基于QS-ML-PMHT的多目标无源协同定位方法

针对目标个数未知时无源协同定位系统低可观测目标的航迹起始及维持问题,提出一种基于拟蒙特卡罗模拟退火极大似然概率多假设的双基站多目标无源协同定位方法。首先,建立双基站无源协同定位系统数学模型。其次,提出基于极大似然概率多假设的多目标无源协同定位航迹起始算法,通过假设法确定目标个数,并首次利用拟蒙特卡罗模拟退火算法解决极大似然概率多假设中多目标的优化求解问题,以提高多目标检测跟踪性能。最后,通过滑窗法实现航迹维持。仿真结果表明,所提方法能够有效解决目标个数未知时双基站无源协同定位系统低可观测目标的航迹起始及维持问题。     

基于期望极大化算法的航迹起始方法研究

将序列概率比检验(SPRT)和期望极大化(EM)算法相结合,给出了一种解决杂波环境下目标航迹起始问题的新方法。首先,利用两点差分方法建立暂时航迹;然后,针对由于目标真实状态未知导致的应用SPRT算法时似然函数计算上的困难,导出了基于递推EM算法的似然函数计算公式,可以实时且有效地解决其中的不完全数据问题。从而,实现暂时航迹的确认和删除。仿真结果表明文中算法具有良好的性能。     

基于对数似然估计的目标定位跟踪新方法

为避免无源定位中的迭代运算,本文针对多站测角无源定位非线性观测方程,提出利用对数似然估计将其进行伪线性化处理,从而实现目标位置的闭式解算. 首先,在基于二维测角观测量的前提下,提出利用对数似然估计法将非线性观测方程转化为伪线性观测方程的数学模型,并推导出用于目标定位算法的闭式解. 接着,利用“当前”统计机动模型和卡尔曼滤波,实现对目标的精确跟踪定位. 并通过仿真实验验证该闭式解的渐近最优性,从而验证文中理论的有效性.     

基于信息熵的多无源传感器数据关联

针对多维分配模型在构造关联代价函数时,直接利用极大似然估计值代替目标的真实位置信息,未考虑极大似然估计所引入的随机误差问题,提出一种基于信息熵的多无源传感器数据关联算法.考虑到量测后验概率密度函数与伪量测概率密度函数之间的差异性,分别利用相对熵和Renyi熵量化该差异构造关联代价函数以增强模型的完备性.仿真实验结果表明:该算法有效地提高了关联正确率,具有较好的关联性能.     

基于KLD-JPDA的多目标无源协同定位算法

针对杂波环境下面向无源协同定位系统的多目标跟踪问题,提出一种基于KL散度(Kullback-Leibler Divergence、 KLD)的联合概率数据关联算法(Joint Probabilistic Data Association, JPDA)。首先,在联合概率数据关联框架内计算关联事件的后验概率密度函数,并计算该函数与高斯概率密度函数之间的KLD。其次,将KLD作为代价函数优化关联事件的后验概率密度函数。最后,根据优化的后验概率密度函数对目标状态进行估计。仿真结果表明,所提算法能有效解决杂波环境下多目标跟踪问题,提高跟踪性能。     

基于Meanshift聚类Bhattacharya观测似然度修正的联合概率数据关联改进算法

为降低多目标航迹聚集时联合概率数据关联（JPDA）联合关联事件的计算复杂度,提出一种基于Meanshift聚类〖CD*2〗Bhattacharya（Bhy）观测似然度修正的JPDA改进算法。利用Meanshift得到聚类中心,据聚类中心与目标预测量测马氏距离形成跟踪门;提出Bhy似然度矩阵,将Meanshift聚类中心与各量测Bhy距离所表征的观测似然度作为确认矩阵小概率事件划分依据,消除确认矩阵中小概率事件对联合关联事件计算复杂度的影响。实验结果表明：多目标航迹聚集时,该算法在减少计算复杂度同时保持了较高关联精度,跟踪性能明显优于经典JPDA。     

多台光电经纬仪布站几何的仿真研究

研究多台经纬仪定位优化的过程中,针对纯方位无源定位系统,采用多台光电经纬仪组网测量时的优化布站.为了提高定位精度,准确计算跟踪参数,用最大似然估计法推导三维多站纯方位无源定位的迭代计算公式,得到目标位置估计的误差传递关系,按照纯方位无源定位中几何精度稀释因子(Geometric Dilution of Precision,GDOP)最小为原则,提出用遗传算法对三台光电经纬仪站址的几何分布进行了仿真计算.结果表明在对空中目标进行观测定位时,定位精度最高,三台光电经纬仪应以观测目标的地面投影点为中心呈正三角形部署,为实际布站应用优化提供了参考.     

基于方位与时延信息融合的被动声纳航迹关联

在探测区域存在多个目标的情况下,水声岸站被动测向定位系统必须首先解决多目标的航迹关联问题,即确定各个传感器所测量的信息哪些是来源于同一目标的.通过融合被动声纳所测量到的方位和时延信息提出了一种方位最近邻关联方法,对该方法和传统的多维分配算法进行仿真表明该方法能获得很高的正确关联概率,同时该方法克服了传统的多维分配算法在传感器和目标数量较多时计算量过大的问题,是一种优于多维分配算法的水声被动多传感器多目标航迹关联方法,这说明利用信息融合手段解决水声领域航迹关联问题具有潜在的优势.     

基于二元多跳WSN的信道容错的目标定位方法

针对信道退化的多跳无线传感器网络下的定位问题,基于最大似然估计提出一种新的信道容错的定位算法.传感器节点接收到的源信号强度数据被压缩量化为二元信号,经Rayleigh退化信道多跳中继到达融合中心.利用信道退化统计量和译码策略,推导出二元观测数据的似然函数,基于最大似然估计获得目标定位,进一步给出目标位置估计的克拉美-罗下界.仿真结果表明了所提出算法的有效性.     

基于PSO-SA的多目标跟踪数据关联算法研究

为快速实现多目标跟踪的数据关联,将粒子群算法(PSO)和模拟退火算法(SA)相结合,实现快速的多目标跟踪数据关联;以跟踪门确定目标的有效量测,以新息的似然函数描述量测与目标的关联关系,建立多目标数据关联的组合优化模型;利用交叉变异的PSO算法求解出该优化组合模型的次优解,再将该次优解作为模拟退火算法的初始温度和状态,利用SA算法对目标函数的解进行细搜索以求得更优解;仿真表明,该算法与经典的JPDA算法相比,PSO-SA算法的关联准确率都大于90%,提高目标关联准确性和跟踪精度。     

雷达多目标方位测量数据的一种处理方法

多目标数据关联是雷达数据融合过程中的重要一环。针对分布式雷达组网模式 ,在目标批数未知的条件下 ,提出了一种杂波环境下的多目标点迹关联算法。该算法利用雷达对目标的方位测量数据 ,通过引入关联矩阵 ,建立多目标多雷达数据关联数学模型 ,采用模拟退火技术 ,在使似然函数最大化的意义下求取关联矩阵和监视空域中目标的批数。根据多个雷达的多个采样周期的关联矩阵 ,建立各雷达测量数据之间的相关关系 ,为目标跟踪和数据融合提供前提条件。模拟仿真结果表明了算法的有效性。     

Integrated probabilistic data association

This paper presents an integrated probabilistic data association algorithm which provides recursive formulas for both data association and track quality (probability of track existence), allowing track initiation and track termination to be fully integrated into the association and smoothing algorithm. Integrated probabilistic data association is of similar computational complexity to probabilistic data association and as demonstrated by simulation, achieves comparable performance to the more computationally expensive interactive multiple model probabilistic data association algorithm which also integrates initiation and tracking     

Dealing with multiple local modalities in latent class profile analysis

Parameters for latent class profile analysis (LCPA) are easily estimated by maximum likelihood via the EM algorithm or Bayesian method via Markov chain Monte Carlo. However, the local maximum problem is a long-standing issue in any hill-climbing optimization technique for the LCPA model. To deal with multiple local modalities, two probabilistic optimization techniques using the deterministic annealing framework are proposed. The deterministic annealing approaches are implemented with an efficient recursive formula in the step for the parameter update. The proposed methods are applied to the data from the National Longitudinal Survey of Youth 1997 (NLSY97), a survey that explores the transition from school to work and from adolescence to adulthood in the United States.     

Data association using relative compatibility of multiple observations for EKF-SLAM

Correct data association is crucial to perform self-localization and map building for mobile robot. The nearest neighbor method based on the maximum likelihood is widely used. However, this algorithm has two problems, possibility of false association and spurious association. These problems happen more severely when the vehicle pose error is large and the covariance does not represent the uncertainty correctly. In this paper, a data association method which applies the concept of pairwise relative compatibility to the probabilistic data association problem is proposed. The proposed method handles the false and spurious association problems effectively. We prove its performance by the EKF-SLAM simulations and experiments and the results show that the proposed data association provides reliable data association.     

A simple simulated annealing algorithm for the maximum clique problem

Simulated annealing technique has mostly been used to solve various optimization and learning problems, and it is well known that the maximum clique problem is one of the most studied NP-hard optimization problems owing to its numerous applications. In this note, a simple simulated annealing algorithm for the maximum clique problem is proposed and tested on all 80 DIMACS maximum clique instances. Although it is simple, the proposed simulated annealing algorithm is efficient on most of the DIMACS maximum clique instances. The simulation results show that the proposed simulated annealing algorithm outperforms a recent efficient simulated annealing algorithm proposed by Xu and Ma, and the solutions obtained by the proposed simulated annealing algorithm have the equal quality with those obtained by a recent trust region heuristic algorithm of Stanislav Busygin.     

一种面向互联概率加权的JPDA多传感器数据融合方法

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。     

杂波下强机动目标跟踪自适应数据关联算法

杂波下的机动目标跟踪的综合概率数据关联(IPDA)算法是在概率数据关联(PDA)算法的思想基础上引入目标存在及可观测概率所形成的.本文进一步通过引入自适应调整因子,提出了针对强机动目标跟踪的自适应IPDA算法(CIPDA),并通过仿真论证,与传统的IPDA相比,CIPDA提高了对强机动目标跟踪的稳定性和精确度.     

融合简化稀疏A*算法与模拟退火算法的无人机航迹规划

针对无人机航迹规划问题,提出了一种融合简化稀疏A^*算法与模拟退火算法（Fusion of Simplified Sparse A^* Algorithm and Simulated Annealing algorithm,简称FSSA-SA）的航迹规划方法.首先,在对威胁环境进行建模之后,将模拟退火思想与具体航迹规划问题求解相结合,给出了模拟退火算法求解航迹规划问题的具体设计与实现方法.其次,利用简化的稀疏A^*算法在规划起止点之间进行一次往返搜索,并将所得结果中较优的一条航迹作为模拟退火算法的初始解,实现了两种算法的融合.然后,当退火进行至低温区时,通过对位置存在冗余的航迹节点的剔除,进一步改善了算法的求解质量.最后为了验证算法的优越性,将本文算法与稀疏A^*算法、模拟退火算法进行了仿真对比试验.试验结果表明,本文提出的FSSA-SA算法相比于上述两种算法,具有较少的规划耗时;相比于稀疏A^*算法,在所得航迹的综合代价相差不大的情况下,内存占用量少了两个量级;相比与模拟退火算法,在相同的退火条件下,其规划所得航迹的综合代价平均减少了35%左右.     

基于随机神经网络的数据关联组合优化研究

本文研究密集多回波环境下的机动多目标数据关联问题，通过对联合概率数据关联方法性能特征的分析，将其归结为一类的束组合优化问题，进而应用随机神经网络Ｂｏｌｔｚｍａｎｎ机的组合优化求解策略，结合改进的模拟增益退火方法，提出了一种新颖有效的机动多目标快速随机神经数据关联组合优化算法，克服了传统，ＪＰＤＡ存在出现的计算组合爆炸现象，仿真结果表明，该方法不仅收敛速度快，而且计算量小，关联效果好，回波愈密集，其