针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目...针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目标的初步数据关联,分析了公共量测对目标跟踪的影响,并引入了公共量测影响系数来修正关联概率,最后使用卡尔曼滤波算法对目标的状态估计进行预测,从而更新各个目标的状态。仿真结果表明,所提算法有效解决了在密集杂波环境中JPDA算法组合爆炸问题,极大缩短计算时间,提高了算法的实时性。展开更多
针对多扩展目标跟踪问题,提出了基于泊松点过程( Poisson Point Process, PPP )模型的多扩展目标跟踪的联合概率数据关联( Joint Probabilistic Data Association, JPDA )算法。首先,采用PPP对扩展目标进行测量建模,其次以“多对一”关...针对多扩展目标跟踪问题,提出了基于泊松点过程( Poisson Point Process, PPP )模型的多扩展目标跟踪的联合概率数据关联( Joint Probabilistic Data Association, JPDA )算法。首先,采用PPP对扩展目标进行测量建模,其次以“多对一”关联模型思想提出一种JPDA算法,从而计算运动目标的当前有效量测的边缘关联概率,然后结合该边缘关联概率以概率数据关联( Probability Data Association, PDA )的方式分别更新每个扩展目标的运动参数和形状参数向量,最后通过仿真实现了当扩展目标相互靠近或出现交叉时的跟踪。实验结果表明,在高杂波环境下,本文所提出的算法在计算时间和跟踪稳定上具有较明显的优势。展开更多
文摘针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目标的初步数据关联,分析了公共量测对目标跟踪的影响,并引入了公共量测影响系数来修正关联概率,最后使用卡尔曼滤波算法对目标的状态估计进行预测,从而更新各个目标的状态。仿真结果表明,所提算法有效解决了在密集杂波环境中JPDA算法组合爆炸问题,极大缩短计算时间,提高了算法的实时性。
文摘针对多扩展目标跟踪问题,提出了基于泊松点过程( Poisson Point Process, PPP )模型的多扩展目标跟踪的联合概率数据关联( Joint Probabilistic Data Association, JPDA )算法。首先,采用PPP对扩展目标进行测量建模,其次以“多对一”关联模型思想提出一种JPDA算法,从而计算运动目标的当前有效量测的边缘关联概率,然后结合该边缘关联概率以概率数据关联( Probability Data Association, PDA )的方式分别更新每个扩展目标的运动参数和形状参数向量,最后通过仿真实现了当扩展目标相互靠近或出现交叉时的跟踪。实验结果表明,在高杂波环境下,本文所提出的算法在计算时间和跟踪稳定上具有较明显的优势。
