概率数据关联滤波器中的采样周期控制

在监视系统中,应用多传感器数据融合理论来提高航迹跟踪性能是以增加计算量为代价的。传感器管理技术的使用可以平衡系统资源和跟踪性能。目前,传感器管理技术的研究主要集中在传感器对跟踪目标的分配上,而对传感器采样周期的控制研究很少。采用方差控制方法可对传感器的采样周期进行控制。在保证跟踪精度的情况下,通过改变传感器的采样周期来减少系统采样次数,以达到减少系统计算量的目的。

基于星凸形随机超曲面的概率数据关联滤波器

为了解决在杂波环境中单扩展目标的跟踪问题,论文提出了一种基于星凸形随机超曲面模型(Star Convex RHM)的概率数据关联(PDA)扩展目标跟踪方法。首先,通过量测集划分获得量测簇,其次利用随机超曲面模型对星凸形扩展目标的量测源进行建模,然后,基于有效量测簇列举全部扩展目标的关联事件,由全概率公式得到关联概率。最后,用PDA算法对扩展目标状态更新,并且通过仿真实验验证了在杂波环境下该算法对不规则形状单扩展目标跟踪的有效性。

一个面向数据关联滤波器的跟踪门估计算法

研究在干扰环境中进行目标跟踪时如何为观测确定一个有效的跟踪门.因为跟踪门是数据关联滤波器的重要组成部分,所以论文提出了一个依据数据关联滤波器性能来估计跟踪门的算法,即:通过寻找数据关联滤波器最佳性能来逆向估计跟踪门.仿真实验表明,与现有通用和经典跟踪门估计方法相比,这个新方法具有较多优势.尤其在强干扰、高虚警的条件下,其优势更加显著.

纯方位目标跟踪的ST-MEF-PDAF方法研究

传统的最大熵模糊概率数据关联滤波器(MEF-PDAF)算法用于水下杂波环境下单站纯方位目标跟踪存在对系统模型变化鲁棒性差、跟踪机动目标能力低的问题;为了解决这些问题,对MEF-PDAF算法进行了改进,提出了强跟踪MEF-PDAF(STMEF-PDAF)算法;与强跟踪滤波器(STF)算法类似,ST-MEF-PDAF算法通过引入渐消因子来实时调节增益矩阵,提高了算法的鲁棒性;进行了水下杂波环境下单观测站纯方位目标跟踪的仿真实验,ST-MEF-PDAF能够在500秒以内跟踪机动目标,而传统的MEF-PDAF算法不能,即ST-MEF-PDAF算法跟踪机动目标的能力高于传统的MEF-PDAF算法。