一种新的避免航迹合并的比例联合概率关联算法

通过对传统的联合概率数据关联算法(JPDA)在平行临近及小角度交叉目标的关联跟踪中引起的航迹合并问题的分析,提出了一种基于最大交互概率的改进比例联合概率数据关联算法。该算法找出距离两逼近目标的交互概率中心最近的有效观测,引入一比例因子对该观测与所有目标的关联概率进行修正,将逼近目标"拉开",从而抑制了航迹的合并。仿真结果表明,改进算法在同等时间复杂度下很好地抑制了传统的JPDA算法引起的航迹合并。

基于无人机对雷达系统航迹欺骗干扰的仿真研究

以无人机对组网雷达的协同干扰为背景,利用Matlab软件对每一架无人机的运动规律进行分析,结合运动伪装学相关理论,对于轨迹控制参数进行研究,且以5架无人机协同干扰雷达为例进行模拟。通过仿真分析可知,在速度大小不变的条件下,多架干扰机可通过协同工作来对组网雷达实施航迹欺骗干扰,能够达到以假乱真的效果,虚假航迹可行。

几种典型情况下的航迹关联研究

分布式多传感器位置层的航迹关联,旨在对来自多个局部节点的航迹是否对应着同一目标做出判决。航迹关联的难点体现在处理几种典型情况,即航迹分叉、合并、相交。在对三种情况的物理背景进行分析的基础上,对目前的航迹关联算法进行了修改和优化。仿真表明,修改之后的算法在这三种情况下都保持比较高的关联率,同时,这些算法在结构与计算流程上得到了统一,从而为其工程实现提供了一个公共的框架。

基于自适应滑动窗均值OSPA航迹关联算法

多目标航迹发生合并和分叉情况在实际工程中比较常见,给航迹关联造成很大困难.本文提出基于自适应滑动窗均值OSPA(Optimal Sub-Pattern Assignment)距离航迹关联方法,给出自适应航迹关联方法的关联矩阵.该方法可以自适应地给出历史航迹对当前航迹的作用影响,进而达到有效且准确地判断多目标航迹合并和分叉情况.最后仿真结果给出了两个传感器和两个目标形成的航迹关联,本文所提自适应关联方法和传统关联方法的关联比较,证明了本文所提方法的有效性,特别是在航迹合并和分叉情况下同样有效.

基于自适应聚概率矩阵的JPDA算法研究

为了降低联合概率数据关联(joint probabilispic data association,JPDA)算法的计算复杂度,解决跟踪临近目标时出现的航迹合并问题,基于量测自适应消除方法,提出了一种改进JPDA算法.该算法首先通过Cheap JPDA算法计算互联概率,降低算法计算量;其次对聚概率矩阵加以阈值处理,通过重建确认矩阵,进一步优化算法复杂度;最后采用自适应消除方法,去掉聚概率矩阵中易引起错误关联的量测,减小JPDA算法在关联临近目标时的误差.仿真实验结果表明:相较于JPDA算法及Scaled JPDA(SJPDA)算法,本文算法在保证跟踪精度的前提下,降低了算法复杂度,提高了时效性;在跟踪临近目标及交叉目标时,改进算法能避免航迹合并现象及跟错目标情况的发生.

基于有效量测分集的联合概率数据互联算法

杂波环境下用联合概率数据互联算法(JPDA)跟踪多目标,其计算量将随跟踪目标数的增多和杂波密度的增大而呈指数增长,因此实时性不强;并且JPDA跟踪杂波环境中的近距离目标时,容易造成航迹合并。在充分考虑单个目标独立性的基础上,提出有效量测分集概念。将接收到的有效量测信号按照单个目标的关联划分,确定各目标跟踪波门内的候选量测信号,不考虑量测信号的重复关联。取得单个目标独立性之后,再运用单目标概率数据互联的方法估计目标状态。仿真实验表明,较传统JPDA实时性更强,能够分辨并跟踪近距离目标。

Geodesic流多伯努利检测前跟踪方法

由于粒子退化,基于粒子滤波的多伯努利检测前跟踪滤波器对多目标后验密度的估计不准确,导致量测非相参积累的效果不理想.为此,将Geodesic粒子流引入多伯努利检测前跟踪算法,以提升后验密度估计的准确度.此外,合并航迹时利用目标的航向信息,从而降低航迹交叉时不同目标的航迹被错误合并的概率.通过Rayleigh杂波中Swerling 1型起伏目标的检测及跟踪结果证明了所提算法的性能.