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。

CDMA中的QAM调制迭代PDA联合检测方法

为提高检测器性能并在检测器和信道解码器之间充分利用已知信号信息,多天线系统的广义概率数据关联检测算法被推广到多用户联合检测中。基于Turbo迭代原理,通过基于此算法的迭代多用户检测器和多电平正交调制以及软入软出的前向纠错编码的结合,提出一种软入软出的广义概率关联算法与软入软出的信道解码方法有机结合的新型迭代多用户检测方法。该方法利用外部信息在检测器与解码器之间的交换,进行干扰抵消并进行联合解码和判决。计算机仿真显示该方案收敛所需的迭代次数比传统的使用线性最小均方误差的联合检测解码方案少5次左右,且其误比特率性能接近最大似然接收机的性能。

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。

软入软出联合迭代GPDA多用户检测方法

从近最优检测的多天线多电平正交调幅条件下的广义概率数据关联(GPDA)算法出发,把多入多出(MIMO)系统的GPDA算法与码分多址(CDMA)中的多用户联合检测相结合,得到了软入软出(SISO)的GPDA加前向信道解码(FEC)的迭代多用户检测方法.该方法利用外部信息的传递进行干扰抵销并进行联合解码和判决.计算机仿真验证了此算法可以以较低的复杂度获得近似最大似然单用户接收机的误比特率性能.