快速卡尔曼滤波算法在目标跟踪中的应用

介绍一种快速卡尔曼滤波算法,对于一般的递归最小二乘自适应算法(RLS算法)来说有着更快的计算速度,同最小均方自适应算法(LMS算法)相比计算量差不多,该算法用统计模型(时间序列)来代替状态方程,大大减少了算法的复杂度,在速度估计的时候采用时间序列模型方法进行速度估计,通过Matlab仿真,证明在一定情况下此方法有效、可行。     

雷声公司推出经济型先进海军X-波段雷达：SPY-5

据法国航宇防务网2009年9月9号报道,雷声公司开发了一种新型海军雷达AN/SPY-5,这是一种用于水面作战的多目标跟踪、目标照射雷达,能够同时进行搜寻、发现并准确跟踪多个水面和空中威胁。     

水下多目标跟踪的网络层次决策方法

水下多目标跟踪逻辑与决策是水下航行器多目标跟踪中需解决的技术难点．目前用于水下多目标跟踪决策的方法都假设各个决策因素相互独立，而实际上水下多目标跟踪决策的因素之间存在着相互影响．本文根据这一特点，建立了水下多目标跟踪决策的指标集和相应的ANP决策模型，提出了基于ANP的水下多目标跟踪逻辑与决策方法．该方法将水下多目标跟踪决策的指标集纳入网络层次结构模型，并通过模型解算得到优化的多目标跟踪决策，具有决策结果比现有方法更加合理、稳健的特点．仿真结果表明该方法是在多目标跟踪决策因素之间存在相互影响情况下解决水下多目标跟踪逻辑与决策问题的有效方法．     

神经网络在多目标分布式融合中的应用研究

提出了适合分布式多传感器多目标(MSMT)数据融合估计算法，对这种推广的分层融合估计算法进行了数学推导和描述，研究了利用神经网络进行MSMT跟踪融合的网络结构和算法，进行了计算机模拟仿真。仿真结果表明神经网络融合估计可提高跟踪精度，并且这种融合方法是有效的。     

多目标跟踪中的神经网络方法

本文分析了多目标跟踪的经典方法，讨论了该经典方法的组合爆炸问题，陈述了多目标跟踪中的神经网络方法，此法不仅可以解决传统方法带来的组合爆炸问题，从而实现时多目标跟踪，而且还可以解决跟踪精度问题，提高跟踪的准确性。     

集中式自适应网格IMMJPDA算法

现有的集中式交互多模型联合概率数据互联( IM MJPDA)算法在多模型这个意义上都是基于固定结构的,而固定结构多模型算法存在的缺陷这些算法都不可避免的存在.为此,将一种变结构多模型算法——自适应网格交互多模型( AGIMM)算法和联合概率数据互联(JPDA)算法相结合,提出了用于多传感器多目标跟踪的集中式自适应网格IMMJPDA( AGIMMJPDA)算法.该算法通过自适应网格实现模型集合自适应调整来克服固定结构IMMJPDA存在的缺陷.仿真结果显示,该算法可以有效克服固定结构IMMJPDA算法存在的缺陷,并提高IMMJPDA算法的费效比.     

多传感器序贯势分布概率假设密度滤波

针对多传感器多目标跟踪中数据关联的计算复杂性问题,提出了一种多传感器序贯势分布概率假设密度滤波算法.利用序贯滤波的方法将单传感器的势分布概率假设密度滤波扩展到多传感器情况,并给出了高斯混合实现的序贯势分布概率假没密度(Gaussian mixture sequential PHD,GMSPHD)滤波的递推算法.仿真实验结果表明,文中提出的GMSCPHD滤波算法具有较高的多目标状态估计和目标数目估计精度,是一种有效的多传感器多目标跟踪方法.     

一种杂波环境下的多传感器多目标数据关联算法

研究了多传感器多目标的数据关联问题，提出了杂波环境下多传感器多目标跟踪的极大似然关联算法．算法中考虑了传感器对目标的漏检情况，在各个观测站传感器的观测数据不完备的情况下，建立了传感器测量与目标的可行关联分配模型，并综合采用了假点的后验概率比模型，提高了多传感器对同一目标测量的互补性和对弱信号目标的跟踪精度．理论分析和仿真实验结果表明，所提出的算法可实现杂波环境下对弱目标的持续跟踪，并且在确保航迹关联性能和较好跟踪效果的基础上，降低了算法的运算量．     

一种避免航迹聚集的改进的JPDA方法

提出了使用分类信息来改进传统的JPDA方法,在数据关联过程中综合使用了目标的运动学信息和目标的分类信息,提高了在跟踪波门内目标正确关联的概率,有效避免了航迹聚集现象.理论分析和仿真结果表明,尤其当多个临近目标的属性信息差别明显时,有目标分类信息辅助的JPDA方法可以显著提高跟踪波门内目标的正确关联概率,降低波门内其他目标/杂波的关联概率,使得被跟踪目标的信息更新以正确目标的信息为主.仿真结果验证了算法的正确性和有效性.     

基于改进Kohonen神经网络的多传感器关联融合算法

把一种基于Kohonen神经网络模糊聚类方法运用到多传感器多目标数据关联中来,该方法能对多传感器的测量数据进行自组织聚类,把测量数据准确地划分到各个类别中去,从而实现测量数据的关联。计算机仿真结果表明,该方法运用到多传感器多目标数据关联中来具有明显的优越性,能克服传统算法的错跟漏跟现象。