密集杂波环境下的简化JPDA多目标跟踪算法

发布时间：2021-04-27 21:46

　　为简化联合概率数据关联算法（Joint Probabilistic Data Association, JPDA）的计算复杂度,增强JPDA算法的实时性,设计了一种新的JPDA简化算法。首先根据目标航迹与量测之间的关联规则,定义了一种新的计算关联概率的方法,之后分析公共量测对目标的影响,引入公共量测影响因子修正关联概率。该算法不用进行确认矩阵拆分,有效解决了在密集杂波环境下因回波密度增加而造成的计算上的组合爆炸问题。仿真结果表明,简化的JPDA算法能够在保持对目标有效跟踪的情况下,大大缩短计算时间,提高算法的实时性。 

【文章来源】：信号处理. 2020,36(08)北大核心CSCD

【文章页数】：8 页

【文章目录】：
1 引言
2 联合概率数据关联
3 简化JPDA算法
    3.1 简化关联概率计算
    3.2 基于公共量测修正的关联概率
        (1)计算每个公共量测所有可能的源目标对关联概率的影响因子Ajt。
        (2)在具有公共量测的目标跟踪门内,计算其他量测对于关联概率的影响因子Bt。
4 仿真分析
    4.1 检验杂波密度对算法的影响
    4.2 不同目标间距下影响因子对算法的影响
    4.3 检验检测概率对算法的影响
5 结论


【参考文献】：
期刊论文
[1]密集杂波下的模糊数据关联多目标跟踪算法[J]. 康旭超,何广军,陈峰,何其芳.  探测与控制学报. 2019(04)
[2]基于PPP模型的多扩展目标跟踪的JPDA算法研究[J]. 杜浩翠,谢维信,范建德.  信号处理. 2019(06)
[3]利用JPDA进行编队目标的多雷达航迹关联应用研究[J]. 王刚,汪秋莹.  现代雷达. 2019(04)
[4]基于最大熵模糊聚类的快速多目标跟踪算法研究[J]. 陈晓,李亚安,蔚婧,李余兴.  西北工业大学学报. 2017(04)
[5]基于自适应聚概率矩阵的JPDA算法研究[J]. 李首庆,徐洋.  西南交通大学学报. 2017(02)
[6]杂波环境下基于全邻模糊聚类的联合概率数据互联算法[J]. 刘俊,刘瑜,何友,孙顺.  电子与信息学报. 2016(06)
[7]一种用于杂波中机动目标跟踪的自适应关联波门设计方法[J]. 靳标,纠博,苏涛,刘宏伟,张龙.  西安交通大学学报. 2014(10)
[8]JPDA中联合事件概率的计算[J]. 尹成友,杨斌.  信号处理. 2002(06)



本文编号：3164210