未知新生目标强度的多目标概率假设密度滤波算法

针对标准概率假设密度滤波器要求,新生目标强度作为先验信息需已知的工程限制,提出一种未知新生目标强度的多目标概率假设密度算法。该算法以概率假设密度滤波器为基础,通过充分利用目标运动信息及其与监视区域的相对关系来获取源于潜在新生目标的量测,并以此建模下一时刻滤波器所需的新生目标强度。仿真结果表明,所提算法在含有未知新生目标跟踪场景具有鲁棒的滤波性能,且其跟踪精度和计算代价均优于相关多目标PHD滤波器。     

基于FAFDA算法的非均匀扫描多目标跟踪

针对光电侦察系统人机交互频繁和存在大量非均匀扫描的情况,基于快速数据关联FAFDA算法,探讨了进行非均匀扫描的航迹关联的可行性.通过对FAFDA关联算法参数的调整,实验得出了在对应约束条件下的非均匀扫描的最大有效扫描时间间隔.仿真结果表明,在交叉、机动航迹较多的杂波密集场合,本算法可成功实现基于非均匀扫描的航迹关联.     

异类传感器动态数据关联算法北大核心

数据关联是异类传感器系统中最核心且最重要的内容之一,典型的数据关联算法可以归结为特定的分配为问题,然而现有的S维分配算法只考虑同一时刻的每个传感器量测的互联。将此静态关联推广到动态关联中,提出了一种适用于异类传感器的(S+1)维动态数据关联算法。该算法首先将同一时刻各传感器的量测与目标轨迹的一步预测值合并,把问题转化为(S+1)维分配问题,然后将各传感器量测估计的位置信息与目标航迹的预测值的差值作为关联代价,并利用LP-SOLVE工具包解决多维分配问题,最后利用求得的全局最优关联解进行滤波和航迹的更新。仿真实验表明提出的关联代价能更精准地反映数据关联的可能性,能够对多目标进行稳定的跟踪。     

面向多目标跟踪的PHD滤波多传感器数据融合算法

针对密集杂波环境下单传感器应用高斯混合PHD算法进行多目标跟踪时性能下降的问题,提出一种面向多目标跟踪的PHD滤波多传感器数据融合算法。首先构建了基于高斯混合PHD滤波的多传感器数据融合系统框架,各传感器利用高斯混合PHD滤波算法进行局部状态估计,然后对各传感器的状态估计结果进行关联度计算,最后通过构建自适应混合参数,引入协方差交叉算法对关联状态进行融合。仿真实验表明,与单传感器高斯混合PHD多目标跟踪算法相比,所提算法有效提高了目标数量和状态的估计精度。     

多帧高斯混合概率假设密度的多目标跟踪算法

针对低检测概率下多目标跟踪时,概率假设密度滤波器难以正确估计当前目标个数以及目标状态问题,提出一种基于多帧融合的高斯混合概率假设密度滤波算法。根据不同时刻目标权值构造目标多帧权值记录集及目标状态抽取标志。当某些时刻目标被漏检时,依据目标状态抽取标志,并结合目标多帧权值记录集中权值信息估计丢失目标的状态。仿真实验表明,算法有效地提高了低检测概率下现有相关算法的目标状态和数目估计精度。     

极坐标下雷达多目标跟踪及其实现

导出极坐标下雷达多目标跟踪的非线性滤波方程和预测方程 ,获得了稳定和渐近无偏估计 ;采用最优配对法进行点迹与航迹相关 ,避免相关模糊 ;利用记分法进行航迹质量管理 ,并在计算机上实现了多目标跟踪数据处理     

通过一个成功的实验看Transputer在多目标跟踪中的应用潜力

多目标跟踪是现代军事科研火控领域中一个亟待攻克的难题。本文以一个成功的试验为例,向读者揭示了解决多目标跟踪问题的一条有效途径。     

融合跟踪系统性能的综合评估

首先通过分析融合跟踪系统的性能评估需求,并结合已有性能评估指标,制定出一组相对完备的评估指标.使用时间加权平均的方法,详细描述了各指标的定义及其计算方法;其次,基于该组指标提出了系统性能的模糊综合评价方法,说明了该评价方法的原理及其在融合跟踪系统性能评估中的具体实现.对融合跟踪系统的测试实验表明,指标体系设置合理,评估方法可操作性强.     

多目标跟踪的神经网络实现方法

多目标跟踪在军事和民用方面得到广泛的应用。自适应网络模型 ART对已学习过的对象具有稳定的快速识别能力 ,同时又能适应未学习的新对象 ,ART模型的这种优势可直接应用于雷达的多目标跟踪。经过仿真验证 ,利用 ART模型解决多目标跟踪数据关联问题的方法较为有效。     

多目标数据关联的多维Lagrangian松驰法

将多目标跟踪中的数据关联问题提成为一个离散最优化问题 ,并采用 L agrangian松驰算法来克服该问题面临的计算困难 ,这是目前多祯多目标测量数据关联研究发展的重要方向。首先将多祯多目标数据关联问题建立为一个带约束的多维分配问题 ;并在维数大于 2时 ,采用 L agrangian松驰算法来松驰约束条件 ,使问题降维为计算上可接受的二维分配问题。