标记关联的多声呐多目标航迹融合方法

发布时间：2024-02-23 14:15

　　为解决基于高斯混合概率假设密度滤波器的多声呐多目标跟踪算法无法提供目标航迹问题,本文提出了一种标记关联的航迹生成、融合方法。该方法通过关联算法、外推法实现了航迹标记更新,解决了目标航迹生成问题。通过标记关联信息,实现了航迹融合。仿真试验表明:该方法不仅可以滤除假目标干扰,还可以准确地提供目标航迹信息。

【文章页数】：7 页

【部分图文】：

图1分布式多声呐数据融合结构

如图1所示,在分布式多传感器融合方法框架下,本文首先利用GMPHD滤波器为每个声呐的量测进行独立滤波,得到局部估计(点迹)。其次,为局部估计增加一个特殊的标记,并利用关联算法确定局部估计间的关联关系,完成标记更新并形成局部航迹。再次,利用关联算法确定不同声呐局部估计之间的关联关系....

图2分布式多声呐航迹关联示意

首先,仿照2.2.1节中的做法,为全局航迹建立标记lk(0)=[0kindex]T。其次,构建全局标记关联历史表(简称AH表),记录全局航迹与各个局部航迹标记之间的关联关系。若各声呐的局部航迹如图2所示,则对应的AH表如表1所示。可以看出,利用AH表可以优化关联计算问题....

图3常规观测场景下的仿真结果

如图3所示为本次仿真试验结果。可以看出,图3(a)和(b)体现了GMPHD具有良好的目标跟踪滤波能力;图3(c)的仿真结果不仅证明了本方法能够实现多声呐的数据融合,得到全局估计结果,还很好地形成了目标航迹;图3(d)的OSPA分析结果则表明了全局估计结果相比任意局部声呐的估计跟踪....

图4间断观测场景下的仿真结果

在图5(a)中,声呐1在(-450,-150)处附近产生了一个明显的错误估计。由于本文的加权融合策略,导致了全局航迹估计中产生了对应的错误航迹(如图5(c)所示)。但是,利用本文的延时滤波器,可以滤掉将这种存活时间较短的假目标航迹,降低了加权融合策略所导致的全局估计中存在假目标的....

本文编号：3907620