1 海军航空装备计量监修中心, 上海 200436
2 海军航空工程学院电子信息工程系, 山东烟台 264001
基于有限集统计学理论的多目标跟踪技术具备严格的贝叶斯理论解释基础, 可以同时完成目标数目及状态的估计, 并避免了复杂的数据关联过程。基于高斯混合概率假设密度滤波器(GM-PHD)实现了对数目时变目标的跟踪, 准确估计出了每一时刻目标的数目。在此基础上进一步分析了目标生存概率 ps、目标检测概率 pd以及杂波密度 λc等因素对跟踪效果的影响, 为 GM-PHD滤波器在多目标跟踪的实际应用中各参数的取值提供了有益的参考。
高斯混合概率假设密度滤波器 检测概率 存活概率 杂波密度 最优子模式分配距离 Gaussian Mixture Probability Hypothesis Density(GM detection probability survival probability clutterdensity Optimal Subpattern Assignment(OSPA) distance 太赫兹科学与电子信息学报
2017, 15(3): 382
针对海面目标密集且类型多样、杂波虚警点多导致跟踪过程中错误关联率高的问题，提出一种基于速度分区与多信息利用的海面目标关联算法。该算法首先将所关心的目标按其速度大小分成3类，分别对应不同的速度区间; 在每个速度区间内，设置不同的距离和速度波门，并结合目标的形状大小、幅度、紧凑程度等特征信息分别采取不同的关联规则，然后对海面目标航迹进行滤波处理; 实测数据处理结果表明，该算法能够获得良好的跟踪效果。
海面目标 数据关联 速度分区 多特征信息 sea surface target data association speed partition multi-feature information
