针对单传感器联合概率数据互联(Joint Probabilistic Data Association,JPDA)在复杂环境下难以跟踪多个目标的问题,提出一种基于JPDA量测目标互联概率统计加权并行式和序贯式多传感器数据融合方法。首先,给出单传感器JPDA算法。然后,介...针对单传感器联合概率数据互联(Joint Probabilistic Data Association,JPDA)在复杂环境下难以跟踪多个目标的问题,提出一种基于JPDA量测目标互联概率统计加权并行式和序贯式多传感器数据融合方法。首先,给出单传感器JPDA算法。然后,介绍多传感器JPDA数学模型,基于这一模型,使用互联概率加权,推导并行式和序贯式多传感器数据融合公式,这对多传感器数据融合有一定指导意义。最后,对单传感器JPDA方法在不同杂波密度、不同过程和不同观测噪声下目标跟踪的距离RMSE进行仿真,结果表明,随着这3项指标皆增大,目标距离RMSE增大;同时,对本文的2类多传感器JPDA方法与其他几类跟踪方法在数据集PETS2009下有关行人跟踪性能进行仿真,结果表明,本文并行式和序贯式多传感器JPDA方法相较于其他方法在跟踪准确性、跟踪位置准确性、航迹维持以及航迹遗失上皆为最优,而且序贯式融合略优于并行式多传感器JPDA。展开更多
针对PMHT无自适应性、无自纠性和易受杂波影响等缺点,提出一种自适应概率多假设跟踪算法并将之应用于无源场景中。该算法通过在条件概率中加入状态估计协方差修正了PMHT中后验关联概率计算公式,使其能根据状态估计自适应更新;利用联合...针对PMHT无自适应性、无自纠性和易受杂波影响等缺点,提出一种自适应概率多假设跟踪算法并将之应用于无源场景中。该算法通过在条件概率中加入状态估计协方差修正了PMHT中后验关联概率计算公式,使其能根据状态估计自适应更新;利用联合概率数据互联(joint probabilistic data association,JPDA)技术估计目标状态及其协方差。仿真结果表明,相对已有的自适应PMHT算法,文章算法在目标跟踪有效性和跟踪精度上性能都有较大提升,能够接近JPDA算法,在高杂波密度条件下也能保持较好的跟踪性能和较低的计算复杂度。展开更多
针对多普勒盲区条件下预警机雷达多目标跟踪问题,基于交互式多模型(IMM,Interacting Multiple Models)、联合概率数据互联(JPDA,Joint Probability Data Association)和分布式不敏卡尔曼滤波(UKF,Unscented Kalman Filter)提出了预警机...针对多普勒盲区条件下预警机雷达多目标跟踪问题,基于交互式多模型(IMM,Interacting Multiple Models)、联合概率数据互联(JPDA,Joint Probability Data Association)和分布式不敏卡尔曼滤波(UKF,Unscented Kalman Filter)提出了预警机雷达与地基雷达对目标进行协同跟踪的方法。该方法利用目标的状态估计和预测实时计算每部雷达的动态融合权值,预测目标的多普勒频率。当预警机雷达对目标的量测不存在且检测到目标进入预警机雷达多普勒盲区时,由预警机雷达对目标状态进行外推,以此产生虚拟量测,用虚拟量测与地基雷达协同跟踪对目标的融合估计状态进行更新;若预警机雷达对目标的量测不存在且目标不是进入多普勒盲区时,由地基雷达单独对目标的融合估计状态进行更新。当目标飞出预警机雷达多普勒盲区后,将预警机雷达对目标的状态估计再次与地基雷达进行关联,并根据动态权值融合更新目标状态。仿真结果表明,该方法能够改善多普勒盲区内多目标航迹的连续性和跟踪精度。展开更多
A tracking algorithm for multiple-maneuvering targets based on joint probabilistic data association（JPDA）is proposed to improve the accuracy for tracking algorithm of traditional multiple maneuvering targets.The int...A tracking algorithm for multiple-maneuvering targets based on joint probabilistic data association（JPDA）is proposed to improve the accuracy for tracking algorithm of traditional multiple maneuvering targets.The interconnection probability of the two targets is calculated,the weighted value is processed and the target tracks are obtained.The simulation results show that JPDA algorithm achieves higher tracking accuracy and provides a basis for more targets tracking.展开更多
多目标数据互联问题是当前雷达数据融合研究的热点和难点,最常用的算法是联合概率数据互联(joint probabilistic data association,JPDA).但是在JPDA中,确认矩阵通常采用当前时刻所有量测来确定,当目标个数较多或者目标处于强杂波环境中...多目标数据互联问题是当前雷达数据融合研究的热点和难点,最常用的算法是联合概率数据互联(joint probabilistic data association,JPDA).但是在JPDA中,确认矩阵通常采用当前时刻所有量测来确定,当目标个数较多或者目标处于强杂波环境中时,算法的计算量和性能难以达到理想效果.针对这个问题,引入聚类分析的思想,提出一种基于聚类的多目标自适应互联算法.首先通过聚类分析,把当前量测区分为不同目标的聚类集合;然后根据各个聚类集合的度量因子自适应地选择数据互联方式,从而实现量测与航迹的关联;在多目标处理通道中,采用隶属度矩阵和关联度矩阵构建联合互联矩阵求得联合互联概率,实现多目标跟踪;最后,对算法的计算复杂度进行理论分析.由于该方法在每一时刻先不进行全部量测的确认矩阵拆分,而是通过聚类分析在聚类集合中拆分矩阵,然后通过构建联合互联矩阵的方式计算联合互联概率,因而可以有效降低算法的计算复杂度;同时在聚类中进行自适应数据互联,增加了算法对量测特性的适应性,降低了杂波对目标真实量测互联概率的影响,从而可以提高算法的跟踪效果.最后通过计算机仿真数据对算法的有效性进行了验证.展开更多
文摘针对单传感器联合概率数据互联(Joint Probabilistic Data Association,JPDA)在复杂环境下难以跟踪多个目标的问题,提出一种基于JPDA量测目标互联概率统计加权并行式和序贯式多传感器数据融合方法。首先,给出单传感器JPDA算法。然后,介绍多传感器JPDA数学模型,基于这一模型,使用互联概率加权,推导并行式和序贯式多传感器数据融合公式,这对多传感器数据融合有一定指导意义。最后,对单传感器JPDA方法在不同杂波密度、不同过程和不同观测噪声下目标跟踪的距离RMSE进行仿真,结果表明,随着这3项指标皆增大,目标距离RMSE增大;同时,对本文的2类多传感器JPDA方法与其他几类跟踪方法在数据集PETS2009下有关行人跟踪性能进行仿真,结果表明,本文并行式和序贯式多传感器JPDA方法相较于其他方法在跟踪准确性、跟踪位置准确性、航迹维持以及航迹遗失上皆为最优,而且序贯式融合略优于并行式多传感器JPDA。
文摘针对PMHT无自适应性、无自纠性和易受杂波影响等缺点,提出一种自适应概率多假设跟踪算法并将之应用于无源场景中。该算法通过在条件概率中加入状态估计协方差修正了PMHT中后验关联概率计算公式,使其能根据状态估计自适应更新;利用联合概率数据互联(joint probabilistic data association,JPDA)技术估计目标状态及其协方差。仿真结果表明,相对已有的自适应PMHT算法,文章算法在目标跟踪有效性和跟踪精度上性能都有较大提升,能够接近JPDA算法,在高杂波密度条件下也能保持较好的跟踪性能和较低的计算复杂度。
文摘针对多普勒盲区条件下预警机雷达多目标跟踪问题,基于交互式多模型(IMM,Interacting Multiple Models)、联合概率数据互联(JPDA,Joint Probability Data Association)和分布式不敏卡尔曼滤波(UKF,Unscented Kalman Filter)提出了预警机雷达与地基雷达对目标进行协同跟踪的方法。该方法利用目标的状态估计和预测实时计算每部雷达的动态融合权值,预测目标的多普勒频率。当预警机雷达对目标的量测不存在且检测到目标进入预警机雷达多普勒盲区时,由预警机雷达对目标状态进行外推,以此产生虚拟量测,用虚拟量测与地基雷达协同跟踪对目标的融合估计状态进行更新;若预警机雷达对目标的量测不存在且目标不是进入多普勒盲区时,由地基雷达单独对目标的融合估计状态进行更新。当目标飞出预警机雷达多普勒盲区后,将预警机雷达对目标的状态估计再次与地基雷达进行关联,并根据动态权值融合更新目标状态。仿真结果表明,该方法能够改善多普勒盲区内多目标航迹的连续性和跟踪精度。
文摘A tracking algorithm for multiple-maneuvering targets based on joint probabilistic data association（JPDA）is proposed to improve the accuracy for tracking algorithm of traditional multiple maneuvering targets.The interconnection probability of the two targets is calculated,the weighted value is processed and the target tracks are obtained.The simulation results show that JPDA algorithm achieves higher tracking accuracy and provides a basis for more targets tracking.
文摘多目标数据互联问题是当前雷达数据融合研究的热点和难点,最常用的算法是联合概率数据互联(joint probabilistic data association,JPDA).但是在JPDA中,确认矩阵通常采用当前时刻所有量测来确定,当目标个数较多或者目标处于强杂波环境中时,算法的计算量和性能难以达到理想效果.针对这个问题,引入聚类分析的思想,提出一种基于聚类的多目标自适应互联算法.首先通过聚类分析,把当前量测区分为不同目标的聚类集合;然后根据各个聚类集合的度量因子自适应地选择数据互联方式,从而实现量测与航迹的关联;在多目标处理通道中,采用隶属度矩阵和关联度矩阵构建联合互联矩阵求得联合互联概率,实现多目标跟踪;最后,对算法的计算复杂度进行理论分析.由于该方法在每一时刻先不进行全部量测的确认矩阵拆分,而是通过聚类分析在聚类集合中拆分矩阵,然后通过构建联合互联矩阵的方式计算联合互联概率,因而可以有效降低算法的计算复杂度;同时在聚类中进行自适应数据互联,增加了算法对量测特性的适应性,降低了杂波对目标真实量测互联概率的影响,从而可以提高算法的跟踪效果.最后通过计算机仿真数据对算法的有效性进行了验证.
