為簡化聯(lián)合概率數(shù)據(jù)關聯(lián)算法（Joint Probabilistic Data Association, JPDA）的計算復雜度,增強JPDA算法的實時性,設計了一種新的JPDA簡化算法。首先根據(jù)目標航跡與量測之間的關聯(lián)規(guī)則,定義了一種新的計算關聯(lián)概率的方法,之后分析公共量測對目標的影響,引入公共量測影響因子修正關聯(lián)概率。該算法不用進行確認矩陣拆分,有效解決了在密集雜波環(huán)境下因回波密度增加而造成的計算上的組合爆炸問題。仿真結(jié)果表明,簡化的JPDA算法能夠在保持對目標有效跟蹤的情況下,大大縮短計算時間,提高算法的實時性。 

【文章來源】：信號處理. 2020,36(08)北大核心CSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 聯(lián)合概率數(shù)據(jù)關聯(lián)
3 簡化JPDA算法
    3.1 簡化關聯(lián)概率計算
    3.2 基于公共量測修正的關聯(lián)概率
        (1)計算每個公共量測所有可能的源目標對關聯(lián)概率的影響因子Ajt。
        (2)在具有公共量測的目標跟蹤門內(nèi),計算其他量測對于關聯(lián)概率的影響因子Bt。
4 仿真分析
    4.1 檢驗雜波密度對算法的影響
    4.2 不同目標間距下影響因子對算法的影響
    4.3 檢驗檢測概率對算法的影響
5 結(jié)論


【參考文獻】：
期刊論文
[1]密集雜波下的模糊數(shù)據(jù)關聯(lián)多目標跟蹤算法[J]. 康旭超,何廣軍,陳峰,何其芳.  探測與控制學報. 2019(04)
[2]基于PPP模型的多擴展目標跟蹤的JPDA算法研究[J]. 杜浩翠,謝維信,范建德.  信號處理. 2019(06)
[3]利用JPDA進行編隊目標的多雷達航跡關聯(lián)應用研究[J]. 王剛,汪秋瑩.  現(xiàn)代雷達. 2019(04)
[4]基于最大熵模糊聚類的快速多目標跟蹤算法研究[J]. 陳曉,李亞安,蔚婧,李余興.  西北工業(yè)大學學報. 2017(04)
[5]基于自適應聚概率矩陣的JPDA算法研究[J]. 李首慶,徐洋.  西南交通大學學報. 2017(02)
[6]雜波環(huán)境下基于全鄰模糊聚類的聯(lián)合概率數(shù)據(jù)互聯(lián)算法[J]. 劉俊,劉瑜,何友,孫順.  電子與信息學報. 2016(06)
[7]一種用于雜波中機動目標跟蹤的自適應關聯(lián)波門設計方法[J]. 靳標,糾博,蘇濤,劉宏偉,張龍.  西安交通大學學報. 2014(10)
[8]JPDA中聯(lián)合事件概率的計算[J]. 尹成友,楊斌.  信號處理. 2002(06)



本文編號：3164210