基于Murty方法的多目标跟踪快速算法

JPDA是一种有效的多目标跟踪算法，但算法的复杂度随着目标和观测值的增加而显著增长。为了减少JPDA算法所需要的存贮空间和计算时间，通过Murty方法，得到K个最优的目标与观测值对应关系，再利用这K个最优对应关系实现JPDA算法。仿真结果表明，新算法跟踪成功率与JPDA相近，所需的时间远低于JPDA算法。     

多目标角跟踪的新算法

在以前的一篇文章里，作者是根据探测传感器阵列输出的信号的到达方向（ＤＯＡ）来考虑多目标跟踪问题。并推导出一种用于数据关联的算法。本文作者用了一种新方法考虑ＤＯＡ估算问题，该方法似乎能得到令人满意的估值。前方导出的数据关联算法已被用于计算不同目标轨迹的新估值。     

一种适于工程应用的近似MSJPDA算法

为提高复杂数据融合系统中的航迹关联正确率，在ZHOU B的DC和AC算法基础上提出一种新的近似多传感器多目标联合概率数据关联算法，它以一个目标为中心的近似聚为构造关联事件的起点，并在计算中将DC和AC结合得到的一种全部的点迹－航迹关联算法，在杂波下目标密集，航迹复杂的数据融合系统中进行实验，对关联正确率，并联时耗等与最近邻法进行了比较，效果较好，它能为有效提高目标点迹－航迹的关联正确率，在计算时耗上较完全联合概率法少得多，能满足工程中实时性的要求。     

相控阵雷达多目标跟踪算法研究（连载一）

以多功能相控阵雷达为背景，研究了多目标跟踪问题，针对“当前”统计模型及自适应跟踪算法的不足，提出一种修正自适应滤波算法；并探讨三维混合坐标系下的机动目标的建模与预报；且基于简化联合概率数据互联CJPDA（Cheap Joint Probabilistic Data Association)算法，提出一种实用方法直接计算后延概率，比CJPDA方法精度高，并根据“最近邻”JPDA思想，给出一种优化方案，蒙特卡罗仿真表明，本方案能有效跟踪多个机动和非机动目标，且易于实现。     

用于杂波环境下跟踪的自适应概率数据关联算法

提出了一种采用自适应更新时间，用于在杂波环境和探测概率小于１的环境下跟踪 概率数据关联滤波器，并与采用恒定更新时间的概率数据关联滤波器作比较。     

主导概率数据关联及算法

本文给出主导概率数据关联（ＤＰＤＡ）及算法，定义主导联合事件和主导概率，考虑实际目标环境可行联合事件出现为非等概率，导出主导概率数据关联计算方法，它无需计算所有行联合事件的联合率，从而克服了联合概率数据关联（ＪＰＤＡ）的组合问题，本文证明了ＤＰＤＡ性能上限不低于ＪＰＤＡ，下限低于ＰＤＡ，而下限出现的概率极小。本文给出了ＭｏｎｔｅＣａｒｌｏ仿真表明ＤＰＤＡ算法具有很好的性能和较高的实用价值。     

基于熵权的灰色关联概率数据关联算法

在多目标信息融合中,通过数据关联判断来自不同传感器的数据是否代表同一个目标,传统数据关联一般采用联合概率数据关联算法,单纯依靠状态量测且计算复杂。而基于灰色关联的概率数据关联算法,能够利用目标的多个特征信息进行数据关联,且计算简单准确。特征信息一般由专家主观判断给出。提出了基于熵权的灰色关联概率数据关联算法,由量测数据自适应的给出各特征的权重系数,不依赖于专家。仿真表明,该关联算法具有很好的工程实用性。     

基于概率数据关联的地形辅助导航算法

地形辅助导航是解决惯性导航系统定位误差随时间不断增大的缺点重要方法之一，论文在分析概率数据关联滤波器的基础上，提出了一种基于概率数据关联滤波的新的地形辅助导航算法。算法把满足一定条件的相关值作为滤波器的有效量测，把飞行器的位置作为状态，建立了基于概率数据关联的地形辅助导航模型，利用概率数据关联滤波算法计算飞行器的位置坐标。仿真结果表明该算法的正确匹配率、均方根误差和圆概率误差均优干TERCOM算法。     

一种接近最优JPDA算法

多目标跟踪的关键问题是点迹－航迹数据关联。点迹是从能够提供位置信息的目标或背景杂波中接收到的信号。如果一条航迹关联上不正确的点迹，那么该航迹会偏离目标且过早终止。甚至会引起其它航迹也偏离目标，大多数点迹－航迹数据关联方法分为两类：多假设跟踪（ＭＨＴ）和联合概率数据关联（ＪＰＤＡ）。ＭＨＴ方法用所有或部分适宜的点迹修正航迹，并延迟判断那一个点迹是正确的。ＪＰＤＡ用合理点迹的加权和修正航迹，这些权值是     

杂波环境下跟踪多目标的自适应联合概率数据关联算法

提出了一种联合概率数据关联滤波器，它利用自适应更新时间来跟踪杂波环境中的目标，并与利用恒定更新时间的联合概率数据关联滤波器做了比较。利用蒙特卡罗模拟，根据不同的目标轨迹对算法的跟踪性能进行了估计。     

一种基于IS-MCMC的多目标跟踪算法

针对密集杂波环境下的多目标跟踪问题,提出了一种基于定向概率数据关联重要度采样的改进马尔可夫链蒙特卡洛(MCMC)算法(IS-MCMC)。首先,基于马尔可夫链蒙特卡洛方法求解具有最大后验概率的量测分配集,并根据量测与目标的定向关联概率进行重要度采样以提高收敛速度。其次,依据量测分配结果更新目标轨迹的感知概率和状态参数,并基于感知概率实现对轨迹起始、维持和终止的判断。为实现对目标的连续跟踪,采用滑窗方法,根据当前帧数据与上一窗口数据的处理结果构建初始量测分配集,利用IS-MCMC对当前加窗数据进行处理。不同杂波密度、目标密度和检测概率下的仿真实验表明,IS-MCMC相比MCMC在计算效率、轨迹跟踪性能和环境适应能力上更具优势。     

交通信息采集雷达中目标跟踪算法的研究

现代交通系统的核心是对交通信息进行采集。使用雷达对交通信息采集具有效果好、不易受环境影响且寿命长等优点。交通信息采集的本质是对目标的状态信息进行动态检测。由于交通环境的复杂多样，因此采用合理的算法实现对目标的跟踪显得尤其重要。该文以转换测量卡尔曼滤波(CMKF)为基础，采用经验联合概率数据关联算法(CJPDA)与概率数据互联算法(PDA)相结合的数据关联方法，利用PDA对单目标或稀疏多目标进行数据关联，用CJPDA对复杂多目标进行数据关联，从而实现了雷达对目标的跟踪，进而实现了对交通信息的采集。文中首先介绍了CMKF滤波算法相关技术原理；其次描述了一些常用的数据关联算法实现过程；最后通过仿真分析验证了该种组合目标跟踪算法能够在满足交通信息采集雷达精度要求的同时有效的降低系统运算量，对系统的实时性有较好的提升。     

一种适应较大INS速度误差的地形辅助导航算法

地形辅助导航是飞行器实现自主导航定位的重要方式之一。传统的地形辅助导航算法在匹配过程中,一般对惯性系统的速度误差范围有较严格要求,当速度误差过大时匹配正确概率会迅速下降。提出了一种新的基于短链修正的概率数据关联地形辅助导航算法,首先,依据短时间内由速度误差积累的航位漂移较小的特性,通过附近短链的关联滤波结果修正长链上的节点;其次,设计了通过匹配链后验概率构造关联概率的方法。该方法能较好地处理INS速度误差较大的情况,仿真结果表明该算法的正确匹配率,均方根误差和圆概率误差均优于TERCOM算法和直接基于概率数据关联的地形辅助导航算法。
     

一种多制式传感器数据融合算法

针对一有三坐标雷达、两坐标雷达和红外探测器三种传感器的分布式多站多目标跟踪系统，提出了一种多制式传感器数据融合算法。算法以测量间最小距离为关联度，对测量集间的相似程度进行度量，用极大似然法估计目标位置，通过融合方法求得目标三维航迹。在作状态估计时，采用两组非线性卡尔曼滤波切换提高融合精度。     

基于JPDA的单站多目标无源定位

复杂电磁环境下,对多目标的定位成为单站无源定位的重要问题。研究了单站只测角定位体制下,多点源测角后如何利用多个方向圆锥角进行多目标定位的问题,对雷达多目标跟踪的JPDA算法进行了改进,并做了典型场景下的仿真实验,对单站多目标无源定位技术的研究提供了理论和实验支持。     

基于JPDA-MPC的单站纯方位多目标跟踪

静止单站对多目标进行纯方位跟踪时,若在直角坐标系下建立跟踪模型并使用最近邻标准滤波器(NNSF)进行关联和滤波,结果通常不稳定且容易发散。针对此问题,提出将修正的极坐标系(MPC)下的扩展Kalman滤波算法及联合概率数据互联关联(JPDA)算法相结合。与NNSF-MPC算法的仿真对比试验表明,JPDA-MPC算法可以提高跟踪过程的稳定性,且具有更小的跟踪误差。     

被动多站多目标的测量数据关联算法研究

将视线距离的概念引入到被动多站多目标的测量数据关联,提出了各观察站对于同一目标的视线之间的距离和最短的关联准则,在此基础上,构造了测量数据的快速关联算法。其主要特点是不需要目标位置的任何先验信息,从而克服了由此产生的各种不利影响,为数据关联提供了一条新的思路。最后的仿真结果验证了算法的有效性。     

基于辐射源参数信息的无源数据关联问题研究

针对传统无源数据关联算法存在算法复杂、计算量大等缺点,提出了一个能够反映辐射源特征参数信息与目标运动状态参数信息相结合的无源关联算法流程。该算法首先定义基于目标运动状态参数和辐射源特征参数的多维可变跟踪门,然后运用模糊多门限思想,将测量与目标的关联概率来替代概率关联算法中可行联合事件概率的计算。仿真结果表明该算法计算量小,跟踪准确度高,尤其适用于复杂环境下近距离、交叉运动目标等典型情况。     

异类传感器三维空间数据关联算法研究

在异类传感器信息融合系统中,快速准确地对目标进行数据关联极为重要。为解决2D雷达与红外传感器在三维空间中的数据关联问题提出了一种新方法。该方法采用两级关联算法进行关联,首先利用精度较高的2D雷达径向距离和红外传感器俯仰角及方位角找出目标在X-Y平面上的可能位置,通过构造角度检验统计量完成第一级关联,排除大部分虚假定位点;再采用二维分配算法对余下的候选关联组合进行精确关联,从而获得最优关联分配方案。仿真结果表明该方法较大地提高了正确关联概率,是一种有效实用的数据关联方法。     

解决多目标跟踪和雷达测量问题的SME滤波器法

用以在多目标跟踪（ＭＴＴ）时保持规定航迹的对称测量方程（ＳＭＥ）滤波器法，被推广应用于雷达位置测量。ＳＭＥ滤波器的一个主要特性，是在进行目标状态估值时毋需考虑目标／测量关联，从而明显减小了ＭＴＴ计算的复杂性。本文导出三维空间内Ｎ个目标运动情况的ＳＭＥ滤波器，目标的运动包括恒速轨迹左右的随机扰动。假设这Ｎ个目标的球坐标位置（距离、俯仰角和方位角）的噪声测量值为已知，则这项工作的重点将是由球坐标位置值