基于多伯努利概率假设密度的扩展目标跟踪方法

高分辨率雷达系统中,扩展目标一般会产生多个量测。现有随机有限集(RFS) 类算法一般假定扩展目标的量测数目服从泊松分布,然而这个假设与实际情况不符。针对这一问题,该文提出一种多伯努利扩展目标概率假设密度(MB-ET-PHD)跟踪算法。该算法首先假设扩展目标的量测数目服从多伯努利分布,然后通过有限集统计(FISST)理论的多目标微积分推导得到校正等式,最后给出了高斯混合(GM)框架的仿真结果。仿真结果表明该算法能够获得比泊松ET-PHD算法更好的跟踪性能。     

基于LGJMS-GMPHDF的多机动目标联合检测、跟踪与分类算法

线性高斯跳变马尔可夫系统模型下的高斯混合概率假设密度滤波器(LGJMS-GMPHDF)为杂波背景下多机动目标跟踪提供了一种有效方法。该文将类别辅助信息引入LGJMS-GMPHDF,提出了一种密集杂波背景下多机动目标联合检测、跟踪与分类算法。该算法在LGJMS-GMPHDF中用属性向量扩展单目标状态向量,用位置和属性的组合测量似然函数代替单目标位置及杂波位置测量似然函数,提高了不同类目标与杂波测量间的鉴别能力,进而改善了目标数目及状态的估计精度;在更新目标状态的同时,对目标属性信息进行更新。该算法实现了时变数目的目标状态和类别估计。杂波背景下交叉和临近并行机动目标的跟踪实验验证了该文算法的联合检测、跟踪与分类性能。     

基于雷达点迹置信度统计的目标检测方法

低信噪比环境中对弱小目标的检测和跟踪已经在雷达数据处理领域中引起人们的广泛关注。检测前跟踪(TBD)方法对弱小目标的检测非常有效,其基本思想是为了避免恒虚警(CFAR)处理带来的信噪比损失,直接对原始数据进行检测。提出了点迹置信度方法对检测的原始数据进行量化,通过局部极值选取完成目标检测。     

引入目标径向速度信息的多假设跟踪方法

提出了一种新的基于目标径向速度信息的多假设跟踪算法,来解决边搜索边跟踪雷达系统中数据互联问题,即在SB/MHT算法中,通过引入目标径向速度信息,构造新的航迹置信度公式,完善航迹启动条件。系统仿真结果证明,新算法可有效减少航迹数目,从而缩短系统计算时间,具有更强的抑制虚警的能力。     

一种改进的结构化分支多假设跟踪算法

提出了一种改进的结构化分支多假设跟踪算法,来解决边搜索边跟踪雷达系统中多目标跟踪问题.新方法通过调整假设产生机制,引入目标径向速度信息到航迹置信度函数,并采用UKF滤波算法,实现处理时间的显著缩短和跟踪稳定性的提高.大量数值仿真结果进一步证明了新方法的这些优势,验证其有效性和实用性.     

一种新的近程多目标轨迹参数测量方法

针对传统的近程单目标轨迹参数测量技术不能满足对齐射弹和子母弹等多目标轨迹参数进行测量的实际需求,提出了一种新的近程多目标轨迹参数测量方法。使用逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像技术提取目标的距离及多普勒频率信息,采用概率多假设跟踪(Probabilistic Multi-Hypothesis Tracking,PMHT)算法对多个目标的距离及多普勒频率数据进行数据关联,运用非线性最小二乘方法进行多目标轨迹参数估计。仿真结果表明,该方法运算速度较快,可以得到较高精度的近程多目标轨迹参数测量结果。     

基于PHD的多目标检测前跟踪改进方法

基于概率假设密度粒子滤波的多目标检测前跟踪方法(PF-PHD-TBD)存在目标数目估计不准确、状态估计精度不高等问题。借鉴Rao-Blackwellised粒子滤波(RBPF)将目标的状态空间进行降维分解,分别采用线性与非线性滤波器进行跟踪的思想,在PF-PHD-TBD的预测与更新过程中采用RBPF方法,以最优卡尔曼滤波对目标速度分量进行处理,以粒子滤波对位置分量进行处理,显著降低了运算复杂度,相比仅使用粒子滤波时过分依赖目标位置信息的缺点,充分利用了位置与速度之间的关联特性,提高了目标数目估计的准确度和状态估计的精度。最后用仿真实验验证了所提方法的有效性。     

基于改进的密度峰值聚类的扩展目标跟踪算法

针对扩展目标高斯混合概率假设密度(extended target Gaussian mixture probability hypothesis density,ET-GM-PHD)滤波器中的量测集划分问题,提出了一种改进的密度峰值聚类(improved density peak clustering,IDPC)量测集...     

一种改进的高斯逆威沙特概率假设密度扩展目标跟踪算法

假设扩展目标(ET)的扩展和量测数目分别为椭圆和泊松模型,高斯逆威沙特概率假设密度(GIW-PHD)能够估计扩展目标的运动和扩展状态。然而,该滤波器对空间邻近目标的数目、非椭圆目标和受到遮挡目标的扩展估计不够准确。针对这些问题,该文提出一种改进的GIW-PHD。首先,假设目标扩展为一个相同尺寸的参考椭圆,通过设计新的散射矩阵得到改进的随机矩阵(RM)方法。然后,将改进的RM方法与假设量测数目服从多伯努利分布的ET-PHD结合,得到改进的GIW-PHD滤波器。仿真和实验结果表明,与传统GIW-PHD相比,改进的GIW- PHD估计的目标数目和量测数目较多,扩展较大的椭圆和非椭圆目标的扩展更准确。     

基于多特征融合的红外目标关联算法

利用红外目标同时具有位置、灰度、面积等多特征的特点,提出了一种基于多特征融合的目标关联算法.首先在极坐标系下对目标位置采用概率数据关联算法计算候选目标的关联概率,然后结合目标的灰度、面积特征的预测误差计算关联波门中的候选目标在各种特征条件下的关联概率,进而利用多特征融合方式,计算出综合关联概率,完成目标状态估计的更新.实验仿真结果表明,由于跟踪关联概率由多种特征共同确定,避免了目标位置特征信息不稳定所造成的跟踪精度下降的问题,实现了密集杂波环境下红外目标稳定跟踪,其跟踪精度和稳定性明显高于依靠位置特征信息进行关联的传统概率数据关联算法.     

锥扫型光学传感器像平面多目标轨迹跟踪

积分概率多假设跟踪(IPMHT)是一种基于期望极大化(EM)的准最优贝叶斯多目标迭代跟踪算法,研究了该算法在锥扫型光学传感器像平面多目标轨迹跟踪中的问题。为提高算法的跟踪性能和计算效率,利用逻辑概率数据关联滤波(PDAF)方法进行目标初始状态估计,并利用目标幅度信息和波门技术对IPMHT进行优化。针对锥扫型传感器非线性观测下的多目标跟踪,将扩展无味卡尔曼滤波(AUKF)与优化的IPMHT算法相结合,实现像平面多目标轨迹的起始、维持和终结。蒙特卡洛仿真实验表明,该算法成功地解决了锥扫型传感器的像平面多目标轨迹跟踪问题,在提高目标跟踪性能的同时改善了计算效率。     

基于自适应差分的多目标检测和跟踪

运动目标检测与跟踪在诸多领域里都有广泛的应用,是当前计算机视觉的一个热门领域。利用自适应阈值差分的方法对运动目标进行检测,并使用轨迹关联的方法对多目标进行跟踪。实验结果表明,该种算法很好地实现了视频图像中多目标检测和跟踪,更符合实际应用的需求。     

基于逐级最大似然估计的单站无源定位跟踪算法研究

本文以单站无源定位跟踪为研究背景,根据其观测方程严重非线性的情况,在最大似然估计算法的基础上提出了逐级最大似然估计算法.讨论了这种算法的最优性、计算量少的特点,以及初始值的选取对算法收敛性的影响,并通过仿真试验进行了验证.     

基于激光雷达的多帧联合目标跟踪系统

本文讨论了利用激光雷达与检测前跟踪算法进行室内行人跟踪,实现监测室内人群社交距离的探测系统。激光雷达距离分辨率高,定位误差小,目标探测时间间隔小,很适用于对轨迹不确定的行人进行跟踪。本文所用检测前跟踪算法分为三步,首先利用历史数据所建杂波图滤除固定物杂波。其次利用多帧检测算法得到时间窗内的目标轨迹段,以此滤除随机噪声产生的虚警点,提升检测效率。第三步利用轨迹关联算法,将各个时间窗内的轨迹片段相互关联,得到完整的行人轨迹,从而增强机动目标与相互临近目标的跟踪效果。实测实验表明在激光雷达跟踪多个目标时,其跟踪精度在10~15cm,多次实验均未出现目标丢失或虚假轨迹,较好地完成了室内行人的检测与跟踪。     

利用Doppler量测的IJPDA多目标跟踪改进算法

为了提高多频连续波雷达多目标跟踪精度,在基于传统的综合联合概率数据互联(IJPDA)算法基础上,提出一种带Doppler量测的IJPDA滤波跟踪新算法。首先从理论上分析了传统的IJPDA算法,然后详细阐述了引入径向速度量测后的改进算法,最后通过Monte Carlo仿真验证了该算法的有效性。仿真结果表明,径向速度量测的运用使得改进的IJPDA算法在跟踪性能上有了显著提高。     

高精度机载多目标跟踪模型研究

介绍和分析了机动目标运动模型的发展与现状,阐述了机动目标“当前”统计模型。经过计算机多次仿真,统计结果表明：采用“当前”统计模型的跟踪精度从距离上分别比采用常加速度模型和Singer模型提高了25％和10％;从角度上分别比采用常加速度模型和Singer模型提高了15％和7％。这表明该模型对提高机动目标跟踪精度的有效性及应用前景。     

基于极大似然估计的奇异点检测

信号的奇异点往往包含信号比较重要的信息,对其进行检测和定位在许多实际问题中都有重要的意义。根据脉冲型奇异点的特点,提出了一个基于极大似然估计的脉冲奇异点检测方法。该方法利用Bernoulli概型来建模,用于对脉冲奇异点的检测,将脉冲奇异点的检测问题转化为一个参数估计问题,并利用极大似然估计方法给出了参数的估计。通过对大量的仿真信号及真实信号脉冲奇异点的检测证明,该检测方法计算简单,行之有效。     

一种基于最大熵模糊聚类的数据关联算法

针对联合概率数据关联算法计算量上存在的组合爆炸问题,本文引入最大熵模糊聚类算法实现多目标的数据关联。使用最大熵模糊聚类得到的模糊隶属度表示目标与量测之间的联合互联概率;分析了公共回波对航迹更新的影响,对公共回波的权值进行衰减,对非公共回波的权值进行扩大,避免了航迹合并;此外根据差异因子的特性,给出剔除无效回波的方法,减少了计算量。仿真结果表明,与现有数据关联算法相比,新算法具有更优的跟踪效果。     

基于二值粒子群优化的多目标协同检测与跟踪方法

针对如何根据目标被探测状态(被检测或者被跟踪)对有限的雷达资源进行分配的问题,本文将其转化为组合优化问题,提出了一种新颖的基于后验克拉美罗下界(PCRLB)-二值粒子群优化(BPSO)的雷达-目标自动分配算法。该算法采用PCRLB作为已跟踪目标的跟踪精度衡量标准,并将其与新生目标的检测概率构成BPSO的适应度函数,在最大化新生目标检测概率的条件下,最小化已跟踪的多个目标的PCRLB,自适应地为目标分配雷达完成恰当的探测(检测与跟踪)行为。仿真结果表明,该算法不仅能够及时检测新生目标,而且能够持续且优化跟踪已有目标,使网络的整体精度得到明显提高。