密集杂波环境下的快速数据关联算法

联合概率数据关联(JointProbabilisticDataAssociation,JPDA)是密集杂波环境下跟踪多目标最有效的算法之一。但当目标数目和有效量测数增大时,关联概率的计算出现组合爆炸现象一直是工程应用的瓶颈。基于JPDA算法的思想,提出了一种快速数据关联算法,该方法首先根据被跟踪目标相关门的相交情况将监视区域分成相互独立的空间,对同一空间内具有公共量测的目标和各目标相关门内的多个量测的概率密度值分别进行概率加权后再计算关联概率。不需要象最优JPDA算法中产生所有可能的联合事件,因此具有计算量小,易于工程实现的优点。仿真结果表明,在不同的杂波密度环境下和不同的目标运动形式下,此算法都可以取得令人满意的跟踪效果。

密集杂波背景下雷达微弱海面目标的修正Hough变换TBD检测新方法

针对密集杂波背景中雷达微弱海面目标检测问题,提出一种基于修正Hough变换的检测前跟踪(Track Before Detect,TBD)新方法.在传统两级检测器的基础上增加点迹筛选环节,提出一种基于单帧观测数据的修正单帧Hough变换(Modified Single Hough Transform,MSHT)算法,在MSHT空间引入连续多帧共线和速度约束条件,实现对密集杂波点迹的有效抑制;针对海面多目标同时检测需要,改进传统批处理Hough变换算法,使观测空间原点自适应筛选后点迹数据,得到数据匹配Hough变换算法(Data-Matched Hough Transform,DMHT),以提升参数空间多目标分辨与检测能力.基于游程分布理论推导得到新检测器检测性能解析表达式.仿真和实测数据处理结果验证了本文方法的有效性,表明本文方法在密集杂波背景下具有良好检测性能.

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。

密集杂波环境下的机动目标跟踪算法

针对密集杂波环境下的机动目标跟踪问题提出了一种新的算法，即交互式多模型数据关联算法。基本思路是利用概率数据关联处理多余回波，同时利用交互式多模型算法处理目标的机动问题，而且将机动目标“当前”统计模型引入其中，将它们结合起来处理密集杂波环境下的单机动目标跟踪问题。仿真结果证明该算法是解决此种问题的一种非常有效的方法。

密集杂波环境下基于KHM的多目标数据关联

针对在杂波密集、多目标交叉的场景中,传统聚类算法在数据关联中出现的用聚类中心点更新航迹产生较大误差。为减少误差,提高航迹精度,提出一种基于KHM(k-Harmonic Means)的多目标数据关联算法。算法首次将KHM用于多目标的数据关联问题中,先对接收到的量测数据通过KHM算法进行聚类处理,然后结合最近邻思想完成量测-航迹的关联,在目标出现密集交叉时,引入KHM的"软聚类"方法,实现了量测-航迹的精确关联。采用蒙特卡罗仿真结果表明,基于KHM的关联算法在精度上要优于PDA算法,并验证了算法的可信性和有效性。

密集杂波环境下数据融合估计算法评估

由于观测量获取的不确定性,使得密集杂波环境下的多传感器机动目标跟踪变得复杂,解决这个问题的关键在于跟踪门限和数据联合与融合算法的选取。文中在分析最邻近卡尔曼滤波(NNKF)和概率数据联合滤波(PDAF)两种融合算法的基础上,对其在密集杂波环境下的跟踪误差和算法实时性效果采用当前统计模型进行评估,仿真结果表明PDAF算法跟踪性能明显优于NNKF算法。

密集杂波环境下基于KD树优化的DBR-RANSAC目标跟踪算法

地面战场侦察雷达存在虚假目标多、真实目标难以区分等问题。为了降低复杂环境下密集杂波的影响,形成稳定航迹,并提高雷达数据处理的实时性,文中提出一种基于K维树优化的密度聚类随机采样一致性多目标跟踪算法,降低使用批处理进行航迹起始时对大量数据进行密度聚类带来的运算负担;同时,利用相控阵雷达的波位信息对数据关联过程进行优化。仿真和试验数据验证表明:文中提出的算法在密集杂波环境下可有效提高运算效率并保持较高的跟踪性能。

密集杂波背景下的水下多目标跟踪方法

水下多目标跟踪是水声信号处理领域研究的热点和难点问题。高斯混合概率假设密度(Gaussian mixture probability hypothesis density,GM-PHD)滤波器以其高效的计算效率为解决水下多目标跟踪问题提供了保证。然而,GM-PHD滤波器在跟踪目标时需要先验已知新生目标的强度,否则其性能会出现严重退化。针对该问题,提出一种滑动窗两步初始化高斯混合概率假设密度(sliding window two step initialization GM-PHD,SWTSI-GMPHD)滤波器。将提出的滑动窗两步初始化方法嵌入GM-PHD滤波器,利用滑动窗两步初始化方法估计新生目标强度,减少杂波干扰导致跟踪结果中出现的虚假目标。仿真实验表明,在杂波密集环境下,相较于其他跟踪方法,提出方法将跟踪精度提高69.84%,52.62%和41.05%。

密集杂波环境下多目标数据关联算法研究

为有效降低密集杂波环境下多目标数据关联计算的复杂性,提出一种适合工程应用的数据关联方法。首先在椭圆跟踪门的基础上对目标的运动方向进行限制,尽可能地减少落入跟踪门内的回波,然后使用FAFDA算法对落入公共波门内的测量点迹进行处理。

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．

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。

战斗机对多目标航迹跟踪控制仿真研究

战斗机对多目标航迹跟踪控制仿真的过程中,航迹起始作为多目标跟踪的首要问题,其准确性能够有效地减轻航迹维持的负担,而且能够及时发现地方目标,增强我方的防御能力。针对高密度杂波环境中多目标航迹起始虚假航迹多的问题,提出了一种将扫描的点迹先聚类后进行航迹起始的新算法。新算法首先结合目标点迹的运动学信息,保存满足目标运动状态的目标点迹,然后根据目标的相似性结合K-medoids聚类算法,将保存下的目标划分到不同簇中,使得同一组内的目标具有较高的相似度,而不同组中目标则不相似。对每个簇中的目标进行统计,设置阈值,删除目标总数小于阈值的簇,最后对剩余的目标运用霍夫(Hough)变换法起始目标航迹。仿真结果表明,上述算法在高密度杂波环境下能够有效地起始多目标航迹,同时也降低了虚假航迹的概率。

一种复杂环境下的多假设分支跟踪方法

在雷达环境杂波强、目标运动特性复杂、需要同时跟踪多批目标的情况下,目标跟踪过程中容易因关联错误造成跟踪错误。本文提出的多假设航迹跟踪方法在目标的机动特性不明时,建立航迹的多个假设航迹,对假设航迹进行隐形跟踪。该方法中航迹具有父、子、孙三类分支属性之一,其中父航迹为原始航迹,子航迹是在父航迹基础上建立的假设航迹,孙航迹是在子航迹基础上建立的假设航迹。通过父、子、孙三类分支航迹之间的继承和替代,可以同时跟踪丢点、密集杂波区、机动状态不明的多批目标,降低航迹关联错误的概率,实现对目标的稳定跟踪。

并行多传感器多目标跟踪系统性能优化算法

研究密集杂波环境下的并行多传感器多目标跟踪优化问题,针对传统的数据互联在杂波数量多,虚警率高的情况下测量与航迹关联计算量大,配对正确率低等缺陷,提出了一种采用多级数据压缩的结构化分枝多假设改进算法,设计了一种确定测量与航迹最优配对的测量聚类方法,将已有的单级数据压缩技术扩展为两级数据压缩。利用上述方法对结构化分支多假设算法中的冗余分枝进行压缩和剪枝,产生航迹家族树最优的"等效分支",并给出优化后的状态估计输出。仿真证明,改进算法减少了运算时间,提高了跟踪精度和实时性,为密集杂波环境下的多目标跟踪提供了一种有效方法。

基于网格连通的航迹自动起始方法

针对密集杂波环境下航迹自动起始困难的问题,根据杂波和目标的空间分布特征,采用了网格连通的概念对观测空间进行网格划分并基于相应的准则形成连通域,通过对连通域的分析实现对点迹的预处理,然后对预处理之后的点迹进行航迹起始处理,通过减少航迹起始判断的观测点数目来减少计算量,实现快速的航迹起始,并利用仿真试验和实际数据验证了该方法工程应用的可行性。

多目标跟踪中基于特征辅助的概率数据关联算法

在传统的多目标跟踪系统中,数据关联仅利用了那些与目标状态向量直接相关的信息。在此提出了一种基于广义概率数据关联(GPDA)的新的关联算法即特征辅助跟踪(FAT)算法。该算法同时利用了目标的特征信息和状态信息进行数据关联,较好地解决了在密集杂波环境下对近目标的跟踪问题。最后以目标的一维距离像信息为例进行仿真,仿真结果表明,所提出的算法使跟踪性能优于传统的概率数据关联。

基于运动分类和二维卷积的随机Hough变换航迹起始

随机Hough变换具有占用存储空间小、计算量低的优点,常用于低杂波环境下的航迹起始。针对随机Hough变换在密集杂波环境下存在峰值簇拥、计算量大导致航迹无法正确起始的问题,文中提出了一种基于运动分类和二维卷积的随机Hough变换航迹起始方法。首先,利用距离约束限制无关点迹做随机Hough变换;然后,对不同运动朝向的点做随机Hough变换,产生的特征参数分别用矩阵存储,为避免测量噪声导致航迹特征参数得不到积累,对每个特征参数矩阵做二维卷积;最后,将过阈值门限的特征参数点进行聚类处理完成航迹起始。验证结果表明:所提方法能在密集杂波环境下有效地起始多目标航迹,不仅成功率高,而且计算量小,具有较好的工程应用前景。

复杂环境下的多雷达点迹融合并行处理方法研究

复杂环境下的密集杂波不仅增大了雷达点迹融合并行处理的急迫性,同时也直接影响了传统并行计算方法的效率及性能。本文聚焦于密集杂波下的雷达点迹融合并行实现困难,提出了一种基于修正空间划分法的雷达点迹融合并行处理方法,并针对边界点迹连续性被破坏等问题,专门设计了相应的处理流程。通过仿真测试和实测表明,该算法可有效克服密集杂波下的并行计算性能下降,提升算法的跟踪准确性及算法的实时性,满足实际的工程应用。