一种新的多模型联合概率数据关联方法

在机动目标跟踪中,针对以往IMM—JPDA算法易导致目标与回波误关联或不关联,M^3-JPDA算法对状态向量和运动模型结构约束条件较高的情况,提出了一种将M^3-JPDA与IMM—JPDA相结合的IMM—JPDA-（CV）^2CAV算法,并将其与传统方法进行了比较。仿真计算证明了此算法具有较好的跟踪性能。     

自适应转弯模型的交互多模型算法研究

以强机动目标跟踪为背景,在分析常速转弯模型和IMM算法基础上,基于“当前”统计模型的设计思路．提出了自适应转弯模型。通过机动频率系数和角加速度方差修正常速转弯模型的系统状态噪声方差矩阵,设计了不同角速率的转弯模型集,给出了相应模型的状态转移概率,建立了一种自适应转弯模型的交互多模型算法。MonteCarlo仿真实验表明：该算法性能优于其它IMM算法,且计算量小。便于使用。     

扩展概率数据关联算法

在多目标跟踪过程中,为了提高目标跟踪准确率、减少目标丢失,基于目标数目定义了联合关联事件,研究了扩展概率数据关联算法（Extended PDA）。对概率数据关联算法容易产生误跟和失步以及联合概率数据关联可能发生组合爆炸等问题进行改进。实验结果表明,该算法能很好地降低跟踪时间和减少失步次数,提高跟踪准确率。     

自适应交互多模型的PHD粒子滤波多机动目标跟踪

针对多机动目标跟踪中采用统一固定模型转移概率的问题,提出一种在线估计模型转移概率的自适应多模型PHD滤波(AIMM-PHD)。首先保留模型的采样粒子及其似然度;其次根据粒子的分类结果,计算出每个目标对应每个模型的状态输出;最后将输出交替作为模型输入进行滤波,计算出目标的模型转移概率。实验表明:相较于IMM-PHD,所提AIMM-PHD有较低的OSPA误差,目标个数估计更准确,且时间只增加了8.1%,从而证明了该算法的有效性。     

一种改进的联合概率数据关联算法的研究

针对联合概率数据关联算法需要知道目标总数并要对矩阵差分,且计算量呈指数增长的问题,提出了一种模糊多门限概率关联算法,该算法利用测量与目标的关联概率来替代概率数据关联算法中可行联合事件概率的计算,改善性能的同时又减少了计算量。仿真结果表明该算法能有效的解决密集目标跟踪环境下的数据融合精度和收敛性问题,且计算量小。     

基于模糊推理的自适应交互多模型目标跟踪算法

提出了一种模糊自适应IMM算法（FAIMM）,通过模糊逻辑,根据加速度估计值,自适应地摒弃概率较小的模型,仅选取整个模型集合中最能反映目标“当前”机动的一个模型子集进行运算,从而减少了模型数目;同时采用模糊方法计算模型概率,从而降低了算法的计算量;进一步,通过二级模糊推理,根据模型参考加速度ui的大小自适应地选择适当的最大机动加速度amax和a-max,使系统具有一定的方差调整能力,从而提高了跟踪精度。仿真结果表明,较之于标准IMM算法．FAIMM算法在机动目标跟踪精度、跟踪的平稳性以及收敛速度等方面都有所改善。     

基于模糊信息融合的快速数据关联算法

为解决密集杂波下的目标跟踪难题,将目标的距离特征、方位特征进行模糊信息融合,并与概率数据关联算法相结合,得到一种优化的概率数据关联算法。该优化概率数据关联算法与密集杂波下较为有效的联合概率数据关联算法相比,不需产生所有可能的联合事件,因此计算量较小,易于工程实现。仿真结果表明,在不同的杂波环境下,该算法都可以取得令人满意的跟踪效果。     

多被动传感器多目标数据互联算法

将求解指派问题的行列启发式算法应用于求解多传感器多目标数据互联的广义3D分配问题松弛的2D子问题;针对3D分配算法计算量较大的问题提出一种改进算法。仿真结果表明,行列启发式算法不仅实施方便,而且程序运行时间较短。改进的3D分配算法既大幅度降低了3D分配问题的拉格朗日松弛算法的程序运行时间,又可将目标互联准确率提高3%～5%。行列启发式算法与改进的3D分配问题算法联合使用,可进一步减少改进3D分配算法的运算量,使其能更好地适应工程实际应用的需要。     

密集杂波环境下基于两点量测和Viterbi的PDA算法研究

为了更好地解决密集杂波环境下的目标跟踪问题,弥补密集杂波环境下概率数据互联算法(PDA)误关联概率偏高的不足,在对现有的Viterbi数据互联算法进行深入分析的基础上,给出了一种计算两个量测之间互联概率的表达式,提出了一种基于两点量测的Viterbi数据互联算法(TM-VDA).仿真验证,TM-VDA能够很好地完成对目标的跟踪,特别是在密集杂波环境下误跟踪率较PDA大大降低.     

交互多模型算法在目标跟踪领域的应用

对于目标的跟踪问题,多模型算法相对于单模型算法具有较大的优势;介绍了交互多模型算法的起源和发展,归纳和总结了近年来多模型算法的改进方向,介绍了多模型算法应用的新领域,简述了多传感器目标跟踪的研究成果;最后加以总结,展望多模型算法的研究方向。     

交互式多模型算法在机动目标跟踪中的应用

文中首先介绍了目标跟踪的数学模型,然后研究了交互式多模型算法(IMM算法)的基本结构,最后应用IMM算法跟踪空中交通管制中的机动目标,通过仿真实例详细地分析了影响IMM算法的主要因素.仿真结果表明IMM算法可以有效地跟踪空中交通管制中的机动目标.     

基于遗传优化的模糊交互式多模型目标跟踪算法

针对交互式多模型方法存在模型覆盖面不足和子模型间恶性竞争的问题,设计了一种基于遗传算法和模糊推理的智能优化模糊交互式多模型方法,该方法通过对模型集的自主寻优,能够实现任意时刻在最优模型集下的跟踪,通过建模仿真,在与传统的交互式多模型的比较中发现,使用该模型后目标跟踪误差显著减小,该算法具有较高精度及稳定性。     

基于模糊逻辑的交互式多模型网络化弹药多节点目标跟踪算法

针对地面网络化弹药系统多节点目标跟踪问题,提出了基于模糊逻辑的交互式多模型（FL-IMM）多节点目标跟踪算法。在多模型交互输出阶段,利用测量误差协方差矩阵的理论值与估计值之间的差值自适应调整测量误差方差;在多节点融合阶段,建立模糊融合系统（FFS）将来自不同节点的目标状态估计数据融合,进而得到网络目标状态估计。通过一个具有3个主探测节点的网络验证了该算法的可行性。实验结果表明,该算法在传感器失效、系统测量误差未知等情况下仍能很好地跟踪机动目标;该算法在地面网络化弹药多节点目标跟踪方面具有较大的实用性。     

Rough Sets Probabilistic Data Association Algorithm and its Application in Multi-target Tracking

A rough set probabilisfic data association （RS-PDA） algofitlml is proposed for reducing the complexity and time consumption of data association and enhancing the accuracy of tracking results in multi-target tracking appiication. In this new algorithm, the measurenlents lying in the intersection of two or more validation regions are allocated to the conesponding targets through rough set theory, and the multi-target tracking problem is transformed into a single target tracking after the classification of measurenaents lying in the intersection region. Severed typical multi-target tracking applications are given. The simulation results show that the algorithm can not ouly reduce the complexity and time consumption but also enhance the accuracy and stability of the tracking results.     

一种新的多传感器数据融合关联算法

在对联合概率算法进行深入研究以及对实际工作经验总结的基础上，提出了一种新的联合概率数据关联算法，与联合概率关联算法相比，新算法大大降低了设计的复杂性和计算机的计算量．在对一组真实数据进行数据关联和数据融合的基础上，对算法的性能和融合的效果进行了分析．     

两点式数据关联算法在多目标跟踪中的应用

针对联合概率数据关联算法在计算量上的组合爆炸问题,引入了一种新的基于线性规划的两点式数据关联算法。在分析新算法基本原理的前提下,将其性能与传统的联合概率数据关联算法进行了比较,从理论上证明了该算法是一种全新的关联算法j并将两点式数据关联算法应用到多目标跟踪中,通过仿真验证了新算法在数据关联精度及运行时间方面优于传统算法。     

基于交互式多模型的弹道导弹跟踪

弹道导弹飞行主动段和自由段的运动学模型差别很大,在未准确知道导弹关机点时间先验信息前提下如何对弹道导弹主动段到自由段进行连续跟踪已成为目前亟待解决的问题.针对该问题,提出了一种实时交互多模型跟踪算法,根据弹道导弹主动段和自由段不同受力情况建立相应的跟踪模型.该算法包括两个滤波器:一个为对主动段跟踪效果比较好的CA-EK...     

基于多特征信息的支持向量机数据关联算法

数据关联是多目标跟踪中的关键问题.利用信息融合技术和支持向量机分类模型,提出了一种新的多目标跟踪数据关联算法--基于多特征信息的支持向量机的数据关联算法.该算法充分利用了传感器的测量信息,从而减小了量测与航迹关联的不确定性;并且由于支持向量机算法是一个二次型优化问题,从而克服了人工神经网络训练过程中的局部极小值的问题.计算机仿真表明,该算法具有较高的关联性能.     

海上编队多辐射源目标数据关联模型及仿真分析

在复杂的海上电磁环境下，实现多平台辐射源定位的关键是实现不同平台的多辐射源的数据关联。通过对电子战目标属性以及实际编队应用环境的研究，提出了基于属性关联和空间关联的综合关联模型。计算机仿真结果表明该方法有很好的关联概率。