SLAM问题中的自适应序贯数据关联

基于马氏距离的最近邻数据关联算法目前在SLAM中得到了广泛应用。通常假设关联对之间的马氏距离服从卡方分布,并根据设定的置信度来选择固定的数据关联阈值。但是通过使用真值运算的SLAM仿真证明关联对之间的马氏距离并非严格服从卡方分布,而是受路标分布、过程和观测噪声以及运动控制量大小的影响。对此提出利用观测数据和移动机器人状态等信息,通过虚拟关联来自适应地调整阈值的方法,并采用序贯关联方法防止路标丢失和增广滞后。仿真表明该方法可以很好地适应环境和噪声的变化,有效地防止虚假路标并降低观测丢弃率。

多传感器融合多目标跟踪中的序贯航迹关联算法

对于分布式多传感器融合多目标跟踪系统,提出一种序贯处理的航迹关联融合算法。为实现杂波干扰环境中对密集多目标的精确跟踪,航迹关联采用了粗、精关联相结合的方法,最小均方误差法用于实现航迹融合。序贯处理的航迹关联融合算法在保证航迹关联正确的同时,大大降低了计算量。仿真实验结果说明了本文方法的有效性。

基于小波变换的序贯航迹关联算法

在分布式多传感器信息融合系统中,航迹关联是航迹融合过程中首要解决的问题,即如何判断来自于不同系统的航迹是否来源于同一目标.本文将小波变换引入到航迹关联算法研究中,利用小波变换将卡尔曼滤波后的航迹提取新的特征向量,从航迹的整体态势和局部细节变化两方面对原有的序贯航迹关联算法进行改进,提出了一种新的航迹关联算法.该算法将小波变换与序贯思想结合起来,提高了正确关联率.最后,对该算法进行仿真实验,证明了该算法的正确性和有效性,并搭建了数据链信息融合半实物仿真测试平台,模拟了数据链系统中信息融合的全过程.

网络协同跟踪下广义分布式航迹关联方法

针对协同网络下的多目标跟踪问题,提出了一种广义分布式航迹关联算法。首先对序贯航迹关联准则进行分析,构造了广义分布式航迹全配对似然函数以及航迹关联统计量;在此基础上,建立广义航迹关联的数学模型,从而将分布式航迹关联转化为多维分配问题;然后利用改进免疫算法来寻求最理想的航迹关联。在航迹关联过程中,先利用chi方分布的假设检验来排除明显不相关的关联组合,再通过计算免疫抗体的适应值来确定多节点航迹间的关联关系;最后利用航迹关联评价指标对所提出的方法进行评估。仿真结果显示,该方法在密集目标环境下具有较好的关联稳定性,与序贯航迹关联方法相比,关联效果得到明显改善。