基于辐射源参数信息的无源数据关联问题研究

针对传统无源数据关联算法存在算法复杂、计算量大等缺点,提出了一个能够反映辐射源特征参数信息与目标运动状态参数信息相结合的无源关联算法流程。该算法首先定义基于目标运动状态参数和辐射源特征参数的多维可变跟踪门,然后运用模糊多门限思想,将测量与目标的关联概率来替代概率关联算法中可行联合事件概率的计算。仿真结果表明该算法计算量小,跟踪准确度高,尤其适用于复杂环境下近距离、交叉运动目标等典型情况。

基于一种改进IMMJPDA算法的地面目标跟踪

对地面多目标的跟踪,由于地面目标的高机动性、杂波密集特点以及运动不确定性,交互式多模型联合概率数据关联无疑是一种好的跟踪算法,但是该算法需对与可行联合事件相对应的矩阵进行拆分,随着目标个数的增多,计算量会呈指数增长。为此提出一种基于模糊多门限的交互式多模型联合概率数据关联算法,该算法利用量测与目标的关联概率来替代可行联合事件概率的计算。Monte Carlo仿真结果显示了该算法在现实运动中的可行性和方便性。该算法减少了计算量,又改善性能,利用多模型特点解决了地面目标的高机动性所带来的运动模型匹配问题。

基于车辆跟踪的数据关联算法研究

对于道路车辆目标的跟踪,由于其高机动性、杂波密集等特点,交互式多模型联合概率数据关联无疑是一种好的跟踪算法。但其固有的缺点是计算量会随着目标个数的增多迅速增加,并且其较少的运动模型难以保证跟踪精度,而增加模型个数会引起模型之间的竞争。因此,提出了一种改进的变结构多模型联合数据关联算法(VSMM-JPDA)。理论分析与对比仿真表明:在非机动、机动转弯和直线机动情况下,该算法对目标的跟踪精度都优于固定结构多模型算法,并且运算量大大减少。