相对误差的分布函数,建立了多假设模型;然后,依据不同模型对飞行体的相对位置进行最小均方估计;最后,通过对不同估计结果的加权,实现飞行体间的动态相对定位。为了进一步提高相对定位的精度和稳定性,基于最优线性估计模型,提出了一种线性融合算法,实现三飞行体各自的定位结果的有效融合。仿真表明,本算法在观测信息欠冗余的情况下,可以实现三飞行体间的精确相对定位,且具有较高的稳定性。

多普勒盲区条件下的改进粒子滤波跟踪算法

机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹中断和重起批。针对多普勒盲区条件下的目标连续跟踪问题,提出了一种基于多假设运动模型的改进粒子滤波跟踪方法。该方法根据多普勒盲区对目标状态的约束形成多个可能的运动模型,粒子在每个模型下再进行带有状态约束的更新,当新出现的量测值落入任何一个运动模型形成的粒子云内,则航迹关联成功。仿真结果表明,该算法在不同盲区范围条件下,针对不同机动能力的目标均具有较高的航迹关联率,能够实现目标的连续跟踪。

盲区下高超声速飞行器贝叶斯指示交接方法

针对探测盲区下的高超声速飞行器接力跟踪问题,提出了基于多假设运动模型的贝叶斯指示交接方法。该方法首先根据目标运动的先验信息,对盲区下模型参数进行多假设建模。然后利用贝叶斯理论以概率的形式表达目标在盲区内的运动状态,通过蒙特卡罗采样近似计算搜索空域中目标的概率分布,从而确定搜索空域和波位顺序。仿真结果表明,该算法在一定盲区范围内,针对不同机动能力的目标均具有较高交接成功概率,其性能显著优于传统算法,能够实现目标的指示交接。

基于GGIW-PMB的衍生扩展目标跟踪

针对标准的扩展目标泊松多伯努利(Poisson multi-Bernoulli,PMB)滤波器难以有效跟踪衍生目标的问题,提出一种改进的PMB跟踪算法.算法采用随机矩阵法对扩展目标外形和尺寸建模,在滤波预测阶段利用多假设模型对衍生事件进行预测,得到多个伽玛高斯逆威沙特(gamma Gaussian inverse Wishart,GGIW)预测假设分量,最后在滤波更新阶段对预测分量更新得到扩展目标的运动状态和扩展形状估计.仿真结果表明,与标准的PMB滤波算法相比,所提算法有效改善衍生扩展目标的跟踪性能.

IMM/MHT FUSING FEATURE INFORMATION IN VISUAL TRACKING

In multi-target tracking,Multiple Hypothesis Tracking (MHT) can effectively solve the data association problem. However,traditional MHT can not make full use of motion information. In this work,we combine MHT with Interactive Multiple Model (IMM) estimator and feature fusion. New algorithm greatly improves the tracking performance due to the fact that IMM estimator provides better estimation and feature information enhances the accuracy of data association. The new algorithm is tested by tracking tropical fish in fish container. Experimental result shows that this algorithm can significantly reduce tracking lost rate and restrain the noises with higher computational effectiveness when compares with traditional MHT.