一种改进的联合概率数据关联算法的研究

针对联合概率数据关联算法需要知道目标总数并要对矩阵差分,且计算量呈指数增长的问题,提出了一种模糊多门限概率关联算法,该算法利用测量与目标的关联概率来替代概率数据关联算法中可行联合事件概率的计算,改善性能的同时又减少了计算量。仿真结果表明该算法能有效的解决密集目标跟踪环境下的数据融合精度和收敛性问题,且计算量小。

基于联合概率数据关联算法的红外弱小目标跟踪

针对在云天背景下运动的红外弱小目标,从数据关联的角度,利用联合概率数据关联算法实现多个红外弱小目标的跟踪。实验结果表明,在杂波环境下,联合概率数据关联算法可以稳健地跟踪多个红外弱小目标的目标状态,跟踪效果好。

扩展概率数据关联算法

在多目标跟踪过程中,为了提高目标跟踪准确率、减少目标丢失,基于目标数目定义了联合关联事件,研究了扩展概率数据关联算法(Extended PDA)。对概率数据关联算法容易产生误跟和失步以及联合概率数据关联可能发生组合爆炸等问题进行改进。实验结果表明,该算法能很好地降低跟踪时间和减少失步次数,提高跟踪准确率。

基于概率数据关联算法的红外弱小目标跟踪

从数据关联的角度,利用概率数据关联算法实现单个红外弱小目标的跟踪。实验结果表明,在杂波环境下,概率数据关联算法可以稳健地跟踪单个红外弱小目标的目标状态。

一种基于多目标跟踪的改进概率数据关联算法

针对联合概率数据关联算法过于复杂以及密集多目标处理中的问题,文中提出了一种适用于实际应用的改进概率关联算法,该算法通过引进雷达多普勒测量信息,对进入跟踪门相交区域中的公共测量值权重系数进行调整,以提高关联精度,从而使最终的估计值更加准确。理论分析和蒙特卡罗仿真结果表明,该算法具有较小的计算量以及良好的跟踪性能。

新的分布交互式多模型广义概率数据关联算法

为有效解决密集杂波环境下分布式多传感器多机动目标跟踪问题,提出了一种基于改进D-S证据组合规则的分布交互式多模型多传感器广义概率数据关联(DIMM-MSGPDA-IDS)算法。该算法首先对各局部节点均应用单传感器的IMM-GPDA算法跟踪多机动目标,并将其各模型的状态估计、协方差估计、模型概率、组合新息及其协方差矩阵等滤波结果送至融合中心;在航迹关联判决结束后,融合中心根据各模型对应似然函数的大小融合不同传感器关于同一目标的模型状态估计及其协方差矩阵,并提出利用三维(3-D)证据进行直接融合的改进D-S算法对来源于同一目标的不同传感器的各模型概率进行有效融合,然后依此概率来更新各目标的状态估计并反馈至各局部节点,使之获得更为精确的状态预测;最后,将该算法与基于D-S证据组合规则的分布交互式多模型多传感器联合概率数据关联(DIMM-MSJPDA-DS)算法进行仿真对比分析。理论分析和仿真结果表明,该算法能够很好地对强机动目标进行跟踪,且其计算量相对较小,是一种有效的分布交互式多模型多传感器多机动目标跟踪算法。

概率数据关联算法在目标跟踪中的应用

数据关联是现代目标跟踪系统中的一个重要组成部分。由于测量来源的不确定性,密集环境中的目标跟踪比较困难。概率数据关联(PDA)算法能很好地处理目标跟踪并在很多领域得到了广泛的应用。仿真结果表明了概率数据关联算法的有效性。

一种改进的基于“当前”统计模型的联合概率数据关联算法

针对自适应卡尔曼滤波算法中"当前"统计模型需要预先设置机动频率和加速度极限值,不合理的设置将造成目标跟踪误差加大的情况,首先对机动频率进行调整,提出了新的自适应卡尔曼滤波算法。在此基础上,文章将新的自适应卡尔曼滤波算法和联合概率数据关联算法相结合,提出了一种改进的基于"当前"统计模型的联合概率数据关联算法。通过仿真实验证明,该算法能够较好地减弱目标机动,尤其是目标弱机动对原有自适应跟踪算法跟踪精度地带来的影响。

基于改进联合概率数据关联的AUV定位算法

基于水下无线传感器网络的位置估计是解决水下自主机器人定位问题的有效方法,然而由于水下无线传感器网络中的传感器节点一般部署在开放水域中,外来的恶意节点在基于到达时间的网络信道中注入恶意噪声延迟会对定位精度产生不利影响。针对这个问题,本文提出了一种改进联合概率数据关联算法。首先,我们考虑了一种异构的网络架构,包括水面浮标节点、水下信标节点和待定位的AUV目标节点,并获取网络架构中信标节点和AUV之间的距离测量;然后,我们设计了一种基于矩阵相似度的恶意噪声识别机制,识别并丢弃受恶意噪声污染的距离测量,并且对检测为未受到恶意噪声污染的距离测量进行分组,利用最小二乘法完成对AUV的初步定位;接着,为了丰富所得到的样本测量点以提高AUV的定位精度,我们在预测点以及检测出未受到恶意噪声污染的测量点的附近生成一系列服从高斯分布的虚拟测量;最后,对这些测量点进行数据关联处理与更新,完成对AUV目标节点的精确定位。仿真结果表明,所提出的定位方法与其他工作相比,在有恶意噪声攻击的情况下仍能保持较好的定位精度。

基于距离加权的概率数据关联机动目标跟踪算法

为了提高杂波环境下机动目标跟踪的实时性和精确性,在概率数据关联算法的基础上,引入距离加权的概念,以区分来自于目标的量测概率和来自于杂波的虚假概率,在一定程度上提高了概率数据关联算法在密集杂波环境下的非机动目标的跟踪性能.针对机动目标的跟踪,提出了一种适用于密集杂波环境下的联合交互式多模型概率数据关联跟踪算法,该算法利用距离加权的概率数据关联算法进行滤波.模拟实验结果表明:该算法可以在一定程度上提高密集杂波环境下机动目标跟踪的性能,能够更加有效、可靠地实现机动目标跟踪的目的.

基于粒子群及混沌算法的联合概率数据关联研究

联合概率数据关联算法(JPDA)是一种能够在杂波环境下对多目标进行数据关联的算法。随着回波与杂波数目的增加其计算量呈指数上升。虽然有一些类JPDA的方法可以减少其计算量,但在杂波环境下其准确性仍难以保证。本文将JPDA中关联矩阵的求解等效为多维分配问题,通过粒子群及混沌算法等智能算法的应用来提高算法的准确性。

数据关联算法的研究

在现代目标跟踪系统中,数据关联是一个重要组成部分.由于测量来源的不确定性,密集环境中的目标跟踪比较困难.概率数据关联算法和联合概率数据关联算法能很好地处理目标跟踪并在很多领域得到了广泛的应用.但是一旦出现某种干扰或是故障,通过概率数据关联算法得到的滤波值也会偏离真实值很多,造成滤波发散,严重影响性能.针对这一不足,基于概率数据关联算法中的组合新息,提出了修正概率数据关联算法.最后用一些实例来评价该跟踪算法的跟踪性能,仿真结果表明了修正概率数据关联算法和修正联合概率数据关联算法的有效性.

一种基于概率数据关联的地磁匹配ICCP算法

针对地磁测量误差和地磁补偿余差等带来的匹配误差增大和易造成误匹配的问题,提出了一种基于概率数据关联的地磁匹配ICCP算法。首先,基于磁场测量误差的统计特性,在一定置信范围内生成若干伪测量值,将其视为对应位置地磁场的有效测量,只是它们源于磁场真实值的概率不同;然后,利用ICCP算法对各伪测量值构成的磁场序列分别进行匹配,得到干扰环境下载体可能出现的位置;最后,利用载体的运动约束对各匹配结果进行限制,再对有效的匹配结果进行融合,得到载体最终的位置。实验结果表明,在不同磁场干扰水平下,所提算法的定位精度都能控制在2个地磁图网格左右,具有较好的应用前景。

基于聚类分析的雷达航迹跟踪数据关联算法

在雷达数据处理系统中,数据关联算法是关键技术之一。特别是目标在复杂环境中,比如强杂波、多回波干扰,波门内会有多个量测点。传统的最近邻域算法会出现航迹与量测的关联错误,造成目标跟踪的不稳定。文中将聚类分析方法运用在概率数据关联算法中,降低目标在复杂环境下的关联错误率,提高了目标量测的稳定性。

天波超视距雷达多路径数据关联跟踪算法对比研究

天波超视距雷达的多传播路径会引起多个量测对应同一个目标的问题,而由于传播模式的模糊性,量测与传播模式的对应关系是不确定的。多路径Viterbi数据关联跟踪算法(MVDA)采用回波竞争的思想,而多路径概率数据关联跟踪算法(MPDA)利用了回波合并的策略,通过多次Monte Carlo仿真试验对两种算法的失跟率、状态估计的均方根误差、航迹终结延时以及计算量等跟踪性能指标进行了比较。仿真结果表明,在低检测率、重杂波环境下,提出的MVDA算法大大降低了失跟率,而MPDA算法具有较高的估计精度。

多传感器多目标联合概率数据关联研究

提出改进联合概率数据关联算法对多传感器、多目标量测进行同源划分及单一传感器测量数据转换,并采用联合概率数据关联算法求解空间目标轨迹交叉时的数据关联。仿真结果表明,改进联合概率数据关联算法提高了成功关联概率,降低了求解数据关联概率的难度,可以解决密集目标的正确跟踪问题。

多传感器多模型相互作用的数据关联方法

基于信息融合中的数据关联技术,在卡尔曼滤波基础上,结合相互作用多传感器多模型的概率数据互联算法,建立故障监测报警和现场传感器量测数据关联二者之间的关系,建立更具一般性的分布式传感器系统基础上的多传感器多模型,改进概率数据关联方法,以用于故障监测报警中相互作用的算法.并结合一个时变系统中空间位置传感器的故障诊断问题为例,运用多传感器多模型相互作用的数据关联方法进行仿真分析,研究此类故障判据的数据关联问题和数据关联算法的改进,研究表明相互作用多模型的概率数据互联改进方法不仅与有限维数的特定测量阈值相对应,而且直接针对故障模式,能够体现出动态模型的优点,可以与系统诊断知识相融合,为故障诊断的单步的、多步的、长期的预测预报提供依据.

异类传感器数据融合的一种新算法

针对雷达与红外传感器的数据融合的特点,在融合过程中采用了多传感器概率数据互联滤波(MSPDAF)算法,并给出了雷达与红外传感器的数据融合的具体步骤。

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。

融合热释电红外传感器与视频监控器的多目标跟踪算法

现有基于热释电红外传感器的多目标跟踪系统在目标之间距离较近或者轨迹相交的情况下存在着误差较大的缺点.针对此缺点,提出了一种新型的基于热释电红外传感器与视频监测器协同工作的多目标跟踪方案.该方案可以充分利用两种传感器的优势,弥补在目标跟踪中的不足.算法采用最小二乘法利用热释电信息进行定位,并通过从图像或热释电传感器信号的幅频特性中提取特征信息来校正联合概率数据关联算法的关联矩阵,有效避免了错误关联.实验表明,该方案在多目标交叉情况下跟踪误差仅为其它算法的八分之一到四分之一.