随机有限集

摘要： 脉冲多普勒(Pulse Doppler,PD)雷达会产生距离模糊和多普勒模糊问题,传统方法通过发射多个脉冲重复频率(Pulse Repetition Frequency,PRF)并相互关联来解模糊。但当信噪比较低时,为确保检测到目标需采用低门限而产生了大量虚警,传统方法由于数据关联导致计算复杂度过高而失效,基于随机有限集的势均衡多伯努利(Cardinality Balanced Multi-target Multi-Bernoulli,CBMeMBer)滤波器可有效解决该问题。本文在贝叶斯框架下采用CBMeMBer滤波器进行目标数目估计和距离多普勒解模糊,并针对模型非线性问题提出了一种基于自适应新生密度的序贯蒙特卡罗(Sequential Monte Carlo,SMC)实现方法。仿真结果表明,该滤波器在密集虚警下依然能利用模糊量测对多个目标实现联合检测与解模糊,且性能优于基于自适应新生密度的集势概率假设密度滤波器(Cardinalized Probability Hypothesis Density,CPHD)。

摘要： 针对椭圆轨道红外监视系统图像畸变大,基于图像配准进行目标轨迹确认误差大的问题,提出基于视轴矢量序列的目标确认分析方法;建立了目标视轴矢量序列的状态转移模型和观测模型,利用GM-PHD(Gaussian mixture probability hypothesis density)滤波器对目标视轴矢量进行滤波实现目标确认分析;针对在目标状态未知条件下,GM-PHD滤波器易于丢失新目标的问题,采用反馈滤波方式对GM-PHD滤波器进行改进设计。仿真结果验证了基于视轴矢量序列进行目标轨迹确认分析的有效性以及改进GM-PHD滤波器对新目标状态估计的时效性。

摘要： 针对多扩展目标跟踪优化中的传感器管理问题,本文基于随机有限集(RFS)提出一种基于加权最优子模式分配(W-OSPA)距离的传感器管理方法.首先,在部分可观测马尔可夫决策过程(POMDP)理论框架下,给出基于逆威沙特椭圆分布假设的多扩展目标跟踪传感器管理的基本方法.其次,利用W-OSPA距离求解多扩展目标后验分布的离差,以离差最小化获得最优化的多扩展目标状态估计设计传感器管理策略.最后,通过推导给出的离差数值求解方法进行最优传感器管理方案的决策.仿真实验基于OSPA距离评价验证了所提传感器管理方法相对于其他算法对多扩展目标的质心运动状态和椭圆形状都有更好的估计效果.

摘要： 为了解决马尔科夫跳变系统广义标签多伯努利滤波器在多机动目标跟踪场景需要计算大量模式假设分支,并且需要频繁对假设分支进行剪枝,导致算法存在计算量过高并且影响跟踪精度的问题,提出一种基于交互多模型的分组δ-广义标签多伯努利滤波器。滤波器采用航迹分组策略,不同组的航迹独立进行关联映射与分支权重计算,降低了关联的计算复杂度,可以实现不同航迹组之间并行滤波。另外,为了处理机动目标场景引入交互多模型,给出基于交互多模型的分组滤波递推方程。仿真结果表明,所提出的滤波器跟踪精度更高,计算速度更快,可以用于跟踪多个机动目标的场景。

摘要： 在探测能力、波形设计及天线指向等因素制约下,分布式雷达视场并非完全重合,由此造成的观测信息差异给后续信息融合带来了巨大挑战。该文基于高斯混合实现的集势概率假设密度(CPHD)滤波器,提出了一种视场部分重叠下的分布式雷达多目标跟踪方法。首先,利用多目标密度乘积切分出概率假设密度(PHD)中表征共同观测信息的部分;之后,标准的分布式融合(算术平均或几何平均融合)方法作用于切分出的共同观测目标信息以提升跟踪性能,补偿融合则作用于雷达单独观测目标信息以扩展视场范围。该文方法无须视场先验信息,能够适应雷达视场未知时的分布式融合多目标跟踪场景。仿真实验验证了所提出方法在未知、时变雷达视场下跟踪多目标的性能,表明了该文方法比基于高斯混合的聚类方法性能更好。

摘要： 针对多传感器观测数据质量不同且未知时,多传感器量测迭代更新高斯混合概率假设密度(GM-PHD)滤波器跟踪算法的结果对更新顺序敏感的问题,该文提出一种多传感器自适应量测迭代更新GM-PHD跟踪算法AIUGM-PHD。首先基于多传感器融合一致性度量,提出一种用于在线评估各传感器跟踪结果质量的方法;然后对多传感器迭代融合顺序进行优化,最后构建相应的多传感器GM-PHD融合跟踪算法。为了解决多传感器自适应顺序迭代融合无法体现传感器质量差距的问题,提出了一种自适应带权伪量测迭代更新GM-PHD跟踪算法PAIU-GMPHD。仿真结果表明,与常规多传感器迭代更新GM-PHD跟踪算法相比,所提算法能够获得鲁棒性更好、精度更高的跟踪结果。

摘要： 为了实现无线传感器网络(Wireless Sensor Networks,WSN)中移动节点的实时动态定位和更新,提出了一种基于广义运动概率假设密度粒子滤波的移动定位自更新传播算法,该算法利用锚节点作为观测者探测周围环境中存在的未知节点,收集探测到的信息,利用广义运动概率假设密度粒子滤波算法对未知节点定位。基于反向定位策略选择未知节点的最优位置,将已获得定位信息的节点升级为虚锚节点继续对周围邻居节点实施定位,再进行定位传播和位置更新,最终实现全网络移动节点实时定位和位置更新。仿真结果表明,在锚节点单一存在时,所提算法可以预估未知节点的位置,且定位精度高,可以对整个移动群体进行实时定位。

摘要： 为了实现无线传感器网络(Wireless Sensor Networks,WSN)中移动节点的实时动态定位和更新,提出了一种基于广义运动概率假设密度粒子滤波的移动定位自更新传播算法,该算法利用锚节点作为观测者探测周围环境中存在的未知节点,收集探测到的信息,利用广义运动概率假设密度粒子滤波算法对未知节点定位.基于反向定位策略选择未知节点的最优位置,将已获得定位信息的节点升级为虚锚节点继续对周围邻居节点实施定位,再进行定位传播和位置更新,最终实现全网络移动节点实时定位和位置更新.仿真结果表明,在锚节点单一存在时,所提算法可以预估未知节点的位置,且定位精度高,可以对整个移动群体进行实时定位.

摘要： 为了解决闪烁噪声统计特性未知情况下的多目标跟踪问题,提出一种鲁棒广义标签多伯努利(Generalized Labeled Multi?Bernoulli,GLMB)滤波器.该滤波器采用均值未知且时变的多维Student's t分布对统计特性未知的闪烁噪声进行建模.它放宽了闪烁噪声均值为零的限制性假设,可以自适应地处理闪烁噪声均值未知且时变条件下的多目标跟踪问题.本文在GLMB滤波框架下,利用变分贝叶斯方法对增广状态中的参数进行变分迭代,并通过最小化Kullback?Leibler散度得到边缘似然函数的近似解.仿真结果表明,在闪烁噪声统计特性未知的情况下,所提滤波器能有效地对多目标进行跟踪.

摘要： 针对强混响及噪声相关背景下说话人跟踪问题,提出了一种解相关粒子滤波跟踪方法.利用状态方程恒等变换和矩阵相似变换理论解除过程噪声和量测噪声以及测量噪声之间的相关性,在粒子滤波的框架内采用布朗模型对说话人运动进行建模,并将随机有限集(Random Finite Set,RFS)理论引入到说话人状态的归一化处理中,采用RFS将说话人的位置和说话人的数目综合成单个的变量集合,并在PF的框架内进行说话人跟踪实验.计算机仿真和实际的语料库跟踪实验验证了所提算法的有效性.

摘要： 弹道导弹群目标跟踪是跟踪领域出现的一个新难点,目前公开文献较少.本文从弹道导弹群目标跟踪思想的形成、传统数据关联多目标跟踪方法跟踪弹道导弹群目标时的缺陷以及基于非关联的弹道导弹群目标跟踪技术三个方面对弹道导弹群目标跟踪技术进行了全面的阐述,重点介绍了基于随机有限集的弹道导弹群目标跟踪技术,给出了弹道导弹群目标跟踪的概率假设密度滤波器递推公式和弹道导弹群目标跟踪算法性能评价指标,最后,从装备、算法、态势综合认知能力三个方面对弹道导弹群目标跟踪技术发展方向和难点提出了自己的见解,具有一定的参考价值.

摘要： 本文介绍了随机集的概念及在多目标跟踪中的表现形式,介绍了有限集统计学的一些基本内容,并根据国外的一些最新进展,总结了随机集在多目标跟踪中应用的一般过程.

摘要： 概率假设密度多目标跟踪方法避免了直接进行数据关联所带来的困难和麻烦,能有效地解决目标数目不定的多目标跟踪问题.本文研究了基于粒子概率假设密度滤波器的多目标跟踪方法,分析并讨论了粒子概率假设密度滤波器的收敛性,给出了算法收敛条件,并分析了杂波等参数值对粒子概率假设密度多目标跟踪的影响.

摘要： 概率假设密度多目标跟踪方法避免了直接进行数据关联所带来的困难和麻烦,能有效地解决目标数目不定的多目标跟踪问题.本文研究了基于粒子概率假设密度滤波器的多目标跟踪方法,分析并讨论了粒子概率假设密度滤波器的收敛性,给出了算法收敛条件,并分析了杂波等参数值对粒子概率假设密度多目标跟踪的影响.

摘要： 概率假设密度多目标跟踪方法避免了直接进行数据关联所带来的困难和麻烦,能有效地解决目标数目不定的多目标跟踪问题.本文研究了基于粒子概率假设密度滤波器的多目标跟踪方法,分析并讨论了粒子概率假设密度滤波器的收敛性,给出了算法收敛条件,并分析了杂波等参数值对粒子概率假设密度多目标跟踪的影响.

摘要： 概率假设密度多目标跟踪方法避免了直接进行数据关联所带来的困难和麻烦,能有效地解决目标数目不定的多目标跟踪问题.本文研究了基于粒子概率假设密度滤波器的多目标跟踪方法,分析并讨论了粒子概率假设密度滤波器的收敛性,给出了算法收敛条件,并分析了杂波等参数值对粒子概率假设密度多目标跟踪的影响.

摘要： 概率假设密度多目标跟踪方法避免了直接进行数据关联所带来的困难和麻烦,能有效地解决目标数目不定的多目标跟踪问题.本文研究了基于粒子概率假设密度滤波器的多目标跟踪方法,分析并讨论了粒子概率假设密度滤波器的收敛性,给出了算法收敛条件,并分析了杂波等参数值对粒子概率假设密度多目标跟踪的影响.

摘要： 针对杂波环境下纯方位多目标跟踪中数据关联的复杂性问题，提出了一种基于势分布概率假设密度(CPHD)滤波的被动目标跟踪算法，将无迹卡尔曼滤波(UKF)与CPHD滤波相结合，利用无迹变换处理纯方位目标的非线性问题，而CPHD滤波能够完全避免数据关联的计算，并对目标数目进行精确和稳定的估计，在提高纯方位多目标跟踪精度的同时大大减少了计算量。仿真实验中，将高斯混合UKFCPHD滤波和UKFPHD滤波应用于纯方位多目标跟踪问题，结果表明，本文提出的算法能够精确的估计出目标的状态和数目，比UKFPHD滤波算法具有更高的跟踪精度。

摘要： 针对杂波环境下纯方位多目标跟踪中数据关联的复杂性问题，提出了一种基于势分布概率假设密度(CPHD)滤波的被动目标跟踪算法，将无迹卡尔曼滤波(UKF)与CPHD滤波相结合，利用无迹变换处理纯方位目标的非线性问题，而CPHD滤波能够完全避免数据关联的计算，并对目标数目进行精确和稳定的估计，在提高纯方位多目标跟踪精度的同时大大减少了计算量。仿真实验中，将高斯混合UKFCPHD滤波和UKFPHD滤波应用于纯方位多目标跟踪问题，结果表明，本文提出的算法能够精确的估计出目标的状态和数目，比UKFPHD滤波算法具有更高的跟踪精度。

摘要： 针对杂波环境下纯方位多目标跟踪中数据关联的复杂性问题，提出了一种基于势分布概率假设密度(CPHD)滤波的被动目标跟踪算法，将无迹卡尔曼滤波(UKF)与CPHD滤波相结合，利用无迹变换处理纯方位目标的非线性问题，而CPHD滤波能够完全避免数据关联的计算，并对目标数目进行精确和稳定的估计，在提高纯方位多目标跟踪精度的同时大大减少了计算量。仿真实验中，将高斯混合UKFCPHD滤波和UKFPHD滤波应用于纯方位多目标跟踪问题，结果表明，本文提出的算法能够精确的估计出目标的状态和数目，比UKFPHD滤波算法具有更高的跟踪精度。

摘要： 本公开涉及一种基于随机有限模型集的飞行物多目标跟踪方法。所述方法包括：根据目标飞行物的雷达数据，获得目标飞行物的回波参数；根据目标飞行物的回波强度，确定目标飞行物的回波特征；根据目标飞行物的速度，确定目标飞行物的轨迹特征；根据目标飞行物的回波特征和轨迹特征，确定目标飞行物的类别；根据目标飞行物的类别及回波参数，预测目标飞行物的目标状态。根据本公开的实施例可实现对目标飞行物的种类的确定，根据目标飞行物的种类来预测目标飞行物的飞行状态，并预测目标飞行物的下一时刻的目标状态，提高对目标飞行物的跟踪效果。

摘要： 本发明提供了一种基于随机有限集的弱小目标联合检测与跟踪系统及方法，包括红外图像量测模块，用于获取地面环境和目标的红外量测图像，从而得到目标量测域；目标预测模块，用于对目标量测域计算，得到目标的预测状态和目标预测航迹标签，再进行高斯采样；目标更新模块，用于计算似然函数，根据似然函数，计算得到目标的更新状态和目标更新航迹标签；并建立目标与量测关联的假设代价函数，根据假设权重大小选择最大权重对应的假设，得到当前时刻的目标状态和航迹估计值。本发明给出了复杂环境下在获取目标红外量测的基础上，通过量测差分，新生目标自适应提取，航迹最优分配，实现在复杂噪声环境下对红外弱小目标的有效检测与跟踪。

摘要： 本申请涉及一种基于拓展标记随机有限集的空间碎片目标跟踪方法和装置。所述方法包括：根据空间碎片目标的运动特征空间和定义的标记空间，构建空间碎片目标的状态空间，根据观测空间中目标的位置信息，构建观测空间的观测集合，根据状态空间和广义标签多伯努利随机有限集分布，得到下一时刻空间碎片目标的预测模型，根据观测集合和预测模型，得到下一时刻空间碎片目标的更新模型，根据预测模型和更新模型，得到空间碎片目标的轨迹迭代方程，根据航迹迭代方程进行迭代计算，得到空间碎片目标的目标航迹。采用本方法实现空间碎片目标的航迹输出以及提高航迹输出的准确率。

摘要： 本发明公开了一种基于随机有限集理论的多目标跟踪装置，量测集合生成器根据收到的传感器量测生成量测集合，并发送给高斯分量初始化处理器；高斯分量初始化处理器将初始化的高斯分量集合发送给高斯分量集合缓存器进行存储；高斯分量矩阵生成器同时接收量测集合生成器生成的量测集合和高斯分量集合缓存器存储的最新时刻的高斯分量集合，通过解算得到高斯分量矩阵，并发送给高斯分量矩阵扩维器；高斯分量矩阵扩维器同时接收量测集合生成器生成的量测集合。本发明加入门限过滤和生成失败过滤机制，对高斯分量进行有效性鉴别，既对高斯分量矩阵进行了筛选过滤，提高了计算效率，又对生成失败的情况进行了保护，提高了处理过程的鲁棒性。

摘要： 本发明提供一种基于随机有限集的异构传感器信息融合和多目标跟踪方法，主要解决当前δ‑GLMB滤波算法仅针对单一传感器的不足，主要解决多目标跟踪时单一传感器易遭到干扰、毁伤而导致的航迹关联弱、跟踪精度低的问题。本发明方法借助雷达、光电、红外等异构传感器的量测值与对应的协方差，采用协方差交叉算法进行数据融合。与传统单一传感器方法相比，可以增强观测系统的信息感知力，提供多维度，高精度的目标感知信息，从而能够有效利用各异构传感器的优势，获得置信度更高的多目标量测集合，得到效果更为理性的多目标预测集合，有效提升滤波精度，具有良好的工程应用价值。

摘要： 本发明涉及一种基于随机有限集的海空背景弱小目标抗干扰跟踪方法，获取图像组中包含指定弱小目标的任意第i帧图像；获取图像组中第i+1帧图像的所有弱小目标点迹位置，以第i帧图像的指定弱小目标为基础，利用随机有限集方法获得该第i+1帧图像的多目标航迹模型；根据多目标航迹模型得到的各个轨迹输出第i+1帧图像的指定弱小目标的位置；本发明提供的一种基于随机有限集的海空背景弱小目标抗干扰跟踪方法，在红外弱小目标的单目标跟踪应用中，将单目标跟踪问题转换为多目标检测，结合航迹运动分析的方法，从运动模型上进行真假目标区分，有效的解决弱小目标与背景干扰点难以区分的问题；融入随机有限集跟踪技术，跟踪成功率得到显著提升。

摘要： 本发明提供了一种基于随机有限集的弱小目标联合检测与跟踪系统及方法，包括红外图像量测模块，用于获取地面环境和目标的红外量测图像，从而得到目标量测域；目标预测模块，用于对目标量测域计算，得到目标的预测状态和目标预测航迹标签，再进行高斯采样；目标更新模块，用于计算似然函数，根据似然函数，计算得到目标的更新状态和目标更新航迹标签；并建立目标与量测关联的假设代价函数，根据假设权重大小选择最大权重对应的假设，得到当前时刻的目标状态和航迹估计值。本发明给出了复杂环境下在获取目标红外量测的基础上，通过量测差分，新生目标自适应提取，航迹最优分配，实现在复杂噪声环境下对红外弱小目标的有效检测与跟踪。

摘要： 本申请涉及一种基于拓展标记随机有限集的空间碎片目标跟踪方法和装置。所述方法包括：根据空间碎片目标的运动特征空间和定义的标记空间，构建空间碎片目标的状态空间，根据观测空间中目标的位置信息，构建观测空间的观测集合，根据状态空间和广义标签多伯努利随机有限集分布，得到下一时刻空间碎片目标的预测模型，根据观测集合和预测模型，得到下一时刻空间碎片目标的更新模型，根据预测模型和更新模型，得到空间碎片目标的轨迹迭代方程，根据航迹迭代方程进行迭代计算，得到空间碎片目标的目标航迹。采用本方法实现空间碎片目标的航迹输出以及提高航迹输出的准确率。

摘要： 本发明公开了一种基于随机有限集的编队目标跟踪方法，包括：对编队目标中的成员状态进行IMM预测，获得包含预测成员状态和预测PHD的预测集，并计算编队目标的几何中心；将几何中心与通过雷达获取的目标回波进行关联判断，获得关联目标回波和/或未关联目标回波，其中：利用关联目标回波和预测集获取包含更新成员状态和更新PHD的更新集，以实现航迹维持；利用未关联目标回波建立新的编队目标。本发明解决了航迹和回波之间的循环判断带来的组合爆炸问题，不需要对每个航迹‑回波组合都进行精细化关联；提升了航迹稳定性；且当目标之间出现遮挡、漏检等现象时目标个数仍会保持，不会随着后验PHD的变化而波动，有利于航迹维持。

摘要： 本发明公开了一种基于随机有限集理论的多目标跟踪装置，量测集合生成器根据收到的传感器量测生成量测集合，并发送给高斯分量初始化处理器；高斯分量初始化处理器将初始化的高斯分量集合发送给高斯分量集合缓存器进行存储；高斯分量矩阵生成器同时接收量测集合生成器生成的量测集合和高斯分量集合缓存器存储的最新时刻的高斯分量集合，通过解算得到高斯分量矩阵，并发送给高斯分量矩阵扩维器；高斯分量矩阵扩维器同时接收量测集合生成器生成的量测集合。本发明加入门限过滤和生成失败过滤机制，对高斯分量进行有效性鉴别，既对高斯分量矩阵进行了筛选过滤，提高了计算效率，又对生成失败的情况进行了保护，提高了处理过程的鲁棒性。