亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于IMM-MHT算法的雜波環(huán)境多機動目標跟蹤

        2014-04-26 06:09:22邵俊偉
        艦船電子對抗 2014年2期
        關鍵詞:雜波結點時刻

        邵俊偉,同 偉,單 奇

        (1.中國電子科技集團公司第38研究所,合肥 230088;2.陸軍駐中電集團38所軍事代表室,合肥 230088)

        0 引 言

        隨著戰(zhàn)場環(huán)境的日趨復雜以及目標機動性能的日益提升,如何在雜波環(huán)境下跟蹤機動目標正成為雷達數(shù)據(jù)處理系統(tǒng)要應對的關鍵問題之一。傳統(tǒng)數(shù)據(jù)關聯(lián)算法,如最近鄰[1](NN)、概率數(shù)據(jù)關聯(lián)[2](PDA)、聯(lián)合概率數(shù)據(jù)關聯(lián)[3](JPDA)等,以當前掃描周期內(nèi)的量測為基礎進行數(shù)據(jù)關聯(lián),若某一掃描周期內(nèi)的關聯(lián)結果與真實情況有較大差別,則之后的跟蹤過程常會發(fā)生錯誤,甚至丟失目標。多假設跟蹤[4](MHT)的關聯(lián)結果不僅取決于當前掃描周期內(nèi)的量測數(shù)據(jù),而且還與歷史量測信息有關。對不能確定的關聯(lián),會形成多種邏輯假設,并用后續(xù)的量測數(shù)據(jù)來解決這種不確定性。在理想條件下,MHT是最優(yōu)的數(shù)據(jù)關聯(lián)算法,可以有效地解決雜波環(huán)境下的數(shù)據(jù)關聯(lián)問題。但是,MHT算法所需的計算和存儲資源會隨著量測數(shù)和跟蹤步數(shù)的增長呈指數(shù)增加,若要實際應用,還需要有效的假設管理技術。

        對機動目標,以單一的運動模型來刻畫其運動過程,往往和實際情況有偏差,最終會由于模型失配導致跟蹤誤差增大甚至跟蹤失敗。交互多模型[5](IMM)算法使用多種運動模型對目標進行跟蹤,模型間的轉換服從已知轉移概率的有限Markov過程。在跟蹤過程中對各模型的概率進行更新,可以起到自適應調(diào)整模型的作用,得到較好的跟蹤效果。

        本文將IMM跟蹤算法與MHT關聯(lián)算法結合起來,并采用文獻[6]在解決視頻跟蹤問題時所用的MHT假設生成和假設管理技術,來實現(xiàn)雜波環(huán)境下對多機動目標的跟蹤。仿真結果驗證了此方法的有效性。

        1 算法描述

        1.1 MHT算法原理

        1979年Reid[4]針對多目標跟蹤問題,基于“全鄰”最優(yōu)濾波器和Bar-Shalom的聚概念,提出了MHT方法。此算法的執(zhí)行可以分為假設生成、假設概率計算和假設管理3個步驟。

        1.1.1 假設生成

        記Ωk為直到k時刻的關聯(lián)假設集合,Zk={zk,1,…,zk,mk}為k時刻的量測集合;Zk為直到k時刻的累積量測集合。Ωk由直到k-1時刻的關聯(lián)假設集Ωk-1和當前量測集Zk關聯(lián)得到,規(guī)定每個目標至多與一個落入跟蹤門內(nèi)的當前量測關聯(lián)。

        若每條假設航跡與落入跟蹤門內(nèi)的所有量測都進行關聯(lián),則生成的假設航跡數(shù)量會隨目標和量測數(shù)目的增加而急劇增長,無法滿足實時跟蹤的需求。利用Murty算法,可以在不生成所有假設的條件下,得到前M個概率最大的關聯(lián)[6]。先構造1個分配矩陣,行對應量測,列對應目標、雜波或新目標,矩陣的元素是量測來自于相應目標的負對數(shù)概率,或是量測來自于雜波或新目標的負對數(shù)概率,這樣前M個概率最大的關聯(lián),即是該分配矩陣前M個費用最小的分配,而后者可以通過Murty算法求解[7]。

        1.1.2 假設概率計算

        記θk為k時刻量測與目標的關聯(lián)事件,該事件中τ個量測源于已建立航跡,v個量測源于新目標,ψ個量測源于虛警。引入如下記號:

        設Θk,l表示關聯(lián)假設集Ωk中的第l個假設,由假設生成的概念,它由Ωk-1中的某個假設Θk-1,s和關聯(lián)事件θk組合得到,即Θk,l= {Θk-1,s,θk} 。利用Bayes公式,可以得到假設Θk,l的后驗概率[8]:

        在缺乏先驗知識的情況下,一般可假定虛警和新目標在跟蹤門內(nèi)服從均勻分布,新息服從Gauss分布,而虛警和新目標的數(shù)目服從Poisson分布。

        1.1.3 假設管理

        隨著跟蹤步數(shù)的增加,關聯(lián)假設的個數(shù)會呈指數(shù)增長。為提高MHT算法的執(zhí)行效率,可以使用如圖1所示的假設樹來進行關聯(lián)假設的管理[6]。

        圖1 MHT假設樹

        該假設樹通過以下2個參數(shù)對關聯(lián)假設進行管理:

        (1)非葉子結點的子結點數(shù)M:表示前一時刻的假設集Ωk-1中的每個關聯(lián)假設Θk-1,s,在與當前時刻的量測集Zk進行關聯(lián)時,僅保留前M個概率最大的關聯(lián)假設。

        (2)樹的深度N:表示只記錄最新N個掃描周期內(nèi)的關聯(lián)假設信息。

        每步生成新的關聯(lián)假設后,選取所有MN個當前關聯(lián)假設(在假設樹的第N+1層)中概率最大的一個,保留以其第2層父結點為根結點的子樹,并刪除其他結點,維持整棵假設樹的深度為N。假設樹剪枝后,葉子結點共有MN-1個,對應了k時刻的假設,而唯一的根結點對應了k-N+1時刻的唯一假設,因此,在k時刻可以將根結點對應的估計輸出,作為k-N+1時刻關聯(lián)和跟蹤的結果。

        1.2 IMM算法原理

        1984年,Blom[5]在廣義偽Bayes算法的基礎上提出了一種具有Markov切換系數(shù)的多模型濾波器,其中多個模型并行工作,模型間基于一個Mark-ov鏈進行切換,目標狀態(tài)為多個濾波器交互作用的結果。IMM算法濾波的過程可以分為以下幾步:

        (1)模型交互作用:

        圖2 IMM-MHT單步關聯(lián)濾波流程

        1.3 基于IMM的MHT算法

        將IMM應用于MHT算法,單步關聯(lián)和濾波的過程如圖2所示。

        2 仿真結果及分析

        2個目標的初始狀態(tài)分別為:

        兩者保持恒定速率運動,先沿直線運動20s,再向右以18°/s的角速度作勻速轉彎運動10s,再沿直線運動10s,再向左以18°/s的角速度作勻速轉彎運動10s,最后再沿直線運動20s。雷達的檢測概率為PD=0.98,測距精度為σr=100m,測角精度為σθ=0.1°,采樣間隔為T=1s,雜波密度為λc=1e-7。

        IMM模型集使用CV(勻速)模型和Singer模型[9],模型的先驗概率為μ0= [0.5,0.5],Markov轉移概率矩陣為:

        CV模型的過程噪聲取為q=100。Singer模型的自相關時間常數(shù)為α=1/10,最大加速度為aM=70m/s2,最大加速度概率為pM=0.1,非機動概率為p0=0.7。量測方程使用線性模型,量測噪聲協(xié)方差由量測精度通過無偏量測轉換得到[8]。MHT假設樹參數(shù)為:M=3,N=3。

        量測和真實航跡見圖3,基于IMM-MHT算法的跟蹤結果如圖4所示。

        圖3 真實航跡及量測圖

        圖4 基于IMM-MHT的目標跟蹤

        圖5是使用CV模型的關聯(lián)和跟蹤結果,圖6是使用Singer模型的關聯(lián)和跟蹤結果??梢钥闯?,在目標發(fā)生機動時,CV-MHT算法容易跟蹤失?。籗inger-MHT算法和IMM-MHT算法在目標的機動段有類似的跟蹤性能,但對目標的直線段,前者跟蹤效果不如后者,而且前者容易導致關聯(lián)錯誤。

        圖5 基于CV-MHT的目標跟蹤

        圖6 基于Singer-MHT的目標跟蹤

        以相同的參數(shù)進行50次Monte Carlo仿真,跟蹤過程中目標丟失率、關聯(lián)錯誤率、跟蹤位置誤差均方根(RMSE)等結果如表1所示。

        表1 50次仿真的跟蹤結果

        3 結束語

        本文將IMM濾波算法結合到MHT關聯(lián)算法中,并通過有效的MHT假設生成和假設管理技術,實現(xiàn)了雜波環(huán)境下對多機動目標的跟蹤,與只采用單模型的MHT算法相比,IMM-MHT算法具有更好的跟蹤穩(wěn)定性和跟蹤精度,仿真結果表明了這一算法的有效性。

        [1] Singer R A,Sea R G.A new filter for optimal tracking in dense multitarget environment[A].Proceedings of The Ninth Allerton Conference Circuit and System Theory[C].Urbana,1971:201-211.

        [2] Bar-Shalom Y,Tse E.Tracking in a cluttered environment with probabilistic data association[J].Automatica,1975,11(9):451-460.

        [3] Formann T E,Bar-Shalom Y,Scheffe M.Sonar tracking of multiple targets using joint probabilistic data association[J].IEEE Journal of Oceanic Engineering,1983,8(3):173-183.

        [4] Reid D B.An algorithm for tracking multiple targets[J].IEEE Transactions on Automatic Control,1979,24(6):843-854.

        [5] Blom H A P.An efficient filter for abrupt changing systems[A].Proceedings of The 23rd IEEE Conference on Decision and Control[C],Las Vegas,1984:656-658.

        [6] Cox I J,Hingorani S L.An efficient implementation of Reid's multiple hypothesis tracking algorithm and its evaluation for the purpose of visual tracking[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1996,18(2):138-150.

        [7] Murty K G.An algorithm for ranking all the assignments in order of increasing cost[J].Operations Research,1968,16(3):682-687.

        [8] 韓崇昭,朱洪艷,段戰(zhàn)勝.多源信息融合[M].第2版.北京:清華大學出版社,2010.

        [9] 何友,修建娟,張晶煒,等.雷達數(shù)據(jù)處理[M].第2版.北京:電子工業(yè)出版社,2009.

        猜你喜歡
        雜波結點時刻
        冬“傲”時刻
        STAR2000型空管一次雷達雜波抑制淺析
        捕獵時刻
        Ladyzhenskaya流體力學方程組的確定模與確定結點個數(shù)估計
        密集雜波環(huán)境下確定性退火DA-HPMHT跟蹤算法
        街拍的歡樂時刻到來了
        相關廣義復合分布雷達海雜波仿真
        遙測遙控(2015年2期)2015-04-23 08:15:22
        一天的時刻
        微波雷達海雜波混沌特性分析
        基于Raspberry PI為結點的天氣云測量網(wǎng)絡實現(xiàn)
        亚洲免费观看视频| 麻豆国产精品va在线观看不卡| 日本一本之道高清不卡免费| 无码精品久久久久久人妻中字| 色老头在线一区二区三区| 伊人色综合九久久天天蜜桃 | 少妇下面好爽好紧好湿一区二区| 亚洲精品www久久久久久| 欧美日韩精品一区二区在线视频| 亚州精品无码久久aV字幕| 亚洲高清美女久久av| 97中文字幕精品一区二区三区| 亚洲国产精品无码aaa片| 亚洲欧美日韩成人高清在线一区| 美女裸体自慰在线观看| 亚洲日本精品一区久久精品| 国产麻豆极品高清另类| 日本少妇一区二区三区四区| 日韩av无码中文无码电影| 国产精品成人av在线观看| 91视频爱爱| 久久精品国产亚洲av热东京热| 69国产成人精品午夜福中文| 国产成人久久精品一区二区三区| av片在线观看免费| 久久久久久久久国内精品影视| 大陆少妇一区二区三区| 曰批免费视频播放免费 | 青青草小视频在线观看| 无码人妻精品一区二区三区蜜桃| 亚洲18色成人网站www| 亚洲成a人片在线| 高清国产亚洲va精品| 色妞一区二区三区免费视频| 国产欧美高清在线观看| 久久精品国产亚洲av蜜臀| 中文字幕国产欧美| 亚洲成AV人国产毛片| 一区二区在线观看视频高清| 久久精品国产色蜜蜜麻豆| 成人午夜免费无码视频在线观看|