一种加权邻域数据关联算法研究

借鉴概率数据关联的思想,在标准最近邻域算法基础上提出了加权邻域数据关联算法(WNDA)。该算法综合考虑相关波门内的所有量测(包括正确量测和虚假量测)对状态的影响,提高了关联效果。同时算法不需要杂波密度等先验知识,不需要计算量测的关联概率,因而保持了较小的计算量。仿真结果表明,该方法有效地降低了误关联对跟踪效果的影响,同时保持了较小的计算量,在实际工程中有较好的应用前景。

反向预测加权邻域数据关联算法

标准最近邻域数据关联算法在杂波环境下可能出现误跟踪和丢失目标的现象。综合考虑相关波门内所有候选回波,提出了反向预测加权邻域数据关联算法。通过计算候选回波反向预测新息范数,归一化后作为各候选回波的加权系数,然后将候选回波加权和作为等效回波,并对目标的状态进行更新。该算法有效降低了最近邻域算法中误关联对跟踪效果的影响。仿真结果表明,该算法在保持较少计算量的同时,可有效避免误跟踪和丢失目标。