基于视觉注意机制的认知雷达数据关联算法

针对传统关联波门设计方法在应用于机动目标跟踪时容易引起失跟、以及概率数据关联算法不适于多交叉目标跟踪的问题,提出了一种基于人类视觉选择性注意机制和知觉客体的"特征整合"理论的认知雷达数据关联算法。算法以综合交互式多模型概率数据关联算法为基础,采取假设目标最大机动水平已知的"当前"统计模型和匀速运动模型作为模型集,通过实时交互使关联波门能够随目标机动动态调整,较好地兼顾了雷达计算耗时和跟踪成功率。在利用目标位置特征的基础上,进一步提取、整合目标运动特征,对关联波门交叉区域公共量测进行分类,使多交叉目标跟踪问题转化为多个单目标跟踪问题,优化了传统概率数据关联算法。仿真结果表明：与传统关联波门设计方法相比,算法跟踪失败率和计算耗时明显降低;而且在计算资源增加不大的情况下,杂波环境适应性也得到了显著增强。     

一种混合的多机动目标跟踪算法研究

提出了一种混合的多机动目标跟踪算法:交互多模型模糊联合概率数据关联算法(IMM-FJPDA),该算法将交互多模型算法(IMM)和模糊联合概率数据关联算法(FJPDA)相结合,它克服了IMM-JPDA算法计算量大和IMM-FDA算法在强杂波环境中跟踪精度差的问题.给出了基于模糊C均值(FCM)算法的多机动目标跟踪步骤.仿真结果表明IMM-FJPDA算法跟踪精度与IMM-JPDA算法相当,但计算量明显减小,提高了跟踪实时性.     

基于概率数据关联的地磁匹配算法

针对轮廓匹配算法存在的虚定位问题,在轮廓匹配算法的基础上,提出了一个新的分批地磁匹配方法——基于概率数据关联滤波的地磁匹配算法。算法把满足一定条件的相关值作为滤波器的有效量测,把巡航导弹的位置作为状态变量,建立了基于概率数据关联的地磁匹配模型,利用概率数据关联滤波算法计算巡航导弹的位置坐标。仿真结果表明,该算法有效地降低了虚定位发生的概率,正确匹配率、导航效果均优于轮廓匹配算法。     

基于PTE的多雷达航迹融合算法

针对杂波背景下的多雷达航迹融合时局部估计误差互协方差矩阵未知的问题,提出基于目标存在概率（PTE）的航迹融合算法,提升了正确航迹率和跟踪精度。首先,通过综合概率数据关联得到单接收站的目标航迹估计集合和对应的目标存在概率。然后,在局部估计误差互协方差矩阵未知的条件下,基于PTE信息提出不带记忆的综合广义凸组合航迹融合算法。进而将前一帧的融合状态进行反馈,提出带记忆的综合广义凸组合航迹融合算法。仿真验证了所提算法的有效性。     

多目标无源跟踪中的多特征模糊综合数据关联算法

提出了一种多目标无源跟踪中的数据关联算法———多特征模糊综合数据关联算法。首先基于目标特征关联因子模型,进行单跟踪门的多特征数据关联模糊评估,得到单跟踪门内的有效观测与真实目标的模糊关联程度,在此基础上,进行了多目标数据关联模糊综合评估,得到多目标整体模糊关联程度,最后进行多目标关联判决。由于该算法综合利用了目标更多的特征信息,所以比传统的NN方法有更好的关联性能,计算机仿真表明,它比NN方法的错误关联率约低15%。     

组合式快速JPDA算法

基于有序状态空间搜索方法,定义联合事件为问题节点,将多目标数据关联问题求解转化为状态空间问题求解。定义联合数据关联概率函数对数表达为节点的估价函数,减少扩展节点数,迅速产生和搜索Ｎ个最大联合概率事件。给出快速计算Ｎ个最大联合概率事件的ＪＰＤＡ公式,并提出一种确定新生节点是否是已生成节点的简便方法。算法的搜索次数不随回波数增加而增加,有效地解决了传统ＪＰＤＡ算法的实时性问题,兼有贝叶斯方法和非贝叶斯方法的各自优点。     

密集杂波环境下的数据关联快速算法

基于联合概率数据互联（JPDA）的思想,提出了一种新的数据关联快速算法（Fast Al-gorithm for Data Association,简称FAFDA算法）.该方法不需象在最优JPDA算法中那样生成所有可能的联合互联假设,因而具有计算量小,易于工程实现的特点。仿真结果表明,与最优JPDA算法相比,FAFDA算法的跟踪性能令人满意,并且在密集杂波环境下可实时、有效地跟踪100批次以上的目标。     

面向目标的概率多假设跟踪算法

 概率多假设跟踪(PMHT)算法由于其计算量与目标和量测的个数成线性关系而成为一种重要的数据关联方法,但该算法采用的是一种面向量测的参数模型,容易受到杂波的干扰。针对这个问题,提出一种面向目标的PMHT（TO/PMHT）算法,将量测与目标的距离作为权重,使计算出的后验关联概率能够真实地反映量测和目标的关联可能性。通过多种典型环境的仿真计算表明：TO/PMHT算法和面向量测的PMHT算法相比,跟踪性能有了明显的提高;与多假设跟踪(MHT)算法相比,在保持跟踪性能的同时,极大地提高了计算效率。     

基于数据关联的故障快速检测

 多数情况下,快速实时地进行故障检测是很重要的。将故障看做是通过多传感器观测的动态模型,进行多传感器多模型概率数据关联,以各个模型的关联结果和设定的阈值为依据,可以有效地实现故障检测。联合概率数据关联（JPDA）算法是解决多传感器多目标跟踪的一个有效方法,文中通过分析概率数据关联算法,对联合概率数据关联算法进行了改进：（1）通过正确地选择阈值,移除小概率事件,进而建立一个近似的确认矩阵;（2）根据被跟踪目标故障跟踪门的相交情况,将跟踪空间进行数学划分,形成若干相互独立的区域;（3）对同一区域内公共有效量测的概率密度值进行衰减,计算出关联概率。仿真对比表明,本文的改进算法能显著减少计算时间,有效提高故障检测的快速性和实时性。     

修正的概率数据互联算法

阐明了概率数据互联(PDA)算法能很好地解决密集环境下的目标跟踪问题,在该算法基础上,人们又提出了联合概率数据互联(JPDA)算法和一些基于 PDA 的修正算法。在概率数据互联算法中,有一个很重要的参数就是杂波数密度(或波门内虚假量测期望数)。然而在许多实际情况中,这个参数是很难获取的。针对这一问题,文中提出了一种修正的概率数据互联算法,该算法通过实时地调整这一参数来获得对目标较为准确的估计结果。最后,给出了算法的仿真分析。     

空基多雷达航迹抗差关联算法

基于高斯随机矢量统计特性,推导出一种适用于探测距离较远、系统误差时变、雷达上报目标不一致等复杂环境的空基多雷达航迹抗差关联算法。分解航迹距离矢量,对消系统误差矢量得出适用于3个及3个以上雷达的航迹抗差关联条件和流程。分别设置了目标密集程度、随机误差和系统误差适应性实验验证算法性能。仿真结果表明所提算法的关联准确性和复杂环境适应性相比现有的基于参照拓扑特征的航迹关联算法（RET算法）和基于距离检测的可信关联算法（confidential算法）有较大幅度的提升。     

空间多分辨率模糊目标跟踪

提出了一种新的模糊目标跟踪算法--CPDA算法。这个算法在空间多分辨率框架下应用概率数据互联算法,在粗分辨率上实现模糊目标跟踪。在不同虚警密度的模糊目标环境下,利用仿真实验分析了CPDA算法的跟踪性能,同时将其与单分辨率上的联合概率数据互联方法进行了性能比较。仿真结果表明,CPDA算法的跟踪性能在达到与单分辨率上JPDA算法同样性能的条件下,能够以较小的计算量跟踪模糊目标。     

改进概率关联算法在组合导航系统中的应用研究

针对组合导航系统中子系统提供的量测信息相互之间关联性不足的问题,在组合导航系统中引入改进概率关联算法,通过改进的概率关联算法将这些导航信息按一定关系联系起来并进行融合计算。首先通过推导短时间概率关联算法求解惯性导航系统(INS)得到信息的可信概率,并引入掩模算子对全球定位系统(GPS)信息进行精度判断;然后,推导出长时间概率关联算法对组合导航系统信息进行融合;最后,建立修正算法并利用长时间概率关联算法得到的信息对惯性导航系统进行误差修正。仿真结果表明,这一改进的概率关联算法可以有效判断GPS信息精度并提高组合导航系统的导航精度。     

Loopy belief propagation based data association for extended target tracking

The data association problem of multiple extended target tracking is very challenging because each target may generate multiple measurements. Recently, the belief propagation based multiple target tracking algorithms with high efficiency have been a research focus. Different from the belief propagation based Extended Target tracking based on Belief Propagation (ET-BP) algorithm proposed in our previous work, a new graphical model formulation of data association for multiple extended target tracking is proposed in this paper. The proposed formulation can be solved by the Loopy Belief Propagation (LBP) algorithm. Furthermore, the simplified measurement set in the ET-BP algorithm is modified to improve tracking accuracy. Finally, experiment results show that the proposed algorithm has better performance than the ET-BP and joint probabilistic data association based on the simplified measurement set algorithms in terms of accuracy and efficiency. Additionally, the convergence of the proposed algorithm is verified in the simulations.     

多局部节点异步抗差航迹关联算法

为解决航迹异步与系统误差并存情况下的多局部节点航迹关联问题,提出一种基于区间序列离散度的多局部节点异步抗差航迹关联算法。定义区间型数据集的离散信息度量,给出系统误差下航迹序列区间化方法,通过累次积分计算离散度,结合多维分配进行关联判定。针对多局部节点上报目标不完全一致现象,设置零号航迹管理关联质量。与传统算法相比,无需时域配准,可在系统误差下对异步航迹直接关联。仿真结果表明,算法能在局部节点上报目标不完全一致场景下实现有效关联,且正确关联率随局部节点数目的增加或目标密集程度的增大而提高。     

一种基于模糊遗传算法的多传感器多目标跟踪数据关联算法

基于模糊遗传算法发展了一种新的数据关联算法。数据关联的静态部分靠一个模糊遗传算法来得出量测组合序列和S-D分配的m个最优解。在数据关联的动态部分，将得到的S-D分配的m个最优解在一个基于多种群模糊遗传算法的动态2D分配算法中依靠一个卡尔曼滤波估计器估计出移动目标各个时刻的状态。这一基于分配的数据关联算法的仿真试验内容为被动式传感器的航迹形成和维持的问题。仿真试验的结果表明该算法在多传感器多目标跟踪中应用的可行性。另外，对算法发展和实时性问题进行了简单讨论。