基于核密度杂波估计的改进MHT算法

传统多假设跟踪(Multiple Hypothesis Tracker, MHT)算法假定杂波强度先验已知,在未知杂波的观测场景中,杂波强度误差将导致数据关联的准确性急剧下降。针对这一问题,本文提出一种基于核密度估计(Kernel Density Estimation, KDE)的在线杂波估计MHT算法。首先利用核密度函数拟合未知的杂波密度函数,并自适应地估计出该时刻波门内的杂波强度;然后利用杂波强度估计值计算假设航迹的得分函数,提高了数据关联的准确性和目标跟踪的稳定性。仿真结果表明,在未知杂波观测场景中,MHT-KDE算法有效改善了航迹的连续性,减少了虚假航迹数。      

可适应未分辨量测的改进GRASP-MHT算法

传统的多假设跟踪(Multiple Hypothesis Tracking, MHT)算法通常假设一个目标独立地产生一个量测。但在实际观测场景中,当多个目标之间足够接近时,分辨率有限的传感器只能识别出一个未分辨的量测。这种现象使得数据关联问题更加复杂,跟踪算法性能明显下降。针对这一问题,本文提出了一种可适应未分辨量测的改进随机化贪心-自适应搜索结构MHT(Greedy Randomized Adaptive Search Procedure MHT, GRASP-MHT)算法,推导了关联未分辨量测的航迹假设得分,将未分辨量测的数据关联问题建模成最大权重独立集问题(Maximum Weight Independent Set Problem, MWISP),以适应可能存在未分辨量测的场景。仿真结果表明,改进GRASP-MHT能够处理未分辨量测的数据关联问题,并且保留了GRASP-MHT的大部分优点。      

一种改进的LAP多目标跟踪数据互联方法

围绕传统多假设跟踪(MHT)算法跟踪过程中的数据关联效率问题,分析了算法的基本过程,并对造成关联假设组合爆炸的原因进行剖析。在此基础上,提出了一种基于利用似然比航迹得分简化后的线性分配LAP的MHT数据关联方法,并对交叉轨迹运动物体进行了跟踪仿真实验。仿真表明改进后的算法在保证跟踪准确性的前提下,对关联假设和剪枝过程的计算量和复杂度均有一定程度的降低。     

基于IMM-MHT算法的杂波环境多机动目标跟踪

针对杂波环境下多机动目标的跟踪问题,提出将交互多模型(IMM)算法与多假设跟踪(MHT)算法结合,并运用Murty算法和假设树修剪方法进行假设生成和假设管理,提高IMM-MHT算法的实用性。仿真结果表明,IMM-MHT算法具有较高的正确关联率和较好的跟踪稳定性,且与只使用单模型的MHT算法相比,具有更好的跟踪精度。     

基于随机集的RBPF多目标关联跟踪算法

针对大量杂波环境下数量变化的纯角度多目标航迹关联跟踪问题,提出一种新的基于Rao-Blackwellized粒子采样(RBPF)航迹关联的高斯混合概率假设密度(GMPHD)滤波算法.算法首先利用GMPHD在每时刻对多个目标组成的随机集合进行估计;然后利用基于随机有限集的RBPF对GMPHD所得到的目标集合进行检测和关联...     

杂波背景下基于概率假设密度的辅助粒子滤波检测前跟踪改进算法

在杂波背景条件下,现有的基于概率假设密度(PHD)滤波的粒子滤波检测前跟踪(TBD)算法,存在对密集多目标数目估计不准,使用粒子数目较多会造成维数灾难的问题。因此,该文引入两层粒子的概念,将基于平行分割(PP)理论的辅助粒子滤波(APF)应用于基于概率假设密度的检测前跟踪 (PHD-TBD)算法中,提出基于概率假设密度滤波的平行分割辅助粒子滤波检测前跟踪(APP-PF-PHD-TBD)算法以提高目标数目及状态估计精度。仿真实验证明,相对于现有基于PHD的粒子滤波检测前跟踪算法,该算法在目标数目和状态估计精度上具有显著的性能优势,在密集目标场景下,优势尤为突出。最后,利用导航雷达实测所得海杂波背景数据证明,该算法在应用中性能更加优异。      

基于熵惩罚的EM未知杂波估计的PHD多目标跟踪算法

针对概率假设密度多目标跟踪算法中存在的杂波强度未知的问题,提出一种基于熵惩罚的EM未知杂波估计的PHD多目标跟踪(EPEM-PHD)算法。首先采用有限混合模型对未知杂波密度建模,其次分别对混合权重及缺失参数施加熵惩罚因子,然后通过自适应动态系数调节,使得混合模型低权值分量加速消亡,减少了算法迭代次数,且算法对初始参数不敏感。仿真结果表明,该算法在杂波强度未知的环境下,具有精度高、跟踪稳定的优势,提高了PHD滤波器在多目标跟踪中的性能。     

一种复杂环境下的多假设分支跟踪方法

在雷达环境杂波强、目标运动特性复杂、需要同时跟踪多批目标的情况下,目标跟踪过程中容易因关联错误造成跟踪错误。本文提出的多假设航迹跟踪方法在目标的机动特性不明时,建立航迹的多个假设航迹,对假设航迹进行隐形跟踪。该方法中航迹具有父、子、孙三类分支属性之一,其中父航迹为原始航迹,子航迹是在父航迹基础上建立的假设航迹,孙航迹是在子航迹基础上建立的假设航迹。通过父、子、孙三类分支航迹之间的继承和替代,可以同时跟踪丢点、密集杂波区、机动状态不明的多批目标,降低航迹关联错误的概率,实现对目标的稳定跟踪。     

基于高斯混合带势概率假设密度滤波器的未知杂波下多机动目标跟踪算法

多模型的随机有限集(RFS)类方法是一类有效的多机动目标跟踪算法,但是现有算法都假定杂波统计特性先验已知,不适用于未知杂波背景。该文以高斯混合带势概率假设密度滤波器(GMCPHDF)为基础,提出一种未知杂波下的多机动目标跟踪算法。该算法对目标和杂波分别独立建模,通过最优高斯(BFG)估计方法对真实目标的强度函数进行预测,从而使多目标强度函数独立于机动目标的运动模型,实现各时刻真实目标的强度函数、杂波源期望个数以及真实目标和杂波源的混合势分布的迭代。仿真结果表明,该算法能够有效地联合估计多机动目标状态以及杂波期望个数。     

基于联合概率数据互联的多假设跟踪算法

针对杂波环境下密集目标的跟踪,在多假设跟踪(MHT)算法框架的基础上将联合概率数据互联(JPDA)算法以联合概率分配的方式引入不相容航迹树间的假设分支生成处理,利用联合概率数据互联在点航迹互斥分配处理中的优势保证簇内不相容航迹树的互斥性.仿真测试和实装测试结果验证了算法的实时性、有效性和鲁棒性,提高了点航迹关联正确率及...     

结合匈牙利指派和改进粒子滤波的多目标跟踪算法

使用汽车雷达进行多目标跟踪时,为了提高航迹关联效率并改善非线性场景跟踪效果,提出了结合匈牙利指派和卡尔曼重要性采样的粒子滤波(Particle Filter with Kalman Importance Sampling,PF-KIS)算法。首先,将航迹关联分解为聚类和指派,通过密度聚类筛选并整合有效目标,经过匈牙利指派得到目标和航迹的最佳匹配关系,避免产生多余联合事件,提高关联效率;其次,以卡尔曼滤波的结果作为粒子滤波的先验,使采样粒子分布更合理,提高估计精度,进而改善非线性跟踪能力。实验表明,算法平均航迹关联正确率约为95%;非线性场景误差约为卡尔曼滤波的1/2,有效地改善了非线性场景跟踪能力。     

未知杂波条件下样本集校正的势估计概率假设密度滤波算法

在贝叶斯框架下的多目标跟踪算法中,总是假设杂波的先验信息是已知的。然而,实际应用中,杂波分布一般是未知的,假设的杂波分布往往与实际情况匹配度差,难以保证滤波精度。针对该问题,该文研究了未知杂波势估计概率假设密度(CPHD)滤波算法。首先,提出一种基于狄利克雷过程混合模型(DPMM)类的未知杂波CPHD算法,该算法能够自动选取合适的类数对杂波进行描述,有效降低了杂波空间分布估计的误差。此外,提出样本集校正的思想,并将其引入所提算法,通过去除样本集中由真实目标产生的量测,较好地解决了杂波数过估和目标数低估的问题。与传统算法相比,所提算法的滤波精度更接近于杂波信息匹配情况下的性能,仿真结果验证了其优越性与鲁棒性。     

基于特征辅助的滑窗式全局最优关联算法

针对卫星电子信息的数据特点与传统关联算法中存在的误关联、杂波干扰大等现象,提出一种基于特征参数辅助的滑窗式全局最优辐射源关联算法。该算法利用运动与特征参数信息综合计算观测与目标间的关联度,构建关联模型,求解全局最优的航迹关联关系,并采用滑窗处理技术对航迹进行连续监测与维持,对错漏航迹进行修正。仿真实验表明,算法可满足多源卫星电子对近距离交叉目标、存在非共同观测目标和杂波密集环境下多目标的有效跟踪,且性能优于传统关联算法。     

Amplitude information based robust tracking method for multiple marine targets

A robust multi-Bernoulli filter based on the amplitude information of the target in sea clutter was proposed,in which the amplitude information of the target and sea clutter was exploited to improve the measurement likelihood.Therefore,the proposed approach could distinguish targets from clutter better when they were spatially close,which further enhanced the ability to track targets in marine radar detection applications.The simulation results of Swerling type Ⅰfluctuating targets tracking in K distributed sea clutter show that,the proposed algorithm is superior in performance to the robust multi-Bernoulli filter in terms of state estimation,cardinality estimation,as well as clutter rate estimation.     

IMM/MHT fusing feature information in visual tracking

In multi-target tracking, Multiple Hypothesis Tracking (MHT) can effectively solve the data association problem. However, traditional MHT can not make full use of motion information. In this work, we combine MHT with Interactive Multiple Model (IMM) estimator and feature fusion. New algorithm greatly improves the tracking performance due to the fact that IMM estimator provides better estimation and feature information enhances the accuracy of data association. The new algorithm is tested by tracking tropical fish in fish container. Experimental result shows that this algorithm can significantly reduce tracking lost rate and restrain the noises with higher computational effectiveness when compares with traditional MHT.     

用于机动目标跟踪的Kalman滤波器的设计

机动目标跟踪广泛应用于军事和民用领域。本文针对机动目标跟踪问题,在“当前”统计模型的基础上,实现了Kalman滤波算法在工程上的应用;同时利用速度预测估计与实时速度估计间的偏差进行自适应方差调整,提出了改进的“当前”统计模型自适应滤波算法。工程实践表明,基于改进模型的Kalman滤波算法在跟踪机动目标时具有起好的跟踪性能,同时也极大改善了对一般非机动目标的跟踪能力。     

Target Birth Intensity Estimation Using Measurement‐Driven PHD Filter

The probability hypothesis density (PHD) filter is an effective means to track multiple targets in that it avoids explicit data associations between the measurements and targets. However, the target birth intensity as a prior is assumed to be known before tracking in a traditional target‐tracking algorithm; otherwise, the performance of a conventional PHD filter will decline sharply. Aiming at this problem, a novel target birth intensity scheme and an improved measurement‐driven scheme are incorporated into the PHD filter. The target birth intensity estimation scheme, composed of both PHD pre‐filter technology and a target velocity extent method, is introduced to recursively estimate the target birth intensity by using the latest measurements at each time step. Second, based on the improved measurement‐driven scheme, the measurement set at each time step is divided into the survival target measurement set, birth target measurement set, and clutter set, and meanwhile, the survival and birth target measurement sets are used to update the survival and birth targets, respectively. Lastly, a Gaussian mixture implementation of the PHD filter is presented under a linear Gaussian model assumption. The results of numerical experiments demonstrate that the proposed approach can achieve a better performance in tracking systems with an unknown newborn target intensity.     

Acoustic source tracking algorithm using track before detect

In order to improve tracking performance in a noisy and reverberant environment,an acoustic source tracking algorithm using track before detect was proposed.This algorithm used a modified steered response power as localization function which take into account a rectangular region to achieve more robust source location estimation than steered response power function and applied track-before-detect technology to avoid reduplicate calculation of the same rectangular region so that the algorithm could reduce the computation burden without decreasing the accuracy.The simulation results verified that the proposed algorithm can achieve more accurate tracking results than traditional tracking algorithm in a noisy and reverberant environment.     

红外成像目标跟踪的MHT改进算法及其DSP硬件实现

探讨了改进的MHT(多假设跟踪)算法及其在红外成像跟踪系统中的应用。根据红外目标及背景的特点，对红外图像数据进行自适应的空间滤波预处理后，运用改进的MHT算法实施目标识别和航迹跟踪处理。并利用4片TMS320C6000系列DSP组成流水线处理结构，实现了该算法的硬件并行处理，取得了良好的实用效果。