多機(jī)動(dòng)目標(biāo)跟蹤中數(shù)據(jù)關(guān)聯(lián)算法的研究.pdf

1、本文主要對(duì)多目標(biāo)跟蹤中的數(shù)據(jù)關(guān)聯(lián)算法進(jìn)行了研究。數(shù)據(jù)關(guān)聯(lián)是機(jī)動(dòng)目標(biāo)跟蹤中的一項(xiàng)關(guān)鍵技術(shù)。本文在概述了目標(biāo)跟蹤的基本理論及基本環(huán)節(jié)基礎(chǔ)上，對(duì)數(shù)據(jù)關(guān)聯(lián)特點(diǎn)和過程進(jìn)行了全面的分析和概括總結(jié)，并對(duì)數(shù)據(jù)關(guān)聯(lián)算法中的幾種經(jīng)典算法：最近鄰算法、概率數(shù)據(jù)關(guān)聯(lián)算法、聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法和交互多模型概率數(shù)據(jù)關(guān)聯(lián)算法進(jìn)行了深入的研究。在高噪聲密集雜波環(huán)境下，僅利用目標(biāo)的運(yùn)動(dòng)量測(cè)信息，很難將目標(biāo)和雜波區(qū)分開。針對(duì)這一問題，本文融入目標(biāo)的特征量測(cè)信息，創(chuàng)新性的提

2、出了一種基于最小二乘的多特征概率數(shù)據(jù)關(guān)聯(lián)EM方法，利用多個(gè)特征信息，增強(qiáng)目標(biāo)和雜波的區(qū)分能力。仿真結(jié)果表明，該方法能夠增強(qiáng)區(qū)分目標(biāo)和雜波的能力，并能夠減小相近特征量測(cè)所引起的跟蹤誤導(dǎo)，顯著地提高對(duì)目標(biāo)的跟蹤精度。此外，在航跡關(guān)聯(lián)中，本文對(duì)Viterbi數(shù)據(jù)關(guān)聯(lián)算法進(jìn)行了改進(jìn)。在Viterbi數(shù)據(jù)關(guān)聯(lián)算法基礎(chǔ)上，結(jié)合最近鄰思想，進(jìn)行二次關(guān)聯(lián)，減小虛假航跡的干擾，對(duì)目標(biāo)航跡進(jìn)行最優(yōu)選擇。這種改進(jìn)的Viterbi數(shù)據(jù)關(guān)聯(lián)方法能夠連續(xù)處理丟失的