基于PHD滤波和数据关联的多目标跟踪

针对杂波环境下的多目标跟踪,概率假设密度(probability hypothesis density,PHD)滤波不能提供目标航迹信息的问题,提出一种基于PHD滤波和数据关联的多目标跟踪方法。利用PHD滤波消除杂波并得到各个时刻的目标个数和目标状态估计。将PHD滤波的结果重新定义为量测数据,通过数据关联进一步消除虚警和漏警并给出目标航迹。仿真结果表明,该算法可以在有效地提高杂波环境下多目标跟踪精度的同时提供各目标航迹信息。

基于角度观测关联对的NN-EKF红外/毫米波融合跟踪算法

针对双传感器杂波环境中单目标的跟踪问题,提出了一种红外/毫米波角度观测关联及基于观测对最近邻的双模融合跟踪算法。算法根据对真实目标的观测与对杂波的虚假观测联合分布模型的不同,筛选出当前时刻的嫌疑观测对,剔除掉大部分杂波;然后对各嫌疑观测对进行融合,从中选择距离预测位置最近的观测作为当前时刻的观测,并用EKF对目标进行跟踪。算法关联逻辑简明、运算量小,适合工程应用,可应用在中等杂波密度环境,仿真结果验证了算法的有效性。

一种基于PDAF的目标跟踪算法

对目标进行跟踪的目的是通过相关和滤波处理建立目标的运动轨迹。在某型声纳多次试验中,发现采用最近邻域标准滤波器(NNSF)滤波方法时,目标跟踪不稳,跟偏、丢失等现象频现,因此对现有目标跟踪模型和算法进行研究与改进。采用基于概率数据互联滤波器(PDAF)的跟踪算法来实现对目标的跟踪。首先,使用滑窗法对目标进行跟踪起始,然后再采用概率数据互联滤波器(PDAF)进行目标关联,以保持对目标的连续跟踪。经过仿真与在某型声纳的多次试验对比可得:该关联方法对目标的跟踪结果较采用NNSF滤波方法对目标的跟踪结果有明显改进。其跟踪精度有了明显的提高,而且其跟偏、丢失的次数明显减少。