杂波环境下雷达/红外融合跟踪的修正概率数据互联滤波算法

J4 ›› 2013, Vol. 35 ›› Issue (12): 185-190.

• 论文 • 上一篇

杂波环境下雷达/红外融合跟踪的修正概率数据互联滤波算法

崔彦凯1,梁晓庚1,2

(1.西北工业大学自动化学院，陕西西安 710072；2.中国空空导弹研究院科技部，河南洛阳 471000)

收稿日期:2012-05-15 修回日期:2012-09-06 出版日期:2013-12-25 发布日期:2013-12-25

Modified probabilistic data association filter algorithm of Radar/IR fusion tracking in clutter environment

CUI Yankai1,LIANG Xiaogeng1,2

(1.College of Automation,Northwestern Polytechnical University,Xi’an 710072;2.Department of Technology,China Airborne Missile Academy,Luoyang 471000,China)

Received:2012-05-15 Revised:2012-09-06 Online:2013-12-25 Published:2013-12-25

摘要/Abstract

摘要：

为解决杂波环境下转弯机动目标跟踪过程中的数据关联问题，提出了雷达/红外融合跟踪修正概率数据互联滤波算法。修正概率数据互联算法利用前一时刻目标的状态和转弯角速度，依据目标转弯机动能力及测量噪声等因素的影响，求出当前时刻转弯角速度变化范围，在转弯角速度变化范围内，求出与当前时刻每一测量值最匹配的转弯角速度、预测中心、新息协方差阵及权重系数，从而决定该测量在状态更新时的权重。仿真结果表明，雷达/红外融合跟踪修正概率数据互联滤波算法提高了跟踪精度，降低了航迹丢失率。

关键词: 目标跟踪, 修正概率数据互联滤波, 杂波环境, 转弯机动

Abstract:

Modified Probabilistic Data Association Filter (MPDAF) algorithm of Radar/IR fusion tracking algorithm was proposed to solve the problem of data association of turn maneuvering target tracking in clutter environment. The range of current time turn angular velocity can be obtained by turn maneuver capability, measurement noise, previous time target status and turn angular velocity. MPDAF gets the best match turn angular velocity, prediction center, new interest covariance and weight coefficient according to each measurement value. The weight coefficient decided the weight of the measurement value during status update. Simulation results show that the MPDAF algorithm of Radar/IR fusion tracking improves tracking accuracy and reduces tracking loss rate.

Key words: target tracking；modified probabilistic data association filter；clutter environment；turn maneuvering

崔彦凯1,梁晓庚1,2. 杂波环境下雷达/红外融合跟踪的修正概率数据互联滤波算法[J]. J4, 2013, 35(12): 185-190.

CUI Yankai1,LIANG Xiaogeng1,2. Modified probabilistic data association filter algorithm of Radar/IR fusion tracking in clutter environment [J]. J4, 2013, 35(12): 185-190.

[1]	马玉民, 钱育蓉, 周伟航, 公维军, 帕力旦·吐尔逊. 基于孪生网络的目标跟踪算法综述[J]. 计算机工程与科学, 2023, 45(09): 1578-1592.
[2]	崔克彬, 崔叶微. 基于卷积和Transformer的断路器动触头跟踪方法研究[J]. 计算机工程与科学, 2023, 45(07): 1236-1244.
[3]	杨冬英, 贺江鹏 . 针对机动目标的改进型交互多模型跟踪算法研究[J]. 计算机工程与科学, 2022, 44(04): 686-691.
[4]	冯琪堯, 张惊雷, . 基于混合注意力机制的目标跟踪算法[J]. 计算机工程与科学, 2022, 44(02): 276-282.
[5]	方梦华, 姜添, . 基于无监督学习的无人机目标跟踪[J]. 计算机工程与科学, 2021, 43(06): 1024-1031.
[6]	张晓丽, 张龙信, 肖满生, 左国才. 快速多域卷积神经网络和光流法融合的目标跟踪[J]. 计算机工程与科学, 2020, 42(12): 2217-2222.
[7]	徐亮, 张江, 张晶, 杨亚琦. 基于VGG网络的鲁棒目标跟踪算法[J]. 计算机工程与科学, 2020, 42(08): 1406-1413.
[8]	李星辰，柳晓鸣，成晓男. 融合YOLO检测的多目标跟踪算法[J]. 计算机工程与科学, 2020, 42(04): 665-672.
[9]	黄云明1，张晶1,2，喻小惠1，陶涛3，龚力波4. 改进STC和SURF特征联合优化的目标跟踪算法[J]. 计算机工程与科学, 2019, 41(10): 1795-1802.
[10]	火元莲，曹鹏飞，董俊松，石明. 基于融合特征的多尺度快速相关滤波跟踪算法[J]. 计算机工程与科学, 2019, 41(03): 559-566.
[11]	张晶，王旭,范洪博. 自适应目标变化的时空上下文抗遮挡跟踪算法[J]. 计算机工程与科学, 2018, 40(09): 1653-1661.
[12]	张丹1，陈兴文1，赵姝颖2. 基于水平集的TLD目标跟踪改进算法[J]. 计算机工程与科学, 2017, 39(05): 984-991.
[13]	李娜1,2,3，赵祥模1，赵凤2,3，刘卫华2,3，王倩2,3. 基于外观模型的目标跟踪算法研究进展[J]. 计算机工程与科学, 2017, 39(03): 524-533.
[14]	陈伟1,祝恩1,刘天航1,殷建平1,邱明辉2. 目标跟踪算法的并行优化[J]. 计算机工程与科学, 2016, 38(11): 2177-2182.
[15]	陈金广，江梦茜，马丽丽. 部分监测区域重叠条件下的扩展目标跟踪[J]. J4, 2016, 38(06): 1231-1237.

杂波环境下雷达/红外融合跟踪的修正概率数据互联滤波算法

Modified probabilistic data association filter algorithm of Radar/IR fusion tracking in clutter environment

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价