幅度信息辅助的海面低空多目标多假设跟踪算法

在海面低空多目标跟踪场景下,由于受到海杂波的影响,多假设跟踪算法会生成大量虚假航迹并发生航迹中断。针对此问题,提出一种基于幅度信息辅助的海面低空多目标多假设跟踪算法。首先,算法采用先验的信杂比信息,通过设置幅度门限区分出目标回波量测与杂波量测;然后,利用回波量测的幅度信息修正多假设跟踪算法中的航迹得分,提高数据关联的准确度;最后,针对跟踪处理后出现的航迹中断问题,采用图模型方法实现航迹粘连。仿真实验结果表明,文中提出的算法能够有效降低海杂波的影响,减少虚假航迹与中断航迹的产生。

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。

基于多假设跟踪的移动机器人自适应蒙特卡罗定位研究

针对移动机器人蒙特卡罗定位(Monte Carlo localization,MCL)算法在含有对称和自相似结构的环境中容易失败的问题,提出了一种基于多假设跟踪的自适应蒙特卡罗定位改进算法.该算法根据粒子间空间相似性采用核密度树聚类算法对粒子群进行聚类,每簇粒子代表一个位姿假设并用一个独立的MCL算法进行跟踪,总体上形成了一组非等权的粒子滤波器,很好地克服了普通粒子滤波器由于粒子贫乏而引起的过度收敛问题.同时运用该核密度树实现了自适应采样,提高了算法的性能.针对机器人"绑架"问题对该算法作了进一步的改进.实验结果证明了该算法的有效性.

基于多假设跟踪的入侵场景构建研究

基于信息融合领域经典的多假设目标跟踪理论,设计了一种模糊化的多假设入侵场景构建方法;对入侵检测系统产生的报警,按照假设形成、模糊假设评价、假设管理的步骤进行自动组织和分析,形成可信攻击片段,并最终从可信攻击片段中自动构建出黑客的入侵场景。在DARPA2000测试数据集上的试验表明,提出的方法是可行的、高效的。

多假设跟踪技术综述

从工程应用的观点出发,对多假设跟踪技术进行综述。描述了从多假设跟踪的萌芽——多目标跟踪的0-1整数规划法,到多假设跟踪方法的形成;由于假设生成过程是算法复杂性决定性的因素,其中量测个数和航迹合并长度又起关键作用。对该问题进行了重点的回顾;进一步MHT实用化的关键是如何克服算法的复杂性,K-最优假设法为算法应用带来希望。同时,对多假设跟踪其它相关技术的发展也进行了简要叙述。

压制干扰下雷达网点目标概率多假设跟踪算法

针对压制干扰下雷达网跟踪中使用概率多假设跟踪(PMHT)算法航迹丢失率高的问题,提出了一种基于数据压缩的雷达网点目标概率多假设跟踪(DC-PPMHT)算法.该算法先将各雷达在压制干扰下由于检测概率下降出现目标暂消的量测数据在空间对准后进行串行合并和点迹合成,并计算数据压缩后各量测点迹的检测概率,然后把计算得到的压缩点迹和检测概率送入点目标PMHT滤波器中进行跟踪.DC-PPMHT算法在压制干扰下的雷达网跟踪中可以降低航迹丢失率,提高航迹跟踪的精度.仿真结果表明,与PMHT算法相比,DC-PPMHT算法在各雷达采取抗干扰措施前、后的航迹丢失率分别降低了4.7%和1.2%.

引入目标灰度信息的多假设跟踪方法

在传统的多假设跟踪(MHT)算法中,航迹置信度函数仅利用了目标的位置信息。对于红外搜索与跟踪(IRST)系统中的目标跟踪,还有目标灰度信息可以利用,因此在IRST系统的MHT算法中加入目标的灰度信息来重新构造航迹置信度函数和航迹启动条件,增强了算法抑制虚警的能力。通过跟踪5个高机动目标的仿真过程,对算法性能进行了检验,仿真结果表明,新的算法可以减少航迹数目、减少系统计算时间,并使算法具有更强的抑制噪声的能力。

基于多假设跟踪的散射点关联和三维重构方法

针对雷达目标在未知视角下一维散射中心关联存在的问题,提出了一种基于散射强度信息辅助的多假设跟踪(MHT)散射点关联方法,采用散射点幅度信息辅助实现对目标散射点的有效关联,对关联后的数据采用序贯因式分解的方法实现了目标的三维重构。仿真实验表明,该方法简单、成像效果稳定,通过对关联过程中的假设更新和管理可有效剔除目标运动过程中产生的虚假散射点,适用于目标在多个姿态下多个散射点的关联和三维重构,具有较高的鲁棒性。

两种改进的m-最优多假设跟踪(MHT)算法

针对多假设跟踪(MHT)算法在跟踪多目标时出现的关联矩阵随目标及量测数急剧增长的情况,从降低聚矩阵行、列向量维数角度,提出了两种改进的m-最优MHT关联算法。仿真结果表明,所提出的改进方法不仅大大减少了由高维聚矩阵拆分所引起的庞大计算量,而且实现了对多个目标的有效量测-航迹关联,具有一定的实用性。

引入目标径向速度信息的多假设跟踪方法

提出了一种新的基于目标径向速度信息的多假设跟踪算法,来解决边搜索边跟踪雷达系统中数据互联问题,即在SB/MHT算法中,通过引入目标径向速度信息,构造新的航迹置信度公式,完善航迹启动条件。系统仿真结果证明,新算法可有效减少航迹数目,从而缩短系统计算时间,具有更强的抑制虚警的能力。

修正并行式多传感器不敏多假设跟踪算法

为了有效解决非线性系统中的多传感器多目标跟踪问题,提出了一种修正并行式多传感器不敏多假设滤波算法。算法运用概率数据互联的思想对各传感器的估计量进行概率加权,克服了并行式多传感器算法的误差积累现象,得到了一种修正的多传感器并行式算法。各传感器中量测点迹与航迹的数据互联问题通过多假设方法予以解决,并通过不敏卡尔曼滤波器完成非线性系统中的目标跟踪。仿真结果表明,从跟踪精度及稳定性方面看,所提出的算法性能要优于MSJPDA/EKF算法。

基于衰减记忆法滤波的多假设跟踪算法

本文在讨论多假设跟踪算法原理的基础上,分析了影响其跟踪精度的关键——Kalman滤波,我们提出用衰减记忆法卡尔曼滤波代替原标准卡尔曼滤波,并采用计算机仿真实验对比的方法研究了改进的多假设跟踪算法的效果。实验结果表明改进后的算法能有效地抑制滤波器的发散,提高航迹预测精度,在不增加系统运算时间的前提下,使得多假设跟踪算法的性能得到了很大的提高。

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。

基于多假设跟踪弹道导弹主动段跟踪算法

针对弹道导弹主动段防御中多枚弹道导弹同时跟踪问题,提出了基于多假设思想的主动段跟踪算法。重点阐述了该算法中假设生成、假设概率计算、假设约简以及假设剪枝等环节。从工程实用的角度出发,采用求解一个线性分配问题(LAP)方法得到M个最优假设,大大减少了假设数量,并运用N-scan回溯剪枝方法对假设进行剪枝,确定要输出的航迹,提高了算法的效率和实用性。仿真实验表明,该算法能够对主动段多枚弹道导弹目标准确关联跟踪。

多假设跟踪在红外搜索跟踪系统中的应用

红外搜索跟踪系统得到的数据存在较多虚警和杂波,所以宜采用多假设跟踪(MHT)算法对多个运动目标进行跟踪。针对MHT算法计算量大的缺点,对算法做出了改进和简化,仿真结果表明了改进后的算法在降低计算量的同时能够有效地摒弃虚警、跟踪多个目标。

多假设跟踪算法研究及其应用

MHT(多假设跟踪)是一种基于多个扫描周期量测,进行数据互联的技术,理论上是解决数据关联的最优方法。文中重点阐述多假设跟踪算法中数据聚簇、假设生成及假设概率计算、假设约简与剪枝等环节。从工程角度出发,采用K-best最优假设和N-scan回溯剪枝以提高算法效率和实用性。

基于杂波感知的双闭环多假设跟踪方法

针对杂波环境下多假设跟踪方法计算量呈指数增长,不易工程应用的问题,提出了一种基于杂波感知的双闭环多假设跟踪方法。该方法在原有的算法框架中加入杂波感知与处理环节,通过减少杂波点迹的数量,大大地减小了虚假航迹的数量;采用双闭环结构对未稳定跟踪和已稳定跟踪的航迹分别进行处理,避免了由虚假航迹引起的聚类扩大或者合并问题,进一步减小了算法的计算量。通过仿真数据验证了该算法能够减小50%的计算量,同时也降低了虚假航迹的数量,由此验证了该算法的有效性。

关联深度自适应的多假设跟踪研究

多假设跟踪（multiple hypothesis tracking,MHT）方法是一种在多个扫描上评价关联假设并由此做出决策的贝叶斯型关联跟踪方法,此方法能够在信噪比低10-100倍的状况下获得与单扫描方法相当的性能,但同时会带来相当大的计算量。本文研究了面向航迹MHT中的关键算法,包括航迹得分计算与航迹树的生成、将航迹聚类和假设生成建模为图论问题并求解、N扫描回溯剪枝等,特别关注了这些算法过程的实现;提出了一种关联深度自适应（adaptive association depth,AAD）方法,使关联深度随关联场景的复杂程度自适应变化;仿真研究了本文提出的AAD-MHT跟踪密集目标的性能,结果和分析表明,与深度值固定为6的MHT相比,最大深度为6的AAD-MHT既能保证性能又有效降低了计算量。

角度信息辅助的集中式多传感器多假设跟踪算法

对于密集杂波环境中的多目标跟踪,传统集中式多传感器多假设跟踪(CMS-MHT)算法在每一时刻的航迹-量测关联假设数量大大增加,导致数据关联不确定性增大,以至很难由常规航迹得分给出正确关联,表现为高的漏情率以及航迹分裂现象。基于传感器测量误差较小时虚警与目标量测的空间分布特点,针对多个相同类型传感器进行目标跟踪,该文提出一种角度信息辅助的CMS-MHT算法,设计了新的角度信息辅助的航迹得分计算方法,可以降低航迹-量测关联的不确定性,从而得到比传统CMS-MHT更优的关联假设。仿真实验结果表明,在密集杂波环境中,该算法能有效降低漏情率,并有更好的航迹完整性。

新型基于分层多假设跟踪的冠脉骨架提取算法

为解决大多数脉管骨架提取算法中存在的运算复杂、准确率低以及无法同步获取脉管半径问题,提出了一种新型基于分层多假设跟踪的冠脉骨架提取算法.首先,提出改进局部形状分析方法用于冠脉预分割,通过引入单连通约束和体积约柬和降低非血管型结构及细小类血管型结构误分割率;其次,定义新的中心检测能量函数,增强骨架定位能力,并提出分层多假设策略,避免跟踪过程产生局部谅优解和实现脉管半ftNJ步获取;此外,通过生成水平集图,使算法可根据脉管树分支情况自动初始化多条跟踪路径,具有较好的拓扑适应性.实验表叨,他骨架提取算法相比,该算法可以同步获取冠脉骨架及半径等信息,且结果精度较高.