基于Bayes的航迹概率数据关联算法

数据关联是多传感器信息融合的核心技术,其常用的航迹数据关联方法主要有NN、PDA、JPDA、MHT等算法。常用关联算法有的不适合强杂波或多目标环境、有的计算量大、有的时效性差等不足。文中采用了基于贝叶斯航迹概率的数据关联算法,来实现雷达航迹之间数据关联。首先介绍贝叶斯和航迹关联技术原理;其次描述贝叶斯算法过程;最后通过仿真证明该关联算法有效性。     

基于网格连通的联合概率数据关联算法

联合概率数据关联算法具有良好的多目标跟踪性能,但其计算量会随着跟踪目标数和有效量测数的增多而呈指数增长,因此实时性差,难以在工程中应用。在保证准确率和精度的前提下减小确认矩阵的维数,提出了一种关联区域预处理的方法。对目标空间进行网格划分,通过网格的选取形成连通域,再对每个连通域中的目标采用联合概率数据关联算法,从而大量减少关联时间。仿真实验表明,基于网格连通的联合概率数据关联算法具有较强的实时性。     

广义概率数据关联算法

随着跟踪环境、跟踪对象和跟踪系统的不断变化、发展,目标与量测已很难仅仅以一一对应的关联关系来描述,这使得多目标跟踪中数据关联这一核心问题更具挑战.Jesus Garrcia、T.Kirubarajan和Bar-Shalom等学者从智能方法或重复使用一对一分配JPDA等方面进行了研究,取得一定成效,但计算量和性能均未达到理想效果.本文首先提出更符合实际情况的新的目标与量测相关联的可行性规则,给出广义联合事件的一种分割与组合方法,利用贝叶斯法则推导出了一种全局次优的广义概率数据关联算法(Generalized Probability Data Association,GPDA).通过本文设计的各种典型环境的仿真计算表明,GPDA算法的性能在目标与量测无论是否在一一对应的情况下,全面优于JPDA算法,且由于新算法的设计技巧,使计算量和存储量也大大小于JPDA算法,为发展同时具有良好实时和关联性能的多目标跟踪算法给出了新的尝试.     

次优联合概率数据关联算法的研究

数据关联算法的研究是多目标跟踪中的核心问题,多目标跟踪的精度和计算过程的复杂度均取决于所采取的数据关联算法的优劣。文中对2种典型的次优联合概率数据关联算法进行了研究,结合仿真结果指出了上述2种次优算法间的本质差异,同时还提出了一种改进的次优联合概率数据关联算法。计算机仿真表明,改进的算法较原算法具有更好的跟踪性能。     

基于粒子滤波和联合概率数据关联的目标跟踪算法

为了解决非线性非高斯系统下多目标跟踪问题,对基于粒子滤波和联合概率数据关联的目标跟踪算法进行了深入研究。在多目标聚集且目标跟踪门可能交叉时,考虑使用基于多目标组合采样的JPDA算法,在多目标聚集不严重时,考虑使用基于独立采样的JPDA算法。仿真结果表明：该方法可以有效地解决非线性非高斯下多目标跟踪问题。     

一种基于改进FCM聚类联合概率数据关联算法

针对多目标跟踪系统中的数据关联问题,提出一种基于改进FCM聚类联合概率数据关联算法(FJPDA)。该算法将改进的FCM聚类方法引入JPDA算法中,避免了对联合事件的概率计算,也避免了对确认矩阵拆分造成的计算量组合爆炸现象,实现了量测与航迹的关联,继而实现对多目标的实时跟踪。仿真结果表明算法简单有效,与JPDA算法相比,在跟踪性能相当的前提下,算法的复杂度和实时性得到了明显的改善。     

一种改进的联合交互式多模型概率数据关联算法

在多目标跟踪领域,由于概率数据关联（PDA）算法对关联门相交区域内公共回波的处理过于简单,因而在目标密集或交叉环境中关联性能差。考虑公共回波对航迹更新的影响对PDA算法进行改进,并将改进的PDA算法和交互式多模型（IMM）算法结合提出了一种改进的联合交互式多模型概率数据关联（Ic．IMMPDA）算法,并在Matlab环...     

车辆探测器的实现技术

本文对车辆探测器的种类、工作原理和国内外发展状况进行了介绍,指出出了复合型探测器是将来主要的发展方向。     

基于视频的车辆检测与跟踪算法综述

首先介绍了交通检测系统,指出视频交通检测技术日益成为计算机视觉领域中备受关注的前沿方向。在此基础上,分别讨论了常用的车辆检测算法,基于模型的车辆检测算法,车辆跟踪的基本类型,以及基于模板匹配、卡尔曼滤波和粒子滤波的车辆跟踪算法,同时分析比较了各种算法的优缺点。最后,展望了这一领域未来研究的热点。     

天波超视距雷达多路径Viterbi数据关联跟踪算法

天波超视距雷达目标跟踪面临多传播路径、低探测概率、低探测精度和低数据率的困难.本文在地理坐标系对运动目标建模而在雷达坐标系进行数据关联,将各传播模式的回波作为备选的竞争量测,运用动态规划的优化方式,在最大似然的意义下将VDA的回波与航迹的两维数据关联推广到回波、传播模式和航迹的三维数据关联,提出了多路径Viterbi(MVDA)数据关联算法.天波超视距雷达目标跟踪仿真表明:MVDA跟踪能力明显优于VDA和MPDA.     

一种基于微波雷达回波信号的车型分类方法

车辆类型识别方法是智能交通系统的关键技术之一。利用深度学习的高维特征泛化学习能力,将改进的LeNet-5卷积神经网络用于基于交通微波雷达的大小车型分类识别。首先,以雷达触发前的N帧信号为基础,对雷达的回波信号进行分析并构建数据集;然后,分析LeNet-5卷积神经网络的特点;最后提出一种改进的LeNet-5卷积神经网络。实验结果表明,与传统的支持向量机方法相比,所提方法能够智能学习大小车的雷达时频信号特征,大小车型识别准确率达到97%以上,可为交通场景下的车型识别研究提供新的技术途径。     

基于遗传算法的关联规则数据挖掘

关联规则是数据挖掘的重要手段,它基于支持度、置信度等对规则进行筛选,生成有用的规则,由于根据实际情况有时会产生虚假规则,所以兴趣度也自然被引入。遗传算法是自动化技术、专家系统等经常采用的算法。通过改进的遗传算法进行关联规则数据挖掘并进行了实例应用。遗传算法能较好地得出发生交通事故原因与结果的关联规则,提高数据挖掘的效率。     

基于一维测量的多传感器多目标数据关联

本文在S-D分配算法的基础上,提出一种基于一维测量数据的多基地雷达多目标数据关联的方法.在每个传感器仅能给出目标的一维距离和量测信息,并且同时存在虚警的条件下,该方法首先利用4维组合的冗余信息对各传感器的量测值进行组合筛选,然后由4维分配算法进行多目标的数据关联,仿真结果表明该方法可以有效提高多目标的正确关联概率.     

基于改进KFCM聚类的数据关联算法

针对传统的基于模糊C-均值(FCM)聚类的数据关联算法存在的缺陷,提出了一种基于改进核函数模糊C-均值(KFCM)聚类的数据关联算法。该算法以改进的KFCM聚类为基础,通过放宽KFCM聚类的约束条件来增强系统的鲁棒性,并引入信息熵自动确定目标数以作为数据关联的前期准备,再将改进的KFCM聚类算法引入JPDA算法,通过避免对联合事件的概率计算和对确认矩阵的拆分,以实现数据的正确关联和对多目标的实时跟踪。仿真结果表明算法有效可行。     

一种基于清洗关联规则的金融数据挖掘算法

充分研究新型的数据前期预处理及金融数据联系的一些时间变量的预处理方法,提出一种基于清洗关联规则的金融数据挖掘算法.引入关联规则的分析在一定支持度的约束下研究和金融紧密相关的一些因素,在应用过程中随着算法的开展,对重点部门与重点功能进行观测与预警.实验证明,该方法可以更加准确的进行金融数据状态的跟踪,挖掘效率更高.     

基于代价函数修正的异类传感器数据关联算法

针对现有异类传感器数据关联算法在构造关联代价时未充分考虑最大似然估计引入误差的问题,提出了一种修正代价函数的异类传感器数据关联算法。基于主、被动传感器各自的优势信息构造观测矩阵,得到目标的位置估计,继而根据异类传感器融合系统的观测模型得到伪量测信息,并利用一阶泰勒展开近似推出伪量测的方差信息,再用其对关联代价函数进行修正,改进后的代价函数能更加准确地描述量测之间的关系。仿真结果表明,修正后的关联代价函数能更精确地反映数据关联的可能性程度,所提算法可获得更好的关联正确率。