概率数据关联

摘要： 针对在速度拖引干扰下,脉冲多普勒雷达导引头无法精确跟踪、制导目标的问题,提出了基于概率数据关联的抗速度拖引干扰算法。对于雷达导引头角度测量信息和Doppler测量信息,采用序贯扩展卡尔曼滤波算法进行目标状态估计。根据Doppler信息强非线性的特点构建了伪量测信息,并提出了在Doppler量测更新滤波估计阶段,采用概率数据关联算法进行抗速度拖引干扰。给出了算法的推导过程,并进行了数值仿真验证。仿真结果表明,采用该算法能够稳定跟踪释放多重速度拖引干扰的目标,有效抑制速度拖引干扰对制导信息估计的影响,改善导弹的制导精度。

摘要： 针对杂波环境下的目标跟踪问题,提出了一种基于变分贝叶斯的概率数据关联算法(Variational Bayesian based probabilistic data association algorithm, VB-PDA).该算法首先将关联事件视为一个随机变量并利用多项分布对其进行建模,随后基于数据集、目标状态、关联事件的联合概率密度函数求取关联事件的后验概率密度函数,最后将关联事件的后验概率密度函数引入变分贝叶斯框架中以获取状态近似后验概率密度函数.相比于概率数据关联算法, VB-PDA算法在提高算法实时性的同时在权重Kullback-Leibler (KL)平均准则下获取了近似程度更高的状态后验概率密度函数.相关仿真实验对提出算法的有效性进行了验证.

摘要： 多目标跟踪在军事、医疗和交通等方面应用广泛.考虑存在误检、漏检和噪声的情况,数据关联问题成为多目标跟踪中一个核心难点问题.通过介绍最近邻法、多假设关联、概率数据关联、联合概率数据关联、粒子滤波和模糊目标跟踪等6种经典数据关联算法,分析各种算法的优点和局限性,以及近几年的研究进展,展望其未来的发展趋势.

摘要： 多目标跟踪在军事、医疗和交通等方面应用广泛。考虑存在误检、漏检和噪声的情况,数据关联问题成为多目标跟踪中一个核心难点问题。通过介绍最近邻法、多假设关联、概率数据关联、联合概率数据关联、粒子滤波和模糊目标跟踪等6种经典数据关联算法,分析各种算法的优点和局限性,以及近几年的研究进展,展望其未来的发展趋势。

摘要： 为克服实际交通场景中环境的复杂性和目标的多样性给雷达目标稳定跟踪带来的问题,采用基于卡尔曼滤波和概率数据关联的雷达多目标跟踪算法,实现点迹与航迹之间的关联.提出一种基于欧氏距离的改进航迹关联方法,增加航向夹角判别的约束,解决了由于多目标相互遮挡或交叉运动带来的航迹不连贯、不稳定问题,实现了航迹与航迹之间的关联,提升了航迹跟踪完整性和稳定性.最后,利用在复杂交通场景下采集的实测交通雷达数据,验证了所提多目标跟踪算法的稳定性和可靠性.

摘要： 现有基于点云与图像融合的行人检测要求高算力的处理平台,应用于低算力低功耗的嵌入式平台时,无法满足行人检测的准确率和实时性。基此提出一种融合点云与图像的道路行人检测方法,该方法采用DBSCAN算法对点云进行聚类,然后,运用概率数据关联算法将行人点云与图像的行人检测结果进行决策级融合,最后,在嵌入式计算平台上进行软硬件集成与测试验证。实验结果表明,相比于其他目标检测算法,设计的融合点云与图像的道路行人检测方法,不仅提高了道路行人方位的检测精度,而且检测用时降低了46.6%以上。

摘要： 对于使用雷达系统的扩展目标跟踪,通常将原始测量值从极坐标转换为笛卡尔坐标,然后馈入估计器.但其转换测量期望值在目标真实方位上存在偏差.另外,测量误差协方差的计算取决于实践中不可用的真实状态.针对这一不足,本文提出了一种在概率数据关联框架下基于高斯过程的扩展目标跟踪方法.该方法首先,直接在极坐标中对测量函数进行建模,并求解出测量噪声协方差;其次,建立扩展目标的联合跟踪门对测量进行筛选,并获得测量新息;最后,计算关联事件概率并估计扩展目标的状态.仿真结果表明了该方法的有效性.

摘要： 杂波环境下强机动目标的跟踪容易出现失跟和精度不高等问题,关联波门对量测信息进行有效处理,是提高跟踪精度的重要环节.提出一种自适应关联波门选择算法,在分析目标跟踪不确定度的基础上估计目标的机动状态,作为关联波门的选择依据.该算法不但考虑了波门形状与目标机动状态的匹配度,也考虑了对门限参数的动态调整.仿真实验结果表明,该算法相比固定关联波门及传统关联波门自适应算法,对杂波环境下强机动目标跟踪具有更低的失跟率与更高的跟踪精度.

摘要： 针对传统关联波门在杂波环境下的机动目标跟踪中容易出现丢失目标的问题,提出了一种基于模糊推理的自适应关联波门设计方法.该方法在概率数据关联(Probabilistic Data Association,PDA)算法的基础上进行关联波门的设计,建立机动目标跟踪场景中最优波门门限的数学模型,运用模糊推理算法,根据目标的机动性和目标所处环境杂波密度自适应调整波门门限.仿真结果表明,该方法相较于传统关联波门,目标的失跟率降低了21％,而且提高了目标的跟踪精度.

摘要： 为了有效跟踪杂波环境下机动目标、降低系统辐射风险,提出一种多平台主动与被动传感器协同跟踪的长时调度方法.将长时调度问题构建为部分可观马尔可夫决策过程,采用交互式多模型概率数据关联算法更新目标信念状态,利用后验克拉美-罗下界预测机动目标长时跟踪精度,提出改进的维特比算法以求解最优调度序列.仿真实验结果表明,所提搜索算法能够显著降低搜索空间和存储空间,所提长时调度方法能够有效控制系统辐射代价、克服传感器频繁切换.

摘要： 针对杂波环境中观测数据统计特性未知的情况,提出一种概率数据关联-模糊递推最小二乘滤波器(PDA-FRLSF),用于单机动目标跟踪.提出方法首先根据概率数据关联(PDA)算法计算当前时刻所有有效观测属于目标的关联概率,通过关联概率对观测加权构建合成观测;再计算合成观测的观测残差、航向角变化量,同时根据两者与目标机动的关系设计模糊系统,并将它们作为输入,递推最小二乘滤波器(RLSF)的衰减因子作为输出;然后通过控制衰减因子来调节合成观测的预测新息对当前估计的作用,从而实现对目标状态的更新.提出算法的优点是在杂波环境中,不要求已知过程噪声、观测噪声和目标运动模型,且不需要设计机动检测器.最后采用仿真实验对PDA-FRLSF的性能进行评估,相比传统的PDA滤波器、PDA-IMM滤波器,提出方法具有更高的跟踪精度.

摘要： 多目标跟踪技术是预警机系统中的关键技术之一。多目标跟踪问题，关键在于运动模型和跟踪算法。将卡尔曼滤波理论与IMM算法、PDA(概率数据关联)算法相结合产生的IMMPDA算法，能够很好地解决多目标跟踪问题，该算法特别适合于杂波环境下的机动多目标跟踪，可以更好地实现针对机载预警相控阵雷达的多目标跟踪。

摘要： 本发明公开了一种基于概率数据关联的地磁匹配方法，涉及地磁匹配方法技术领域。所述方法包括如下步骤：1）基于磁场测量误差的统计特性，在一定置信范围内生成若干伪测量值，将其视为对应位置地磁场的有效测量，所述伪测量值源于磁场真实值的概率不同；2）利用ICCP算法对各伪测量值构成的磁场序列分别进行匹配，得到若干干扰环境下载体可能出现的位置；3）利用载体的运动约束对各匹配结果进行限制，再对有效的匹配结果进行融合，得到载体最终的位置。所述方法具有较好的鲁棒性且匹配精度高。

摘要： 本发明提出一种基于高斯过程的概率数据关联滤波扩展目标跟踪方法。该方法首先提出了基于高斯过程的联合跟踪门，以选择各个时刻测量中的有效测量，总结各个有效测量来源的情况，获得关于测量来源的相关事件。第二，以相关事件，当前时刻的有效测量和近似足够统计为条件，基于卡尔曼滤波，获得相关事件对应的目标状态估计。第三，基于贝叶斯概率理论，以所有时刻的有效测量为条件，求得相关事件的权重。最后，结合总体概率公式，将所有相关事件的条件估计与相对应的权重加以总结，获得融合的状态估计和协方差估计。

摘要： 本发明公开了一种基于联合概率数据关联算法的雷达多目标跟踪优化方法，思路为：分别确定雷达跟踪的目标总个数T′和k时刻对应包含的量测数目nk，计算k时刻第t个目标的状态一步预测、k时刻第t个目标的量测预测、k时刻第j个量测对第t个目标的量测预测新息、k时刻第t个目标的一步预测误差协方差矩阵、k时刻第t个目标的新息协方差矩阵和k时刻第t个目标的卡尔曼增益，进而计算k时刻nk×T′维量测—目标关联矩阵、k时刻的量测—目标互联概率矩阵和k时刻的量测—目标确认矩阵；分别得到k时刻nk个量测与T'个目标关联的ζk个联合事件，以及ζk个联合事件各自的概率，计算k时刻nk个量测与T′个目标互联的精确概率矩阵、k时刻第t个目标的状态方程和k时刻第t个目标的误差协方差矩阵。

摘要： 本发明属于雷达信号分选技术领域，具体涉及一种基于概率数据关联的雷达信号分选方法。本发明包括：利用在杂波环境下一个采样周期的采样数据，用逻辑法确立初始雷达参数库；对采样数据进行联合概率数据关联，把确认矩阵拆分成互联矩阵，计算联合事件概率；计算联合事件概率：计算新息协方差、目标增益矩阵以及状态估计协方差；更新雷达参数库；重复步骤，直到本次采样数据关联完毕。应用本发明可以在信噪比较低和采样数据精确度有限的情况下正确而有效地得到稳定的雷达信号参数，将采样周期内各个时刻的采样点的数据与雷达库数据进行概率互联，并对雷达库参数进行预测和更新，达到在杂波与信号共存的情况下分选出准确的雷达信号的目的。

摘要： 本发明属于分布式滤波及目标跟踪技术领域，具体涉及一种基于改进联合概率数据关联的分布式目标跟踪方法。本发明包括：(1)对传感器多目标跟踪系统分别对每个目标建立运动模型；(2)分别对每个传感器进行数据关联滤波方法，得到各自传感器关于检测范围内的目标的状态估计；(3)各自传感器的状态估计进行空间关联，然后融合同一目标的状态估计得到最终的目标状态估计值。仿真结果证明了该算法的性能，能达到与传统联合改良版数据关联方法一样的精度，且在时间性能上优于联合概率数据关联方法，减小了算法的时间。

摘要： 本发明提供一种基于最近邻法的概率数据关联优化方法，具体步骤如下：一、参数设置：设传感器每个时刻接收到量测值的数量为N，门限值为γ，常数M；二、残差向量及其统计距离的计算；三、统计落入跟踪门内量测值数量，记为mk；四、事件定义；五、有效量测值的选择；六、新状态方程的计算；七、判断跟踪是否结束；通过以上步骤，实现了一种基于最近邻法的概率数据关联优化方法，可以减少错误关联发生的概率和数据关联的计算量，从而有效的提高数据关联的正确率和速度，解决了目标跟踪过程中数据关联资源消耗大和错误关联的实际问题。

摘要： 本发明公开了一种基于Fast－RCNN和联合概率数据关联滤波器的行人检测方法，包括：采集含有行人的视频流数据，采用滑动窗对所述视频流数据进行切分得到数个视频图像；获得视频图像中的行人候选框；对行人候选框进行背景剔除和二值化处理，得到行人模型数据；搭建Fast－RCNN网络模型，并利用行人模型数据对Fast－RCNN网络模型进行训练，得到训练后的Fast－RCNN网络模型；采集车辆行驶过程中的视频流数据，采用滑动窗切分得到待检测的视频图像；将待检测的视频图像输入至训练后的Fast－RCNN网络模型，结合Graph－Based算法和CFAR算法得到含有行人的图像；利用联合概率数据关联滤波器计算含有行人的图像的关联概率，根据预设的关联概率阈值，输出关联概率大于关联概率阈值对应的图像。

摘要： 本发明公开了一种基于概率数据关联的移动声源到达时延估计方法。预先在前一时刻利用卡尔曼滤波预测的声源声音信号到达麦克风的时延，广义互相关算法计算本时刻数据的互功率谱密度分布函数，取出互功率谱密度分布函数上最大的m个峰值对应的m个到达麦克风的时延，利用概率关联算法结合预测的TDOA计算本时刻估计出的各个时延可能是TDOA的概率，将这m个时延利用上述概率加权得到该时刻最终TDOA。考虑到移动声源的时延估计具有连贯性，本方法将PDA跟踪算法运用在TDOA连续估计中，把每个时刻估计出的多个时延看做目标跟踪中的多个目标量测，从而将多时刻连续TDOA估计问题转化为跟踪问题，大大增加了移动声源到达时延估计的准确性，对声阵列处理领域具有较高的价值。

摘要： 本发明提出一种基于高斯过程的概率数据关联滤波扩展目标跟踪方法。该方法首先提出了基于高斯过程的联合跟踪门，以选择各个时刻测量中的有效测量，总结各个有效测量来源的情况，获得关于测量来源的相关事件。第二，以相关事件，当前时刻的有效测量和近似足够统计为条件，基于卡尔曼滤波，获得相关事件对应的目标状态估计。第三，基于贝叶斯概率理论，以所有时刻的有效测量为条件，求得相关事件的权重。最后，结合总体概率公式，将所有相关事件的条件估计与相对应的权重加以总结，获得融合的状态估计和协方差估计。

摘要： 本发明公开了一种基于概率数据关联的地磁匹配方法，涉及地磁匹配方法技术领域。所述方法包括如下步骤：1）基于磁场测量误差的统计特性，在一定置信范围内生成若干伪测量值，将其视为对应位置地磁场的有效测量，所述伪测量值源于磁场真实值的概率不同；2）利用ICCP算法对各伪测量值构成的磁场序列分别进行匹配，得到若干干扰环境下载体可能出现的位置；3）利用载体的运动约束对各匹配结果进行限制，再对有效的匹配结果进行融合，得到载体最终的位置。所述方法具有较好的鲁棒性且匹配精度高。