杂波中单目标跟踪的概率数据关联

本文简要介绍了一种被广泛应用的测量与航迹关联的方法－－概率数据关联（PDA），重点介绍了其原理、关联概率计算方法及算法。它适于杂波中单目标跟踪问题。

基于改进交互多模型概率数据关联的机动目标跟踪（英文）

为了提高杂波条件下的空中机动目标跟踪精度,提出了一个改进的交互多模型概率数据关联算法。该算法将交互多模型、去偏转换测量和概率数据关联算法相结合,利用交互多模型算法模型集合间不同模型的相互切换来估计跟踪目标的状态;利用去偏转换测量算法对转换测量误差进行去偏补偿,从而减小观测数据坐标变换引起的误差;利用概率数据关联算法处理数据关联和测量的不确定性。通过将本文的算法和基于扩展卡尔曼滤波的概率数据关联算法进行对比分析和验证,实验结果表明本文提出的算法可以提高机动目标的跟踪精度,且跟踪精度相对基于扩展卡尔曼滤波的概率数据关联算法减少26.38%的位置误差。

一种海杂波背景下的目标跟踪数据关联方法

针对杂波背景下的目标跟踪问题,采用最近邻滤波(NNF)算法和概率数据关联滤波(PDAF)算法对强海杂波背景下的水面舰船目标跟踪进行了理论分析与仿真。并针对密集海杂波环境,在PDAF算法基础上引入二次距离加权概念,对已有PDAF算法的关联概率值计算方法进行改进,对不同密度的海杂波环境中的单目标跟踪进行了仿真。仿真结果表明,该改进算法在密集海杂波环境中的跟踪性能有所提高,能够更有效且可靠实现非机动目标的跟踪。

变分贝叶斯概率数据关联算法

针对杂波环境下的目标跟踪问题,提出了一种基于变分贝叶斯的概率数据关联算法(Variational Bayesian based probabilistic data association algorithm, VB-PDA).该算法首先将关联事件视为一个随机变量并利用多项分布对其进行建模,随后基于数据集、目标状态、关联事件的联合概率密度函数求取关联事件的后验概率密度函数,最后将关联事件的后验概率密度函数引入变分贝叶斯框架中以获取状态近似后验概率密度函数.相比于概率数据关联算法, VB-PDA算法在提高算法实时性的同时在权重Kullback-Leibler (KL)平均准则下获取了近似程度更高的状态后验概率密度函数.相关仿真实验对提出算法的有效性进行了验证.

多目标跟踪中基于特征辅助的概率数据关联算法

在传统的多目标跟踪系统中,数据关联仅利用了那些与目标状态向量直接相关的信息。在此提出了一种基于广义概率数据关联(GPDA)的新的关联算法即特征辅助跟踪(FAT)算法。该算法同时利用了目标的特征信息和状态信息进行数据关联,较好地解决了在密集杂波环境下对近目标的跟踪问题。最后以目标的一维距离像信息为例进行仿真,仿真结果表明,所提出的算法使跟踪性能优于传统的概率数据关联。

密集环境下的概率数据关联算法

多传感器多目标跟踪的关键是数据关联,K-NN 算法可以解决稀疏环境下的数据关联.概率数据关联(PDA)是在杂波干扰情况下,跟踪单目标有代表性的数据关联算法;但在密集杂波干扰环境下,该算法可能导致错误的关联,从而导致目标的丢失。为解决在一个跟踪门内出现两个或多个目标的情况,可以利用联合概率数据关联算法(JPDA)。

杂波下强机动目标跟踪自适应数据关联算法

杂波下的机动目标跟踪的综合概率数据关联(IPDA)算法是在概率数据关联(PDA)算法的思想基础上引入目标存在及可观测概率所形成的。本文进一步通过引入自适应调整因子,提出了针对强机动目标跟踪的自适应IPDA算法(CIPDA),并通过仿真论证,与传统的IPDA相比,CIPDA提高了对强机动目标跟踪的稳定性和精确度。

海杂波数据的采集与分析

介绍了海杂波数据的采集环境和采集方法,以及对海杂波数据幅度统计特性和谱特性的分析方法和分析结果。

基于PDA-UKF的杂波环境下单目标跟踪算法

提出将概率数据关联算法和不敏卡尔曼滤波相结合,用于杂波环境下的单目标跟踪。该算法同时解决了测量方程非线性情况下的滤波问题和杂波环境下的目标跟踪问题。给出了PDA-UKF算法的仿真过程,提供了一个基于距离、方位角、俯仰角的目标跟踪问题的仿真算例。理论分析与仿真结果均表明,该算法提高了滤波的稳定性和跟踪的精确性,具有较高的实用价值和广泛的应用前景。

基于协同探测数据融合的水下多目标跟踪

在高杂波密度的水下环境中,若只利用局部传感器来跟踪多个目标,会产生较高的虚警,而且跟踪效果受限于传感器本身性能。为此文中基于分布式数据融合模型,首先在各个无人平台上利用联合概率数据关联(JPDA)形成局部航迹,然后再用匈牙利算法实现对关联矩阵的最优分配从而达到航迹的实时关联,最后通过凸组合融合算法形成全局航迹。仿真结果表明,经过此方法完成的多目标跟踪结果具有更好的可靠性,其跟踪精度基本在两站跟踪精度之间且具有较低的跟踪误差,适合在未知基站估计精度的系统中获得更为可信的估计结果。

一种基于杂波稀疏度改进的杂波密度估计方法

在实际跟踪环境中,杂波测量空间分布特性往往是未知时变的,杂波密度通常被用来描述杂波测量的空间分布特性,是决定多目标自动跟踪性能的核心环境要素。现有的空间稀疏度的杂波密度估计方法(Spatial Clutter Measurement Density Estimator,SCMDE)在多目标自动跟踪场景下的杂波密度估计偏差急剧增大。针对以上问题,提出了一种基于SCMDE改进的杂波自适应估计方法,通过计算以待估点为中心的超球体内测量来源于杂波的概率估计超球体内真实的杂波个数,消除超球体内目标测量带来杂波密度估计偏差,从而提升复杂环境下多目标自动跟踪的航迹管理性能。

基于不同虚假量测分布的PDA算法

针对当前的概率数据关联算法假设虚假目标在跟踪门中服从均匀分布与实际情况不符,研究了假量测在跟踪门中分别服从均匀、瑞利、正态分布的情况,对概率数据关联算法进行了扩展,推导了各种不同分布下的加权因子计算公式.扩展后的PDAF算法更能准确有效地进行杂波环境下的目标跟踪.

杂波环境下机动目标跟踪模拟

蒙特卡洛仿真为提高次最优贝叶斯估计精度提供了可能。有文献提出了一种新的自举仿真逼近方法——自举多模型滤波(BMM)来对机动目标进行跟踪。本文对这种算法进行了扩展,使其适用于杂波环境中,即把概率数据关联(PDA)和BMM算法进行组合来克服观测样本的不确定性。并通过模拟把BMM PDA算法和通用的解决此类问题的交互多模型概率数据关联(IMM PDA)滤波方法进行了比较。结果证明,BMM PDA算法更加行之有效。

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。

杂波干扰环境下的变分贝叶斯目标跟踪算法

为了提高杂波干扰环境下的目标跟踪精度,将概率数据关联与变分贝叶斯理论相结合,提出了一种变分贝叶斯概率数据关联卡尔曼滤波(PDA-VB-KF)跟踪算法。算法首先采用概率数据关联(PDA)技术获取目标的有效量测,随后基于伽马分布设计相应的自适应因子以修正有效量测的噪声协方差。最后在变分贝叶斯(VB)框架下,实现自适应因子和目标状态信息的联合估计。为验证提出算法的跟踪性能,通过两种仿真案例对其进行测试。仿真结果表明,相比于传统的最近邻卡尔曼滤波(NN-KF)算法,k最近邻卡尔曼滤波(KNN-KF)算法和概率数据关联卡尔曼滤波(PDA-KF)算法,提出的算法具有更高的跟踪精度。

SGPDA-STF及其在水下多目标纯方位跟踪中的应用

针对广义概率数据关联(GPDA)算法存在计算量大、对系统模型变化鲁棒性差等问题,首先提出了简化广义概率数据关联(SGPDA)算法,然后把SGPDA算法与强跟踪滤波器(STF)算法相结合得到基于简化广义概率数据关联的强跟踪滤波器(SGPDA-STF)。SGPDA在不降低精度的条件下,大大降低了计算量。STF通过实时调节增益矩阵,增强了算法的鲁棒性。SGPDA-STF兼具STF鲁棒性强,SGPDA计算量小的优点。进行了水下杂波环境下单站多目标纯方位跟踪的仿真实验,实验结果证明了SGPDA-STF算法在鲁棒性和计算量方面都优于传统的GPDA-EKF算法。

基于改进PDA的弱点状多目标交叉运动跟踪算法

采用独立跟踪区域的划分和公共量测点数据的去藕聚类技术,将原本只适用于单目标跟踪的概率数据关联(PDA)算法改造成能够在强杂波环境中跟踪多个点状目标交叉运动的情况。该算法比传统基于JPDA(联合数据关联)的多目标跟踪算法的计算量和复杂度都小。仿真试验表明,该跟踪算法具有高精度的跟踪性能。

面向弱小多目标的雷达检测跟踪算法

弱小多目标的检测与跟踪是雷达探测面临的一个重要技术难点。面向复杂背景下的弱小目标探测,提出了一种新的思路,从3个方面对探测性能进行优化:首先,通过对概率数据关联算法进行改进来实现复杂背景下目标跟踪;其次,通过自适应处理来实现斜视阵条件下非均匀杂波的抑制;最后,通过分析目标隐藏信息来扩大目标跟踪范围,完善目标形态。实验验证了此算法能很好地应用于跟踪波门重合性质的目标,既能使跟踪的精确性得到保障,又能大幅度提升关联速度,能够很好地用于复杂背景下的弱小目标探测。

机载雷达辅助无源传感器对杂波环境下机动目标跟踪

机载雷达辅助无源传感器对目标协同跟踪具有重要战术作用,而当前相关算法模型较为简单.为了贴近工程实际,提出一种机载雷达辅助无源传感器对杂波环境下机动目标的跟踪算法.该算法考虑了地球曲率和载机时变姿态等因素的影响,基于地心地固(ECEF)坐标系,联合交互多模型(IMM)和概率数据关联(PDAF)方法,以综合预测协方差的迹为控制变量来管理机载雷达的开关机.仿真结果表明,通过选择合适的控制门限,在节约辐射能量、提升生存能力的同时算法的跟踪性能并无明显下降,从而表明了所提出算法的有效性.

雷达与导航、声纳与对抗

0503473GPS 信号转发式干扰效能分析[刊,中]/亓强//空军雷达学院学报.—2004,18(3).—34-36(D3)转发式干扰是一种对抗 GPS 信号的新设想,本文分析了对 GPS 接收机实施转发式干扰时的干扰效能和干扰距离,得出干扰距离、功率及 J/S 关系曲线,证实了转发式干扰的干扰效果。参40503474杂波环境中的单目标跟踪方法仿真研究[刊,中]/钱琼芬//空军雷达学院学报.—2004,18(3).—20-21,24(D3)研究了杂波环境中的两种目标跟踪方法:最近邻法和概率数据关联法。计算机模拟仿真了在不同杂波密度环境中,两种算法的性能。结果表明,最近邻法适用于低密度杂波环境,高密度杂波环境中需要采用概率数据关联算法进行跟踪。