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。     

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。     

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。     

密切关联的高距离分辨率自动目标识别与动目标显示跟踪系统的多模型估计器

本项研究的目的是利用采用高距离分辨率雷达（HRRR）与动目标显示测量的跟踪与自动目标识别系统之间的关联性。正如下文将要提到，这些系统是通过姿势、运动状态以及联贯约束关联起来的。利用这些关联性可使一个紧密关联的系统的性能大为提高。这一问题涉及两类不同类型的空间，即连续的运动学空间（如位置与速度），与离散的目标类型空间。我们选用多模型估计器（MME）来解决这一问题。MME由一组扩展卡尔曼滤波器组成（每一个目标类型配备一个滤波器）。采用这些扩展卡尔曼波滤器来处理连续的运动学空间的数据。此外，还要计算出每一个卡尔曼滤波器的概率并利用来测定对应的离散空间目标概率。本文给出的实验结果表明其性能优于常规的方法。     

认知雷达波形自适应数据关联跟踪算法

针对杂波背景下多交叉机动目标跟踪问题,提出一种认知雷达波形自适应数据关联跟踪算法,该算法选取目标距离-速度-方位作为观测量,并通过调整波形参数来动态改变量测误差协方差。首先,基于信息融合思想提出一种优化的概率数据关联(OPDA)算法,算法充分融合目标位置特征和运动特征对多目标交叉区域公共量测进行分类,使多交叉机动目标跟踪问题转化为多个单机动目标跟踪问题。然后,对实时更新的目标航迹,采用修正的Riccati方程估计下一时刻滤波协方差,并根据波形选择准则函数自适应选择下一时刻波形以提高系统跟踪性能。仿真结果表明,该算法增强了概率数据关联(PDA)算法的环境适应性,而且相比未采用波形自适应的数据关联算法有明显的优势。     

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。     

用于多目标跟踪的交互多模式概率数据关联算法

本文提出了一种新近开发的采用多模式数据关联的多目标跟踪算法。多模式数据关联是建立在利用从测量序列中提取多模式多目标跟踪这一新方法上的。Markov接控制多模式间的转换，这就能对多个模式进行交互作用。模式的引进开发了高性能算法的新范式，从而提出了一种高效的跟踪算法－交互多模式概率数据关联（IMP－JPDA）算法。IMP－JPDA算法可以看作一种广义的联合概率数据关联（JPDA）算法；当仅采用一次扫描的测量时，IMP－JPDA将简化为JPDA。     

基于时差的多辐射源数据关联与无源定位算法

当前电磁环境日益复杂,对多个辐射源的数据关联和无源定位已经成为重要的研究方向。以时差双曲交会定位为例,根据不同时刻到达时间差的连续性以及同一目标到达不同监测站时间差之间的相关性,完成测量数据的正确关联,并利用卡尔曼滤波、扩展卡尔曼滤波、粒子滤波对辐射源的位置进行估计,仿真计算表明该方法具有较高的正确关联概率,可以实现定位误差的快速收敛。     

采用非同时数据的平均电平自适应检测器

本文给出了一种平均电平自适应检测器（ＭＬＡＤ）的收敛结果。ＭＬＡＤ包括一个带有平均电平检测器（ＭＬＤ）的自适应匹配滤波器（用于空间相关输入）。由一组数据估算出的自适应匹配滤波器的最佳权数适用于一组统计独立的非同时数据。ＭＬＤ的门限由结果数据确定。此后，把一个候选单元与该门限相比较，得出了作为一些参数的函数的虚警概率和检测概率，这些参数是门限系数、匹配滤波器的阶数、用于计算自适应匹配滤波器权数的每个     

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。     

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。     

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。     

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。     

用于目标跟踪的神经网络综述

几组不同的研究者从不同的观点出发来研究目标跟踪。目标跟踪研究的演变与发展历程中的一个最重要的事件就是对目前运用于目标跟踪的算法和技术进行体系结构革命的新趋势；即神经网络的出现以及它们在非线性动态系统上的应用。已有文献证明，先进的跟踪算法的数学复杂性已经远远超过了普通数字处理器的计算能力。自从引入卡尔曼滤波器以来，几种非常有效的数学工具已经运用到了目标跟踪技术中，如，概率数据关联，相关和选通，证明推     

一种新的临空高超声速飞行器滑跃段跟踪算法

针对临空高超声速飞行器滑跃段跟踪中存在的跟踪不稳定问题,提出一种基于多传感器的多周期多模型估计的最大熵模糊数据关联滤波(MPMME-MEFPDAF)算法。首先,在临空高超声速飞行器滑跃段运动特性分析的基础上,采用多周期多模型估计方法实现模型集自适应。然后,采用最大熵模糊数据关联思想,解决杂波环境下多传感器航迹断续、点迹关联问题。最后,将多周期多模型估计与最大熵模糊概率数据关联相结合,实现临空高超声速机动目标的多传感器连续跟踪。通过仿真验证,该算法比传统算法对临近空间高超声速速飞行器滑跃段的跟踪具有更好的跟踪效果。     

寻的导弹制导中距离测量可能错误时的多模型滤波

寻的制导雷达在电子干扰条件下可能测得错误的距离信息，以切换系统模型来描述此问题，并提出了一种新的多模型跟踪滤波器来实现制导信息的估计。该滤波器分两步序贯处理角度测量和距离测量数据，从而有效地改进了距离测量修正中的线性化参考点。仿真结果表明，这种估计方法使得距离测量正确情况下的滤波精度得到提高，并且能以很高的概率消除错误的距离测量数据对滤波的影响。     

一种新的SMC-PHD滤波的多目标状态估计方法

针对现有的应用于多目标跟踪概率假设密度粒子滤波器的目标状态估计方法不能很好地解决目标密度较高情况下的多目标状态估计问题,提出了一种新的基于粒子标签的多目标状态估计方法。该方法利用附加在每个粒子上的身份标签将粒子分为不同的粒子群,粒子群的个数与概率假设密度粒子滤波器的目标估计个数相同。随后根据粒子与最近量测的似然函数估计目标的运动状态,使得粒子概率假设密度滤波器在目标密集的情况下仍能准确地估计出目标状态。仿真试验表明,论文所提方法在目标密度较大情况下能够较好地估计出多目标状态,并提高了目标关联的准确性。     

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。     

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。