CN113064155A - 一种空中雷达多目标跟踪下航迹关联的优化方法 - Google Patents
一种空中雷达多目标跟踪下航迹关联的优化方法 Download PDFInfo
- Publication number
- CN113064155A CN113064155A CN202110291309.0A CN202110291309A CN113064155A CN 113064155 A CN113064155 A CN 113064155A CN 202110291309 A CN202110291309 A CN 202110291309A CN 113064155 A CN113064155 A CN 113064155A
- Authority
- CN
- China
- Prior art keywords
- target
- echo
- gate
- wave gate
- correlation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005457 optimization Methods 0.000 title abstract description 5
- 238000005259 measurement Methods 0.000 claims abstract description 56
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000002592 echocardiography Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000001143 conditioned effect Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000011157 data evaluation Methods 0.000 claims 2
- RNLHGQLZWXBQNY-UHFFFAOYSA-N 3-(aminomethyl)-3,5,5-trimethylcyclohexan-1-amine Chemical compound CC1(C)CC(N)CC(C)(CN)C1 RNLHGQLZWXBQNY-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
- G01S13/726—Multiple target tracking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/418—Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种空中雷达多目标跟踪下航迹关联的优化方法,涉及雷达多目标跟踪技术领域。本方法首先针对杂波落入目标关联波门内概率偏高的问题,设计一种基于距离‑速度的双重门限椭圆关联波门,降低虚假量测落入关联门内的概率,然后针对多目标跟踪中可能出现的各目标关联波门出现交叉而增加关联复杂度的情况,提出基于置信度的概率数据关联算法,该算法首先利用本文设计的双重门限椭圆关联波门剔除部分虚假量测,当目标的关联门出现交叉时,通过置信度因子实现航迹更新,当波门交叉区域无量测时,将其简化为多个单目标的航迹关联问题,该方法提高了目标跟踪的性能和准确率。
Description
技术领域
本发明涉及雷达多目标跟踪技术领域,具体涉及一种空中雷达多目标跟踪下航迹关联的优化方法。
背景技术
航迹关联是多目标跟踪中数据处理技术的核心环节之一,以贝叶斯准则为研究基础的数据互联算法,包括最近邻域算法,概率数据关联算法,综合概率数据关联算法,联合概率数据关联算法等
最近邻域数据关联法,该算法对落入目标关联波门内的各候选回波分别计算与关联波门中心的统计距离,选择距波门中心统计距离最近的回波完成目标航迹状态的更新,并基于此回波预测目标在下一时刻所处位置。该算法并未考虑最近回波来源于虚景或关联波门内没有回波落入的概率,适于应用在单目标跟踪,且杂波稀疏的情景下,否则会较易造成目标航迹关联错误。
概率数据关联法(PDA)采用全邻算法,该算法针对目标波门中的有效回波,利用相关程度,计算回波来源真实目标的概率,进行加权估计,再将加权后的回波状态用于更新目标航迹。该算法是一种对最新的量测分解的次优的滤波算法,目标跟踪的整体过程中目标误跟和丢失比例相对较低,多用于杂波环境中的单雷达跟踪单目标。
在概率数据关联法基础上,D.Musicki考虑到目标存在性的概念,提出综合概率数据关联算法(IPDA)用于单目标跟踪中,其优点是可在目标跟踪过程中估计目标航迹存在的概率。
为了解决多目标跟踪的问题,可采用联合概率数据关联算法,该算法的优点之一在于把多个跟踪目标的关联波门相交的情况考虑在内,对落入关联波门相交处的回波,综合考虑全部有效回波的目标来源的可能性,即当多条航迹竞争各目标关联门重叠处的回波时,该回波所对应权值应相应减小,计算每一回波与可能的源目标关联的概率,该算法更宜应用至多目标跟踪情景下,但由于其涉及矩阵建立与拆分的大量运算,若跟踪环境十分复杂,若如波门内回波较多时,会影响算法的运算性能,对雷达处理器和存储器的要求都更严格,不适应用于实际工程中,在实际工作过程中发现:现有航迹关联算法中,在面对环境干扰复杂,多目标跟踪的情况下,需对现有算法进行改进。
发明内容
针对现有技术存在的问题,本发明提供一种空中雷达多目标跟踪下航迹关联的优化方法,针对现有航迹关联算法在算法运算性能和关联精确度方面存在的不足,在传统概率数据关联算法的基础上引入双重门限和置信度的思想,提出基于置信度的概率数据关联算法。
本发明的技术方案为,一种空中雷达多目标跟踪下航迹关联的优化方法,具体包括以下步骤:
步骤1:设计基于距离-速度的双重门限椭圆关联波门筛选回波,利用双重门限椭圆关联门对雷达量测的回波进行过滤;
所述距离-速度的双重门限椭圆关联波门包括距离跟踪门以及速度跟踪门;
所述距离跟踪门中,若波门内的回波不满足关于目标位置小于等于阈值γ的设定,则回波为无效波,摒弃无效回波;若回波满足目标位置属性的限制,则允许该回波落入基于距离的椭圆关联波门中,落入波门内的回波称为第一重有效回波,继续对落入基于距离的椭圆关联波门内的回波进行下一步检测,判断回波位置是否满足小于等于阈值γ,如下式所示:
所述速度跟踪门利用多普勒效应,通过向目标发射正弦波,计算发射频率和接收频率的频率差来实现测速;
针对第一重有效回波进行第二重基于目标与回波速度的检测,判断量测回波速度满足设定条件,便以最终落入基于速度的椭圆关联门内的量测为有效量测,然后对该波门内的有效量测进行步骤2的处理,所述设定条件如下式所示:
步骤2:判断多个目标的关联波门是否交叉,即判断多个目标的距离-速度的椭圆关联波门相交且含有公共回波;
步骤3:若波门交叉则计算各波门对波门交叉域内点迹的支持度,采用基于置信度的概率数据关联算法进行航迹关联;
所述支持度的计算如下所示:
其中,cre(N1->mn),cre(N2->mn)分别为目标N1和目标N2对交叉域的置信度,xi,yi,zi分别代表波门内有效回波在三个方向坐标上的位置,xq,yq,zq代表k时刻各目标关联波门的中心在三个方向坐标上的位置,mn,m1,m2分别为有效回波的集合,集合中包含的元素具体如下所示:
mn={k时刻目标N1和目标N2交叉波门内的量测}
m1={k时刻落入目标N1关联波门内的量测}
m2={k时刻落入目标N2关联波门内的量测}
使用置信度修正回波与目标的关联概率:
对于交叉波门内任一量测i与目标关联概率βi(k)的计算如下所示:
βi(k)=cre(N1→n)Pr(θi(k)|mn) i=1,2,...,mn
利用修正后的关联概率系数对目标状态X(k|k)进行更新,如下所示:
其中,Xi(k|k)为目标状态更新估计;
步骤4:若波门不交叉则采用概率数据关联算法进行航迹关联;分别计算出波门内各回波来自真实目标的概率,然后将计算的各回波来自真实目标的概率作为加权系数,整合关联波门中各回波的加权系数和所处位置得到该时刻应关联的目标运动位置,用此位置来更新目标的运动状态;
步骤4.1设目标从开始运动,到t时刻的全部有效量测点迹所形成的确认量测的累积集合为Zt,Zt的表达式如下所示:
其中Z(i)代表t时刻落入其关联波门内的全部有效量测,其表达式如下所示:
其中,zj(t)为在t时刻落入其关联波门内的第j个有效量测点迹,mt代表在t时刻目标的关联波门内包含的全部有效量测点迹的数量;
步骤4.2假设以直到当前时刻t的累积有效确认关联量测点迹集合Zt为条件,计算t时刻波门中的第j个量测来自于目标的条件概率βj(t),βj(t)的计算如下所示:
步骤4.3目标状态条件均值如下式所示:
式中,K(t)为卡尔曼增益矩阵,νj(t)代表与量测点迹j所对应的新息矩阵,当j=0时,t时刻的关联波门中没有一个量测点迹源自目标,状态更新只能用t-1时刻对t时刻的目标运动状态预测值近似表示,如下所示:
考虑到j=0和j≠0两种情况,可得目标状态更新的最终表达式如式下所示:
步骤4.4状态更新过程中的误差协方差如下式所示:
采用上述技术方案所产生的有益效果在于:
本发明提出了一种空中雷达多目标跟踪下航迹关联的优化方法,与现有技术相比,引入置信度因子综合处理目标跟踪波门重叠区域的有效回波,舍去了确认矩阵的建立和拆分等过程,提高了系统的目标关联效率和跟踪性能,更适合应用于实际工程。
附图说明
图1为本发明航迹关联的优化方法流程图;
图2为本发明实施例中交叉波门示意图;
图3为本发明实施例中航迹关联算法对比图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
一种空中雷达多目标跟踪下航迹关联的优化方法,如图1所示,具体包括以下步骤:
步骤1:设计基于距离-速度的双重门限椭圆关联波门筛选回波,利用双重门限椭圆关联门对雷达量测的回波进行过滤;
所述距离-速度的双重门限椭圆关联波门包括距离跟踪门以及速度跟踪门;
所述距离跟踪门中,第一重限制是以回波与目标的预测位置为基础完成的,若波门内的回波不满足关于目标位置小于等于阈值γ的设定,则回波为无效波,摒弃无效回波;若回波满足目标位置属性的限制,则允许该回波落入基于距离的椭圆关联波门中,落入波门内的回波称为第一重有效回波,继续对落入基于距离的椭圆关联波门内的回波进行下一步检测,判断回波位置是否满足小于等于阈值γ,如下式所示:
所述速度跟踪门,现代雷达不仅具有距离测量的功能,还可利用多普勒效应,通过向目标发射正弦波,计算发射频率和接收频率的频率差来实现测速;
针对第一重有效回波进行第二重基于目标与回波速度的检测,判断量测回波速度满足设定条件,便以最终落入基于速度的椭圆关联门内的量测为有效量测,然后对该波门内的有效量测进行步骤2的处理,所述设定条件如下式所示:
步骤2:判断多个目标的关联波门是否交叉,即判断多个目标的距离-速度的椭圆关联波门相交且含有公共回波,如图2所示;
步骤3:若波门交叉则计算各波门对波门交叉域内点迹的支持度,采用基于置信度的概率数据关联算法进行航迹关联;
所述支持度的计算如下所示:
其中,cre(N1->mn),cre(N2->mn)分别为目标N1和目标N2对交叉域的置信度,xi,yi,zi分别代表波门内有效回波在三个方向坐标上的位置,xq,yq,zq代表k时刻各目标关联波门的中心在三个方向坐标上的位置,mn,m1,m2分别为有效回波的集合,集合中包含的元素具体如下所示:
mn={k时刻目标N1和目标N2交叉波门内的量测}
m1={k时刻落入目标N1关联波门内的量测}
m2={k时刻落入目标N2关联波门内的量测}
使用置信度修正回波与目标的关联概率:
对于交叉波门内任一量测i与目标关联概率βi(k)的计算如下所示:
βi(k)=cre(N1→n)Pr(θi(k)|mn) i=1,2,...,mn
利用修正后的关联概率系数对目标状态X(k|k)进行更新,如下所示:
其中,Xi(k|k)为目标状态更新估计;
步骤4:若波门不交叉则采用概率数据关联算法进行航迹关联;分别计算出波门内各回波来自真实目标的概率,然后将计算的各回波来自真实目标的概率作为加权系数,整合关联波门中各回波的加权系数和所处位置得到该时刻应关联的目标运动位置,用此位置来更新目标的运动状态;
步骤4.1设目标从开始运动,到t时刻的全部有效量测点迹所形成的确认量测的累积集合为Zt,Zt的表达式如下所示:
其中Z(i)代表t时刻落入其关联波门内的全部有效量测,其表达式如下所示:
其中,zj(t)为在t时刻落入其关联波门内的第j个有效量测点迹,mt代表在t时刻目标的关联波门内包含的全部有效量测点迹的数量;
步骤4.2假设以直到当前时刻t的累积有效确认关联量测点迹集合Zt为条件,计算t时刻波门中的第j个量测来自于目标的条件概率βj(t),βj(t)的计算如下所示:
步骤4.3目标状态条件均值如下式所示:
式中,K(t)为卡尔曼增益矩阵,νj(t)代表与量测点迹j所对应的新息矩阵,当j=0时,t时刻的关联波门中没有一个量测点迹源自目标,状态更新只能用t-1时刻对t时刻的目标运动状态预测值近似表示,如下所示:
考虑到j=0和j≠0两种情况,可得目标状态更新的最终表达式如式下所示:
步骤4.4状态更新过程中的误差协方差如下式所示:
本实施例中航迹关联算法对比图如图3所示,PDA算法,JPDA算法以及本发明所提出的PDA-C算法在目标跟踪过程中均未出现将目标跟丢的情况,同时本发明所提算法形成的跟踪轨迹在整体上更贴近目标的真实运动航迹。
Claims (3)
1.一种空中雷达多目标跟踪下航迹关联的优化方法,其特征在于,包括以下步骤:
步骤1:设计基于距离-速度的双重门限椭圆关联波门筛选回波,利用双重门限椭圆关联门对雷达量测的回波进行过滤;
所述距离-速度的双重门限椭圆关联波门包括距离跟踪门以及速度跟踪门;
所述距离跟踪门中,若波门内的回波不满足关于目标位置小于等于阈值γ的设定,则回波为无效波,摒弃无效回波;若回波满足目标位置属性的限制,则允许该回波落入基于距离的椭圆关联波门中,落入波门内的回波称为第一重有效回波,继续对落入基于距离的椭圆关联波门内的回波进行下一步检测,判断回波位置是否满足小于等于阈值γ,如下式所示:
所述速度跟踪门利用多普勒效应,通过向目标发射正弦波,计算发射频率和接收频率的频率差来实现测速;
针对第一重有效回波进行第二重基于目标与回波速度的检测,判断量测回波速度满足设定条件,便以最终落入基于速度的椭圆关联门内的量测为有效量测,然后对该波门内的有效量测进行步骤2的处理,所述设定条件如下式所示:
步骤2:判断多个目标的关联波门是否交叉,即判断多个目标的距离-速度的椭圆关联波门相交且含有公共回波;
步骤3:若波门交叉则计算各波门对波门交叉域内点迹的支持度,采用基于置信度的概率数据关联算法进行航迹关联;
步骤4:若波门不交叉则采用概率数据关联算法进行航迹关联;分别计算出波门内各回波来自真实目标的概率,然后将计算的各回波来自真实目标的概率作为加权系数,整合关联波门中各回波的加权系数和所处位置得到该时刻应关联的目标运动位置,用此位置来更新目标的运动状态。
2.根据权利要求1所述的一种基于多维数据评价的变压器运行状态综合预测方法,其特征在于,步骤3中所述支持度的计算如下所示:
其中,cre(N1->mn),cre(N2->mn)分别为目标N1和目标N2对交叉域的置信度,xi,yi,zi分别代表波门内有效回波在三个方向坐标上的位置,xq,yq,zq代表k时刻各目标关联波门的中心在三个方向坐标上的位置,mn,m1,m2分别为有效回波的集合,集合中包含的元素具体如下所示:
mn={k时刻目标N1和目标N2交叉波门内的量测}
m1={k时刻落入目标N1关联波门内的量测}
m2={k时刻落入目标N2关联波门内的量测}
使用置信度修正回波与目标的关联概率:
对于交叉波门内任一量测i与目标关联概率βi(k)的计算如下所示:
βi(k)=cre(N1→n)Pr(θi(k)|mn)i=1,2,...,mn
利用修正后的关联概率系数对目标状态X(k|k)进行更新,如下所示:
其中,Xi(k|k)为目标状态更新估计。
3.根据权利要求1所述的一种基于多维数据评价的变压器运行状态综合预测方法,其特征在于,步骤4具体包括:
步骤4.1:设目标从开始运动,到t时刻的全部有效量测点迹所形成的确认量测的累积集合为Zt,Zt的表达式如下所示:
其中Z(i)代表t时刻落入其关联波门内的全部有效量测,其表达式如下所示:
其中,zj(t)为在t时刻落入其关联波门内的第j个有效量测点迹,mt代表在t时刻目标的关联波门内包含的全部有效量测点迹的数量;
步骤4.2:假设以直到当前时刻t的累积有效确认关联量测点迹集合Zt为条件,计算t时刻波门中的第j个量测来自于目标的条件概率βj(t),βj(t)的计算如下所示:
步骤4.3:目标状态条件均值如下式所示:
式中,K(t)为卡尔曼增益矩阵,νj(t)代表与量测点迹j所对应的新息矩阵,当j=0时,t时刻的关联波门中没有一个量测点迹源自目标,状态更新只能用t-1时刻对t时刻的目标运动状态预测值近似表示,如下所示:
考虑到j=0和j≠0两种情况,可得目标状态更新的最终表达式如式下所示:
步骤4.4:状态更新过程中的误差协方差如下式所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110291309.0A CN113064155B (zh) | 2021-03-18 | 2021-03-18 | 一种空中雷达多目标跟踪下航迹关联的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110291309.0A CN113064155B (zh) | 2021-03-18 | 2021-03-18 | 一种空中雷达多目标跟踪下航迹关联的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113064155A true CN113064155A (zh) | 2021-07-02 |
CN113064155B CN113064155B (zh) | 2023-09-15 |
Family
ID=76562025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110291309.0A Active CN113064155B (zh) | 2021-03-18 | 2021-03-18 | 一种空中雷达多目标跟踪下航迹关联的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113064155B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113484866A (zh) * | 2021-07-05 | 2021-10-08 | 哈尔滨工程大学 | 一种基于被动声呐方位历程图的多目标检测跟踪方法 |
CN113702940A (zh) * | 2021-09-18 | 2021-11-26 | 中国人民解放军63921部队 | 基于多元特征信息分层融合空间集群目标分辨方法及应用 |
CN113866754A (zh) * | 2021-09-14 | 2021-12-31 | 西安电子科技大学 | 基于高斯分布波门的运动目标航迹关联方法 |
CN114859339A (zh) * | 2022-04-29 | 2022-08-05 | 电子科技大学 | 一种基于毫米波雷达的多目标跟踪方法 |
CN114994633A (zh) * | 2022-08-04 | 2022-09-02 | 四川九洲空管科技有限责任公司 | 一种用于二次雷达点航迹相关处理的方法 |
CN115542308A (zh) * | 2022-12-05 | 2022-12-30 | 德心智能科技(常州)有限公司 | 基于毫米波雷达的室内人员探测方法、装置、设备及介质 |
CN115808682A (zh) * | 2023-01-17 | 2023-03-17 | 湖北工业大学 | 基于车载毫米波雷达的稳定多目标跟踪方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000304854A (ja) * | 1999-04-26 | 2000-11-02 | Mitsubishi Electric Corp | 目標追尾方法及び目標追尾装置 |
CN106199584A (zh) * | 2016-07-05 | 2016-12-07 | 电子科技大学 | 一种基于量测存储的航迹起始方法 |
CN111007495A (zh) * | 2019-12-10 | 2020-04-14 | 西安电子科技大学 | 一种基于双重融合最大熵模糊聚类jpda的目标航迹优化方法 |
WO2020260649A1 (fr) * | 2019-06-26 | 2020-12-30 | Thales | Dispositif radar pour la détection d'un comportement de référence de cibles pistées; procédé et produit programme d'ordinateur associés |
-
2021
- 2021-03-18 CN CN202110291309.0A patent/CN113064155B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000304854A (ja) * | 1999-04-26 | 2000-11-02 | Mitsubishi Electric Corp | 目標追尾方法及び目標追尾装置 |
CN106199584A (zh) * | 2016-07-05 | 2016-12-07 | 电子科技大学 | 一种基于量测存储的航迹起始方法 |
WO2020260649A1 (fr) * | 2019-06-26 | 2020-12-30 | Thales | Dispositif radar pour la détection d'un comportement de référence de cibles pistées; procédé et produit programme d'ordinateur associés |
CN111007495A (zh) * | 2019-12-10 | 2020-04-14 | 西安电子科技大学 | 一种基于双重融合最大熵模糊聚类jpda的目标航迹优化方法 |
Non-Patent Citations (3)
Title |
---|
DEYU ZHANG ET AL.: ""Delay-Optimal Proactive Service Framework for Block-Stream as a Service"", 《IEEE WIRELESS COMMUNICATIONS LETTERS》, vol. 7, no. 4, XP011691627, DOI: 10.1109/LWC.2018.2799935 * |
汤军;孙伟;: "弹道目标跟踪的自适应多维分配相关算法", 弹道学报, vol. 23, no. 02 * |
赵菡;诸葛晶晶;林家骏;: "杂波环境下强机动目标自适应关联波门选择", 计算机应用与软件, no. 08 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113484866A (zh) * | 2021-07-05 | 2021-10-08 | 哈尔滨工程大学 | 一种基于被动声呐方位历程图的多目标检测跟踪方法 |
CN113484866B (zh) * | 2021-07-05 | 2022-04-29 | 哈尔滨工程大学 | 一种基于被动声呐方位历程图的多目标检测跟踪方法 |
CN113866754A (zh) * | 2021-09-14 | 2021-12-31 | 西安电子科技大学 | 基于高斯分布波门的运动目标航迹关联方法 |
CN113866754B (zh) * | 2021-09-14 | 2024-05-14 | 西安电子科技大学 | 基于高斯分布波门的运动目标航迹关联方法 |
CN113702940A (zh) * | 2021-09-18 | 2021-11-26 | 中国人民解放军63921部队 | 基于多元特征信息分层融合空间集群目标分辨方法及应用 |
CN113702940B (zh) * | 2021-09-18 | 2022-06-21 | 中国人民解放军63921部队 | 基于多元特征信息分层融合空间集群目标分辨方法及应用 |
CN114859339A (zh) * | 2022-04-29 | 2022-08-05 | 电子科技大学 | 一种基于毫米波雷达的多目标跟踪方法 |
CN114859339B (zh) * | 2022-04-29 | 2023-06-02 | 电子科技大学 | 一种基于毫米波雷达的多目标跟踪方法 |
CN114994633A (zh) * | 2022-08-04 | 2022-09-02 | 四川九洲空管科技有限责任公司 | 一种用于二次雷达点航迹相关处理的方法 |
CN115542308A (zh) * | 2022-12-05 | 2022-12-30 | 德心智能科技(常州)有限公司 | 基于毫米波雷达的室内人员探测方法、装置、设备及介质 |
CN115542308B (zh) * | 2022-12-05 | 2023-03-31 | 德心智能科技(常州)有限公司 | 基于毫米波雷达的室内人员探测方法、装置、设备及介质 |
CN115808682A (zh) * | 2023-01-17 | 2023-03-17 | 湖北工业大学 | 基于车载毫米波雷达的稳定多目标跟踪方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113064155B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113064155A (zh) | 一种空中雷达多目标跟踪下航迹关联的优化方法 | |
CN109100714B (zh) | 一种基于极坐标系的低慢小目标跟踪方法 | |
CN109633589A (zh) | 目标跟踪中基于多模型优化多假设的多目标数据关联方法 | |
CN107688179B (zh) | 基于多普勒信息辅助的综合概率数据互联方法 | |
CN109946671B (zh) | 一种基于双门限判决的水下机动弱目标检测跟踪方法 | |
CN111007495A (zh) | 一种基于双重融合最大熵模糊聚类jpda的目标航迹优化方法 | |
CN103472445A (zh) | 一种针对多目标场景的检测跟踪一体化方法 | |
CN113671481B (zh) | 一种基于毫米波雷达的3d多目标跟踪处理方法 | |
CN107436434B (zh) | 基于双向多普勒估计的航迹起始方法 | |
CN105510896A (zh) | 一种集中式多雷达数据处理的加权最近邻域数据关联方法 | |
WO2024001629A1 (zh) | 一种面向智能驾驶车辆的多传感器融合方法及系统 | |
CN102879774B (zh) | 高频地波超视距雷达短航迹合成方法和装置 | |
CN111142101B (zh) | 一种数据关联方法 | |
CN114859304B (zh) | 一种抗智能拖引干扰的数据互联方法 | |
CN113866754B (zh) | 基于高斯分布波门的运动目标航迹关联方法 | |
CN115220002B (zh) | 一种固定单站的多目标数据关联跟踪方法和相关装置 | |
CN113721237B (zh) | 一种多隶属度的目标智能匹配算法 | |
JP4166651B2 (ja) | 目標追尾装置 | |
CN115773756A (zh) | 一种面向全态势感知的目标信息融合方法 | |
CN107561506A (zh) | 一种多级虚警概率联合递推目标检测方法 | |
CN111679270B (zh) | 一种反射点不确定场景下多路径融合目标检测算法 | |
CN113126086B (zh) | 一种基于状态预测积累的生命探测雷达弱目标检测方法 | |
CN115144847A (zh) | 针对海杂波中弱目标探测的参数空间多通道目标搜索技术 | |
Wang et al. | Research on multi-maneuvering target tracking JPDA algorithm | |
CN116500574B (zh) | 偏态分布条件下的非线性扩展目标跟踪滤波方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |