M-最优假设组合航迹关联算法

本文在深入研究基于M-最优假设航迹关联方法和假设管理技术的基础上,提出了构建组合关联体的假设管理技术。利用该技术,提出了基于M-最优假设组合航迹关联算法。该方法在有效低可行假设数目的情况下,能够得到较为精确的关联航迹并且缩短了算法运行时间,适合用于密集杂波环境下的多目标航迹关联。仿真结果表明了算法的有效性。

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。

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。

主动声呐的多假设跟踪算法研究

采用K-best最优假设和N-scan回溯剪枝方法控制算法复杂度;同时针对主动声呐检测存在的量测断续问题提出M-break断续标记实现断续目标跟踪。

基于自适应GMM杂波估计的改进MHT算法

在传统多假设跟踪(MHT)算法中通常会假设杂波强度先验已知,当观测场景中杂波未知且空变时,该假设将会导致跟踪算法性能急剧下降。针对这一问题,本文提出一种基于自适应高斯混合模型(GMM)在线估计未知杂波的改进MHT算法。首先利用自适应GMM拟合未知杂波空间分布,并自适应地估计出波门内的杂波强度;然后将其应用于MHT处理中,有效改善航迹得分计算和最优假设航迹估计的准确性,进而实现在杂波未知场景中的稳定跟踪。仿真结果表明,在未知杂波观测场景中,所提算法相比传统MHT算法和MHT-GMM算法获得了更好的数据关联准确性和航迹维持性能。