面向多目標跟蹤系統(tǒng)的數(shù)據(jù)關聯(lián)算法研究.pdf

1、數(shù)據(jù)關聯(lián)是多目標跟蹤系統(tǒng)的關鍵問題，本文主要對聯(lián)合概率數(shù)據(jù)關聯(lián)算法(JPDA)進行研究，通過連續(xù)霍普菲爾德神經(jīng)網(wǎng)絡（CHNN）、遺傳算法(GA)以及粒子群算法(PSO)三種智能算法對JPDA的優(yōu)化，來提高JPDA的準確性，與此同時，利用混沌算法與三種智能算法相結(jié)合來進一步優(yōu)化JPDA。
　　密集雜波環(huán)境下，僅利用JPDA，很難將目標和雜波區(qū)分開。為了解決準確性的問題，本文將JPDA中關聯(lián)矩陣的求解等價為多維分配問題，利用智能算法進

2、行優(yōu)化。CHNN將關聯(lián)矩陣的元素看作神經(jīng)元進行迭代，GA將關聯(lián)矩陣的元素看作基因位進行遺傳操作，PSO將關聯(lián)矩陣的元素看作一個粒子，利用局部極值和全局極值進行粒子位置的更新。二維雙傳感器情景下的仿真證明了準確性的提高，與此同時，對比分析結(jié)果得到優(yōu)化的效果好壞順序依次為PSO，GA，CHNN。
　　此外，將混沌算法為上述三種算法提供優(yōu)化初始解，并對神經(jīng)元、染色體或者粒子進行混沌優(yōu)化，完成進一步的優(yōu)化。仿真結(jié)果表明，該結(jié)合能夠更顯著地