基于集对分析的多目标数据关联技术研究

针对新型作战样式条件下空中多机动目标密集回波的数据关联问题，从缓冲算子思想人手，先对雷达探测的目标数据进行随机性弱化处理，然后再运用集对分析思想来研究密集回波下的多机动目标的数据关联问题。仿真结果表明，该方法能在较短的时间内得到较高的关联精度。     

求解多目标跟踪中数据互联问题的数字网络结构研究

在多目标跟踪情况下,求解数据互联问题要求计算把第i个量测分配给第t个目标的概率βi^t。该文阐述了求解数据互联概率βi^t的神经网络方法,介绍了具有神经元网络结构的数字实现,并分析了该神经元网络结构的稳定性和收敛性。     

基于集对分析的多目标数据关联技术研究

针对新型作战样式条件下空中多机动目标密集回波的数据关联问题,从缓冲算子思想入手,先对雷达探测的目标数据进行随机性弱化处理,然后再运用集对分析思想来研究密集回波下的多机动目标的数据关联问题.仿真结果表明,该方法能在较短的时间内得到较高的关联精度.     

基于Hopfield神经网络的雷达多目标跟踪

针对海上船舶雷达在多目标跟踪过程中实时性较差和不能快速响应的问题,提出目前密集杂波情况下多目标跟踪中最为有效的数据关联算法——联合概率数据关联(Joint Probabilistic Data Association,JPDA)算法。为解决JPDA随着目标增多的情况会出现的组合“爆炸”及计算量较大导致跟踪实时性较差的问题,从分析联合概率数据关联确认矩阵着手,依据Hopfield神经网络在解决旅行商问题(Travelling Salesman Problem,TSP)时的思路,提出基于Hopfield神经网络联合概率数据关联(Hopfield Neural Network Joint Probability Data Association,H-JPDA)来改进联合概率数据关联算法,通过简化矩阵拆分过程,显著减少计算量,提高跟踪的实时性。基于上述改进的神经网络联合概率数据关联算法,通过MATLAB对多目标跟踪进行仿真,仿真结果表明该算法能提高跟踪的实时性和快速响应能力。     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合，提出一种求解多传感器多目标跟踪数据关联问题的方法。该方法的目的是实现多传感器观测数据的模糊聚类，使源于不同目标的观测数据能正确划分到该目标中去。仿真结果表明，该算法可以实现数据与目标的正确关联，克服传统硬判断的一些缺点。     

基于相关理论的航迹匹配

数据关联是多源信息融合中的关键问题。文章从系统的角度对多目标跟踪的数据关联进行了全面的分析,通过选择目标数据相似度计算模型和参数,计算不同信源航迹与航迹间的关联相似度,构成目标关联矩阵的方法,实现目标方位串关联。最后对算法进行仿真,仿真结果表明,提出的求解方案有较好的关联正确率,这验证了模型和求解方法的正确性和可行性。     

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.     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合,提出一种求解多传感器多目标跟踪数据关联问题的方法.该方法的目的是实现多传感器观测数据的模糊聚类,使源于不同目标的观测数据能正确划分到该目标中去.仿真结果表明,该算法可以实现数据与目标的正确关联,克服传统硬判断的一些缺点.     

基于Kohonen神经网络的多传感器数据关联算法

提出了一种基于Konhonen神经网络的多传感器多目标跟踪数据关联算法，该方法是将多传感器的测量数据进行自组织聚类，从而实现测量数据的关联，利用融合估计完成对多目标的状态估计，计算机仿真结果表明了该算法的有效性。     

基于UKF的Rao-Blackwellized粒子滤波器多传感器多目标跟踪算法研究

在纯方位多传感器多目标跟踪问题中,状态的测量通常是来源未确定的观测量,在杂波环境尤为如此,需要同时解决多个目标的测量和目标之间的关联问题。本文提出一种新的基于Rao-Blackwellized思想的RBPF-UKF算法。该算法利用Rao-Blackwellized将多目标跟踪问题转化为2个子问题:数据关联及单目标跟踪问题,利用粒子滤波中的序列重要性重采样原理解决多目标跟踪的数据关联问题,用UKF滤波器实现单目标跟踪。仿真结果表明,RBPF-UKF算法能很好地解决多目标数据关联问题,与RBPF-EKF算法相比具有更高的滤波精度及稳定性,体现了该算法的优越性。     

基于混沌神经网络的多目标数据关联

研究了多目标跟踪中的数据关联问题。利用混沌动态的遍历性，搜索过程可避免陷入局部极小。仿真结果表明，利用混沌神经网络实现多目标数据关联是可行的，且比Hopfield神经网络有更高的收敛效率。     

基于遗传模拟退火算法的机动多目标数据关联问题研究

应用遗传模拟退火算法将机动多目标的数据关联问题表达为一类约束的组合优化问题研究时,可极大地提高密集多回波环境下系统跟踪多机动目标的精度和可靠性。仿真结果表明,遗传模拟退火算法明显地优于独立地使用遗传算法和模拟退火算法。     

基于遗传模拟退火算法的机动多目标数据关联问题研究

应用遗传模拟退火算法将机动多目标的数据关联问题表达为一类约束的组合优化问题研究时,可极大地提高密集多回波环境下系统跟踪多机动目标的精度和可靠性.仿真结果表明,遗传模拟退火算法明显地优于独立地使用遗传算法和模拟退火算法.     

基于Kohonen神经网络的多传感器数据关联算法

提出了一种基于Konhonen神经网络的多传感器多目标跟踪数据关联算法,该方法是将多传感器的测量数据进行自组织聚类,从而实现测量数据的关联,利用融合估计完成对多目标的状态估计.计算机仿真结果表明了该算法的有效性.     

基于混沌神经网络的多目标跟踪技术研究

本文应用混沌神经网络求解多目标跟踪中的数据关联问题,给出了混沌神经网络的模型,构造了数据关联的能量函数表达式,在数据关联过程中,采用退火算法。仿真结果表明,应用混沌神经网络求解数据关联比Hop fie ld网络具有更块的收敛速度和更小的关联误差。     

基于代价函数的红外多目标跟踪方法

针对复杂背景环境下的红外多目标跟踪问题,文章在已获得各多目标初始信息和观测信息的基础上,采用极坐标数据进行数据关联和滤波,提出了一种基于代价函数的红外多目标跟踪算法,通过确定红外多目标跟踪起始和终结以及后续帧处理技术,实现了不超过48批红外多目标的实时跟踪。仿真实验结果表明,该算法在运动的红外多目标检测效果、跟踪稳定性和实时性方面都有良好的性能。     

基于混沌神经网络的多目标数据关联

研究了多目标跟踪中的数据关联问题.利用混沌动态的遍历性,搜索过程可避免陷入局部极小.仿真结果表明,利用混沌神经网络实现多目标数据关联是可行的,且比Hopfield神经网络有更高的收敛效率.     

基于自组织神经网络的多目标跟踪方法

本文陈述了多维Kohonen网络和网络的学习算法，提出了一种使用多维Kohonen网络求解多目标跟踪问题的神经网络方法。仿真结果表明Kohonen网络能够用于求解多目标跟踪问题，克服了传统方法的组合爆炸问题，提高了跟踪速度和精度。     

一种多传感器航迹关联算法的仿真分析

多传感器航迹关联算法有好几种,本文对独立序贯航迹关联算法进行了仿真分析。可以看出,独立序贯航迹关联算法由于考虑了整个航迹历史,而且在算法中进行了航迹质量管理和多义性处理,因而其关联效果和质量还是比较高的,特别是在密集目标环境下,其正确关联概率较之在中等密度目标环境下的正确关联概率有了明显改善。     

一种新的密集杂波环境多目标跟踪算法

针对传统联合概率数据关联算法的不足,综合考虑关联精度和工程实践性,提出了一种新的改进关联算法.先通过设定阈值得出近似关联矩阵,去除小概率事件;然后进行同源划分,构建各个独立区域内的确认矩阵,综合考虑候选回波离关联门中心的距离和关联门内的候选回波数目这2个因素的影响,最后按照概率数据关联滤波相同的方式对状态进行估计.该算法减少关联矩阵数量,降低关联概率计算难度,可有效解决JPDA算法计算量过大的问题.仿真实验结果表明,该算法具有较高的关联精度和跟踪成功率,便于工程实现.