基于多特征融合的高机动多目标低截获概率跟踪技术

在多目标跟踪过程中,目标的高机动特性使得传统采用固定运动模型或交互式多模型的目标跟踪算法很难实时精确匹配目标运动模型,从而引起高机动目标的低跟踪精度问题。针对这一问题,本文提出一种基于目标运动状态模型自适应更新的高机动多目标跟踪算法。在多目标跟踪过程中,该算法采用多特征聚类融合算法进行目标运动模型估计,并根据各目标跟踪波动参数进行状态转移矩阵决策更新,同时利用联合概率数据关联实现多机动目标状态转移矩阵自适应更新的关联跟踪,从而解决了传统多目标跟踪算法因目标运动模型失配引起的低跟踪精度问题。在目标跟踪算法的传感器选择上,无源传感器不对外辐射能量,具有较好的低截获概率性能,但其跟踪精度有限,常不能满足多目标高跟踪精度的要求。雷达作为有源传感器,具有较高的跟踪精度。但由于雷达对外辐射信号,容易被防御方截获。针对这一问题,本文提出了一种无源传感器目标跟踪为主,有源雷达间歇跟踪为辅的多传感器协同管理目标跟踪算法。该算法通过对目标跟踪本征堆积误差的判断进行传感器的最优分配,并根据波动参数的大小进行状态转移矩阵决策更新。仿真结果验证了本文所提出的多传感器协同的高机动目标跟踪算法在满足高机动目标跟踪精...     

动态热释电传感器网络目标跟踪技术研究

提出了一种动态热释电红外辐射传感器网络的目 标 跟踪方法,使热释电传感器在运动状态下进行目标探测,通过采集、分析 动态热释电传感器输出的信号特征可得到目标的角度信息;使用传感器网络目标定位数 学模型, 对多个节点的信息进行融合即可实现运动目标的定位及跟踪,并有效解决了热释电 探测距离及探测角度的矛盾问题。实验表明,所提方法可在大范围对目标进行定时监控及自 主跟踪,在探测范围及灵敏度、定位精度 等方面具有很大优势。     

基于灰关联无源多目标跟踪系统航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本上照搬多传感器数据融合的理论,仅利用目标的状态信息.文中利用了目标的多特征信息(载频、脉宽、脉冲重复间隔等),应用灰关联理论,提出了一种基于灰关联的分布式无源多目标跟踪系统的航迹关联算法.由于利用了目标多特征信息,算法具有关联速度快、正确率高、而且能够适应密集目标环境的优点.仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法.     

基于粒子滤波和数据关联的多目标跟踪算法

针对图像序列中低信噪比条件下的点状多目标跟踪问题,在已获得各个目标初始信息的基础上,结合粒子滤波和联合概率数据关联(JPDA),研究了一种基于单帧检测的实时多目标跟踪算法.介绍了其基本思想和具体算法实现步骤,并在MATLAB仿真环境下实现了该跟踪算法.实验仿真结果表明,该算法能够准确跟踪作任意轨迹运动的多个点状动目标,具有良好的实时性与准确性.     

采用目标假设的三被动式传感器数据关联算法

被动式传感器目标跟踪是多传感器多目标跟踪领域的一个重要研究方向。针对三被动式传感器多目标定位系统全局最优数据关联的三维分配问题,在允许传感器漏检和虚警的情况下,通过分析拉格朗日松弛算法,提出一种假定真实目标的快速收敛算法。该算法通过粗关联假定真实目标并重新修改代价矩阵,然后进行细关联,使得拉格朗日松弛算法在保证关联精度的前提下有效地提高了收敛速度。理论分析和实验结果表明,该算法提高了数据关联的速度,并在一定程度上提高了关联准确率。     

基于 Renyi熵的非线性系统中传感器管理算法

针对高斯非线性系统中的多目标跟踪问题,提出了一种基于Renyi熵的传感器管理算法。该算法首先根据无迹卡尔曼滤波计算预测误差与滤波误差,度量目标跟踪精度要求;利用Renyi熵结合Parzen窗函数对概率密度函数进行近似估计,得到目标的信息增量,以此作为代价函数。同时,引入目标优先级（即威胁度）,得到效能函数,形成传感器管理模型;最后利用该模型实现了传感器资源的分配。仿真结果表明,该算法利用Renyi熵可以表达非线性系统高阶特性的特点,结合Parzen窗函数,保持精度的同时减少运算量,较好地度量了跟踪过程中信息的不确定性,降低了跟踪误差,优化了系统的跟踪性能。     

基于Renyi熵的非线性系统中传感器管理算法

针对高斯非线性系统中的多目标跟踪问题,提出了一种基于Renyi熵的传感器管理算法。该算法首先根据无迹卡尔曼滤波计算预测误差与滤波误差,度量目标跟踪精度要求;利用Renyi熵结合Parzen窗函数对概率密度函数进行近似估计,得到目标的信息增量,以此作为代价函数。同时,引入目标优先级(即威胁度),得到效能函数,形成传感器管理模型;最后利用该模型实现了传感器资源的分配。仿真结果表明,该算法利用Renyi熵可以表达非线性系统高阶特性的特点,结合Parzen窗函数,保持精度的同时减少运算量,较好地度量了跟踪过程中信息的不确定性,降低了跟踪误差,优化了系统的跟踪性能。     

综合利用各类信息的异类灰色航迹关联算法

异类传感器航迹关联是航迹融合中的一个难点,红外传感器与雷达的航迹关联是典型的异类传感器航迹关联。综合利用角度和其他特征信息是改善异类传感器航迹关联的一个重要途径。针对异类传感器数据关联用于关联的信息量少的问题,对于雷达在直角坐标系对目标进行跟踪,红外传感器在修正的球坐标系对目标进行跟踪的情况,综合利用角度、角度变化率和ITG信息,提出了一种基于灰色理论的航迹关联决策方法,计算机仿真结果表明新的关联算法与只利用角度信息的关联算法相比具有更好的关联性能。     

多目标跟踪中基于特征辅助的概率数据关联算法

在传统的多目标跟踪系统中,数据关联仅利用了那些与目标状态向量直接相关的信息。在此提出了一种基于广义概率数据关联(GPDA)的新的关联算法即特征辅助跟踪(FAT)算法。该算法同时利用了目标的特征信息和状态信息进行数据关联,较好地解决了在密集杂波环境下对近目标的跟踪问题。最后以目标的一维距离像信息为例进行仿真,仿真结果表明,所提出的算法使跟踪性能优于传统的概率数据关联。     

热释电红外传感器及其在人员计数系统中的应用

针对图像采集人员计数系统复杂、价格昂贵等缺点,在分析热释电效应以及红外传感的基础上,采用BISS0001型信号处理专用集成芯片设计了基于RE200B热释电红外传感器的放大电路,研究其在不同人体运动状态下的输出波形;设计了以双热释电红外传感器为信号采集单元,以Cortex-M3单片机为控制核心的人员计数系统,并研究其主要算法.实验结果表明,RE200B型热释电红外传感器的输出波形能够准确表征人体的不同运动状态,基于双热释电红外传感器的人员计数系统能准确分辨人体的运动方向,并实时计数,可广泛应用于人体探测和人员计数等领域.     

基于红外和雷达数据融合的机动目标跟踪方法

文章基于并行多传感器联合概率数据关联算法,提出了一种杂波环境下的多传感器多机动目标跟踪算法,首先使用融合算法将红外和雷达的量测进行异步和同步融合,然后应用融合后的量测,采用IMM算法实现对机动目标的跟踪.在仿真实验中分别跟踪单个和多个目标,结果表明该算法可以解决两种传感器的量测不同步问题,同时可以消除漏检现象对目标跟踪的影响,并能保证一定的跟踪精度.     

一种基于模糊推理的JPDAF新方法

多目标跟踪中的数据关联一直是信息融合领域的难点和热点问题,针对杂波环境下多目标跟踪中的数据关联问题,提出了一种基于模糊推理的JPDAF新方法。该方法中,首先详细分析了杂波环境多目标观测数据的特点,定义了多目标环境下的标准化新息变量及新息的一阶微分变量;然后将其作为模糊推理的两个输入变量,通过设计合适的模糊隶属度函数和模糊推理规则,自适应计算目标观测的关联概率来代替传统联合概率数据关联滤波器（JPDAF）中的关联概率,实现对多个目标的有效跟踪。实验结果表明,提出方法的目标跟踪性能要好于传统的JPDAF和Fitzgerald’s方法,在实时性方面,提出方法也要远好于传统的JPDAF方法,接近Fitzgerald’s方法,能够有效对多目标进行关联跟踪。      

（英）基于热释电红外探测器的人体定位技术

提出了一种热释电红外探测器视场调制策略。此策略能够提高人体定位分辨率,并且不会降低探测器的探测距离。对于此策略,热释电红外探测器的视场被遮光板调制,且调制后的探测器视场相互重叠交错形成一些采样区域。为了验证此策略,制作了包含九个热释电红外探测器的人体定位节点,节点中所有调制后的探测器视场角均为36°,每一个采样区域的角度均为4°。如果受测者在一个采样区域中运动,对应的热释电红外探测器将被触发,至少需要两个人体定位节点才能实现人体定位。根据节点中热释电红外探测器的状态,能够估计人体的位置。实验中,在600 cm×600 cm的方形区域内设置两个人体定位节点,使用最小二乘法估计理论误差,其最大理论误差为70 c m。实验中估计了八个人体位置,将所有的估计位置点连接起来形成估计路径。估计路径与预设路径十分接近。实验中的最小和最大定位误差分别为4.42 cm和16.91 cm。     

Extended-Hungarian-JPDA: exact single-frame stem cell tracking

The fields of bioinformatics and biotechnology rely on the collection, processing and analysis of huge numbers of biocellular images, including cell features such as cell size, shape, and motility. Thus, cell tracking is of crucial importance in the study of cell behaviour and in drug and disease research. Such a multitarget tracking is essentially an assignment problem, NP-hard, with the solution normally found in practice in a reduced hypothesis space. In this paper we introduce a novel approach to find the exact association solution over time for single-frame scan-back stem cell tracking. Our proposed method employs a class of linear programming optimization methods known as the Hungarian method to find the optimal joint probabilistic data association for nonlinear dynamics and non-Gaussian measurements. The proposed method, an optimal joint probabilistic data association approach, has been successfully applied to track hematopoietic stem cells.     

改进的联合概率数据关联算法（JPDA）对红外目标与诱饵的辨别

红外诱饵干扰作为常见的影响红外跟踪能力的干扰手段发展的越来越先进,如何有效的排除红外诱饵的干扰一直是红外目标跟踪的难题。文中在研究了红外目标与诱饵干扰的特征差异的基础上,首次提出了将多目标跟踪策略应用于红外抗干扰跟踪中,建立了一种可以融合多个特征的改进型联合概率数据关联（JPDA）的数据关联算法。最后,利用该算法对抗干扰过程进行了仿真,仿真结果表明:与现有的抗干扰手段相比,该数据关联方法对解决红外干扰形成的假目标、目标遮挡等红外目标识别的难题,不仅实时性好,而且准确率高。     

角度信息辅助的集中式多传感器多假设跟踪算法

对于密集杂波环境中的多目标跟踪,传统集中式多传感器多假设跟踪(CMS-MHT)算法在每一时刻的航迹-量测关联假设数量大大增加,导致数据关联不确定性增大,以至很难由常规航迹得分给出正确关联,表现为高的漏情率以及航迹分裂现象。基于传感器测量误差较小时虚警与目标量测的空间分布特点,针对多个相同类型传感器进行目标跟踪,该文提出一种角度信息辅助的CMS-MHT算法,设计了新的角度信息辅助的航迹得分计算方法,可以降低航迹-量测关联的不确定性,从而得到比传统CMS-MHT更优的关联假设。仿真实验结果表明,在密集杂波环境中,该算法能有效降低漏情率,并有更好的航迹完整性。     

一种利用运动补偿的改进JPDA-UKF算法

在恒虚警条件下,针对传统的航海雷达模拟器目标跟踪采用的基于不敏卡尔曼滤波的联合概率数据互联算法( JPDA-UKF)发散、复杂度高和实时性差的问题,提出了一种利用运动补偿的笛卡尔坐标下改进的JPDA-UKF滤波方法。该算法引入相邻周期回波间运动补偿提取的目标量测可信度矩阵,限制进入跟踪门相交区域中的虚假量测数量,并将软跟踪门技术应用于滑窗逻辑法实现航迹管理。仿真结果表明,所提方法径向速度误差比传统的JPDA-UKF算法与自适应的α-β滤波算法分别降低10%和20%,目标获得稳定航迹后径向速度归一化均方根误差( RMSE)比上述两种方法分别具有约10 dB和15 dB的性能优势,算法的复杂度符合真实雷达的边扫描边跟踪的实时处理。     

A novel all-neighbor fuzzy association approach for multitarget tracking in a cluttered environment

This paper proposes a novel all-neighbor fuzzy association approach for multitarget tracking in a cluttered environment. It performs data association with a little prior knowledge and updates the predicted target state estimate using a fuzzy weighted sum of innovations. Unlike the joint probabilistic data association filter, in which the similarity measures are determined in terms of the conditional probability for all feasible data association hypothesis, the proposed fuzzy association approach determines the similarity measures between measurements and tracks in terms of possibility weights based on a partition matrix. The possibility weights are determined according to the fuzzy clustering algorithm. The proposed approach is able to perform all-neighbor association with a lower computational complexity in the expense of a little lower performance compared to the standard joint probabilistic data association filter. Computer simulation shows the feasibility and the efficiency of the proposed all-neighbor fuzzy association approach.     

多传感器多目标联合概率数据关联研究

联合概率数据关联(JPDA)算法对单传感器多目标跟踪是一种良好的算法,但对于多传感器密集多目标跟踪,则计算量剧增,数据关联成功率下降。因此,改进联合概率数据关联(AJPDA)算法对多传感器多目标量测进行同源划分及单一传感器测量数据转换,然后采用JPDA算法求解空间目标轨迹交叉时的数据关联。仿真结果表明,AJPDA算法提高了成功关联概率,降低了求解数据关联概率的难度,可以解决密集目标的正确跟踪问题。     

相控阵雷达多目标跟踪原理及数据关联算法研究

介绍了目标跟踪原理,并以多功能相控阵雷达为背景,研究了多目标跟踪数据关联过程.针对数据关联过程中量测起源的不确定性问题及概率数据关联算法(PDA)和联合概率数据关联算法(JPDA)的不足,给出了一种改进的概率数据关联算法(MPDA),该算法既不像PDA算法那样不考虑公共测量值对航迹的影响,也不像JPDA算法对所用的关联解进行搜索,而是重点分析了跟踪门交叠区域中的公共测量值对航迹更新的影响.蒙特卡罗仿真结果表明,该算法具有较小计算量及较好的实时跟踪性能,适于相控阵雷达的数据处理.