采用目标假设的三被动式传感器数据关联算法
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
·300·
第 58 卷
曹孝文,杨雨航,彭笑非:采用目标假设的三被动式传感器数据关联算法
第3 期
进行多目标跟踪的技术越来越受到各个国家的重 视,并广泛应用在空中交通管制、太空监测和雷达跟 踪等系统中。
多目标跟踪 ( Multi - target Tracking, MTT) 理论 最早由 Wax 在 1955 年提出,1964 年 Sittler 给出最 优关联贝叶斯方法, 为 MTT 技术的发展奠定了基 础。 多目标多传感器跟踪的核心问题之一就是数据 关联[1] ,即建立每一个传感器的测量和其他传感器 测量的关系,以确定哪些测量是来自于同一目标。 近年来,国内外学者就该问题进行了大量的研究,并 取得了一些成果。 常见的多目标数据关联算法包括 最近邻( Nearest Neighbor,NN) 算法、联合概率数据 关联 ( Joint Probabilistic Data Association, JPDA) 算 法、多假设跟踪( Multiple Hypothesis Tracking,MHT) 算法以及多维匹配( S -D Assignment) 算法。 其中, 最近邻算法优点是算法结构易于实现、计算量小,缺 点是抗干扰能力差、算法精度不高;联合概率数据关 联算法是在概率数据互联( Probabilistic Data Associ鄄 ation,PDA) 算法基础上,引入“ 聚冶 ( Clutter) 的概念, 面向多目标关联域相交环境,理论上是比较完善的 算法,然而有着计算复杂、运行效率低的缺点,因此 极少得到应用;多假设跟踪算法则使用显式枚举的 方法解决数据互联问题,运算时间随问题的规模呈 指数增长;多维匹配算法是一种组合最优化方法,通 过对测量划分的联合似然函数的极大化将数据关联 问题转化为多维匹配问题。
开放科学( 资源服务) 标识码( OSID) :
微信扫描二维码 听独家语音介绍 与作者在线交流
中图分类号:TN953摇 摇 文献标志码:A摇 摇 文章编号:1001-893X(2018)03-0300-06
A Data Association Algorithm for Three-Passive-Sensor Based on Target Assumption
CAO Xiaowen,YANG Yuhang,PENG Xiaofei
( The Second Research Institute of Civil Aviation Administration of China,Chengdu 610041,China)
Abstract:Passive sensor target tracking is one of the important research directions in multiple sensor multitarget tracking field. Aiming at the three-dimension assignment problem of data association for three-passive -sensor and multi-target location system,an improved Lagrangian relaxation algorithm is presented which can be rapidly converged on the condition that missed detection and false alarm are allowed. On the assumption that some targets are real ones,the cost matrix is modified,which contributes to the fast convergence of La鄄 grangian relaxation. Theoretical analysis and simulation results show that the modified algorithm improves the speed and accuracy of data association,especially in multiple target and / or heavy noise condition. Key words:target tracking;passive sensor;multi-target location system;data association;Lagrangian relax鄄 ation;cost matrix
采用目标假设的三被动式传感器数据关联算法*
曹孝文**,杨雨航,彭笑非
( 中国民用航空局第二研究所,成都 61多传感器多目标跟踪领域的一个重要研究方向。 针对三被动式传 感器多目标定位系统全局最优数据关联的三维分配问题,在允许传感器漏检和虚警的情况下,通过 分析拉格朗日松弛算法,提出一种假定真实目标的快速收敛算法。 该算法通过粗关联假定真实目标 并重新修改代价矩阵,然后进行细关联,使得拉格朗日松弛算法在保证关联精度的前提下有效地提 高了收敛速度。 理论分析和实验结果表明,该算法提高了数据关联的速度,并在一定程度上提高了 关联准确率。 关键词:目标跟踪;被动式传感器;多目标定位系统;数据关联;拉格朗日松弛;代价矩阵
第 58 卷 第 3 期 2018 年 3 月
电讯技术 Telecommunication Engineering
Vol. 58,No. 3 March,2018
doi:10. 3969 / j. issn. 1001-893x. 2018. 03. 011
引用格式:曹孝文,杨雨航,彭笑非. 采用目标假设的三被动式传感器数据关联算法[ J] . 电讯技术,2018,58(3) :300-305. [ CAO Xiaowen,YANG Yuhang,PENG Xiaofei. A data association algorithm for three-passive-sensor based on target assumption[ J] . Telecommunication Engineering, 2018,58(3) :300-305. ]
1摇 引摇 言
随着现代军事技术的迅速发展,如电子干扰、隐 身和反隐等技术的产生和发展,使得搜索跟踪防御 系统的要求越来越高,难度越来越大,以至于像传统
的雷达系统由于自身隐蔽性差的缺点正受到严重的 威胁。 而被动式传感器凭借其良好的隐蔽性和强抗 干扰能力及生存能力,在现代军事战争中逐步占据 着越来越重要的地位。 因此,利用多被动式传感器
* 收稿日期:2017-07-21;修回日期:2017-10-13摇 摇 Received date:2017-07-21;Revised date:2017-10-13 ** 通信作者:caoxiaowen@ caacsri. com摇 摇 Corresponding author:caoxiaowen@ caacsri. com
第 58 卷
曹孝文,杨雨航,彭笑非:采用目标假设的三被动式传感器数据关联算法
第3 期
进行多目标跟踪的技术越来越受到各个国家的重 视,并广泛应用在空中交通管制、太空监测和雷达跟 踪等系统中。
多目标跟踪 ( Multi - target Tracking, MTT) 理论 最早由 Wax 在 1955 年提出,1964 年 Sittler 给出最 优关联贝叶斯方法, 为 MTT 技术的发展奠定了基 础。 多目标多传感器跟踪的核心问题之一就是数据 关联[1] ,即建立每一个传感器的测量和其他传感器 测量的关系,以确定哪些测量是来自于同一目标。 近年来,国内外学者就该问题进行了大量的研究,并 取得了一些成果。 常见的多目标数据关联算法包括 最近邻( Nearest Neighbor,NN) 算法、联合概率数据 关联 ( Joint Probabilistic Data Association, JPDA) 算 法、多假设跟踪( Multiple Hypothesis Tracking,MHT) 算法以及多维匹配( S -D Assignment) 算法。 其中, 最近邻算法优点是算法结构易于实现、计算量小,缺 点是抗干扰能力差、算法精度不高;联合概率数据关 联算法是在概率数据互联( Probabilistic Data Associ鄄 ation,PDA) 算法基础上,引入“ 聚冶 ( Clutter) 的概念, 面向多目标关联域相交环境,理论上是比较完善的 算法,然而有着计算复杂、运行效率低的缺点,因此 极少得到应用;多假设跟踪算法则使用显式枚举的 方法解决数据互联问题,运算时间随问题的规模呈 指数增长;多维匹配算法是一种组合最优化方法,通 过对测量划分的联合似然函数的极大化将数据关联 问题转化为多维匹配问题。
开放科学( 资源服务) 标识码( OSID) :
微信扫描二维码 听独家语音介绍 与作者在线交流
中图分类号:TN953摇 摇 文献标志码:A摇 摇 文章编号:1001-893X(2018)03-0300-06
A Data Association Algorithm for Three-Passive-Sensor Based on Target Assumption
CAO Xiaowen,YANG Yuhang,PENG Xiaofei
( The Second Research Institute of Civil Aviation Administration of China,Chengdu 610041,China)
Abstract:Passive sensor target tracking is one of the important research directions in multiple sensor multitarget tracking field. Aiming at the three-dimension assignment problem of data association for three-passive -sensor and multi-target location system,an improved Lagrangian relaxation algorithm is presented which can be rapidly converged on the condition that missed detection and false alarm are allowed. On the assumption that some targets are real ones,the cost matrix is modified,which contributes to the fast convergence of La鄄 grangian relaxation. Theoretical analysis and simulation results show that the modified algorithm improves the speed and accuracy of data association,especially in multiple target and / or heavy noise condition. Key words:target tracking;passive sensor;multi-target location system;data association;Lagrangian relax鄄 ation;cost matrix
采用目标假设的三被动式传感器数据关联算法*
曹孝文**,杨雨航,彭笑非
( 中国民用航空局第二研究所,成都 61多传感器多目标跟踪领域的一个重要研究方向。 针对三被动式传 感器多目标定位系统全局最优数据关联的三维分配问题,在允许传感器漏检和虚警的情况下,通过 分析拉格朗日松弛算法,提出一种假定真实目标的快速收敛算法。 该算法通过粗关联假定真实目标 并重新修改代价矩阵,然后进行细关联,使得拉格朗日松弛算法在保证关联精度的前提下有效地提 高了收敛速度。 理论分析和实验结果表明,该算法提高了数据关联的速度,并在一定程度上提高了 关联准确率。 关键词:目标跟踪;被动式传感器;多目标定位系统;数据关联;拉格朗日松弛;代价矩阵
第 58 卷 第 3 期 2018 年 3 月
电讯技术 Telecommunication Engineering
Vol. 58,No. 3 March,2018
doi:10. 3969 / j. issn. 1001-893x. 2018. 03. 011
引用格式:曹孝文,杨雨航,彭笑非. 采用目标假设的三被动式传感器数据关联算法[ J] . 电讯技术,2018,58(3) :300-305. [ CAO Xiaowen,YANG Yuhang,PENG Xiaofei. A data association algorithm for three-passive-sensor based on target assumption[ J] . Telecommunication Engineering, 2018,58(3) :300-305. ]
1摇 引摇 言
随着现代军事技术的迅速发展,如电子干扰、隐 身和反隐等技术的产生和发展,使得搜索跟踪防御 系统的要求越来越高,难度越来越大,以至于像传统
的雷达系统由于自身隐蔽性差的缺点正受到严重的 威胁。 而被动式传感器凭借其良好的隐蔽性和强抗 干扰能力及生存能力,在现代军事战争中逐步占据 着越来越重要的地位。 因此,利用多被动式传感器
* 收稿日期:2017-07-21;修回日期:2017-10-13摇 摇 Received date:2017-07-21;Revised date:2017-10-13 ** 通信作者:caoxiaowen@ caacsri. com摇 摇 Corresponding author:caoxiaowen@ caacsri. com