CN104155650B - 一种基于熵权值法点迹质量评估的目标跟踪方法 - Google Patents
一种基于熵权值法点迹质量评估的目标跟踪方法 Download PDFInfo
- Publication number
- CN104155650B CN104155650B CN201410401795.7A CN201410401795A CN104155650B CN 104155650 B CN104155650 B CN 104155650B CN 201410401795 A CN201410401795 A CN 201410401795A CN 104155650 B CN104155650 B CN 104155650B
- Authority
- CN
- China
- Prior art keywords
- target
- value
- mennei
- delta
- echo
- 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.)
- Active
Links
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
-
- 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
- G01S7/414—Discriminating targets with respect to background clutter
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
该发明涉及一种基于点迹质量评估的最近邻域目标跟踪方法,属于雷达目标跟踪技术领域,特别涉及一种基于熵权值的多评估指标信息融合的目标跟踪方法。本发明提出了依据点迹的多种特征综合评估改进最近邻域关联度方法。在数据关联时,对落入波门内的点迹综合考虑位置、幅度、多普勒、工作频率四种量测指标,参考预测值或先验信息得到各指标下的评估值,运用熵权值法确定权值,得到综合评估值,利用质量评估中最优量测代替传统方法中离预测点距离最小的量测作为航迹更新。从而提高传感器信息利用率,提高在复杂环境下微弱目标跟踪性能。
Description
技术领域
本发明属于雷达目标跟踪技术领域,特别涉及一种基于熵权值的多评估指标信息融合的目标跟踪方法。
技术背景
目前,由于雷达监视场景中的山地、城市、海洋等形成的强杂波、强噪声背景的干扰,目标本身的机动、隐身的影响,雷达目标跟踪技术面临着巨大的挑战。在复杂背景下,有些杂波无论在时域还是频域上都与目标相似,恒虚警检测技术难以有效区分杂波与目标,大量的虚假点迹给后端目标跟踪、数据关联带来巨大挑战。
目标跟踪问题的核心部分是数据关联。常见的数据关联方法主要有最近邻方法(NN)和概率数据关联方法(PDA)等,它们均是利用传感器获取与目标状态向量计算直接相关的信息,如文献“Tracking in clutter with nearest neighbor filters:Analysisand performance.IEEE Trans.Aerospace Electron.Syst.32:995-1010”提出了一种最近邻的数据关联算法,用离预测值统计距离最近的点更新航迹,该算法具有计算量小和对杂波分布变化鲁棒性好的特点,但在杂波密度较高的环境中,仅考虑位置信息作硬判决,很可能造成误跟或丢失目标的情况。事实上,传感器并不只是获取点迹的位置信息,还可以获得更多的有关目标的其它特征数据。在无源多目标跟踪过程中,通常可以直接用于计算目标状态的量测数据包括信号到达方向(DOA)、信号到达时间(TOA)以及多普勒频率、幅度等。无源定位***可获得的辐射源特征数据包括:极化相位、工作频率、脉宽、脉幅、脉冲重复周期等。文献“王杰贵,罗景青.基于多目标多特征信息融合数据关联的无源跟踪方法[J].电子学报,2004,32(6):1013-1016.2004(06)”中,在跟踪时利用了目标的频率、脉宽、脉冲重复周期三种知识辅助特征,并分别看作不同的证据源,利用Dempste-Shafer证据理论进行多特征信息融合,得到各个有效观测与真实目标的关联度,但该方法并未充分考虑特征之间的相互关系,在信息合成权值分配时“视具体情况而定”,即采用经验权值,这样导致在实际应用中带有一定主观性,即使是同一操作者,在不同的时间和环境对同一对象也往往会得出不一致的主观判断。这必然使信息合成过程带有很大程度的主观臆断性,从而使信息合成结果的可信度下降,难以保证跟踪性能,缺乏通用性。
发明内容
本发明的目的是针对背景技术的不足之处改进设计一种基于熵权值法点迹质量评估的目标跟踪方法,该方法在最近邻域基础上,首先建立评估模型,利用运筹学中的熵权值法对波门内点的多种指标进行综合评估,用质量评估最优点来更新航迹,从而提高传感器信息利用率,提高在复杂环境下微弱目标跟踪性能。
本发明一种基于熵权值法点迹质量评估的目标跟踪方法,该方法包括:
步骤1、初始化目标状态X(k)及目标协方差矩阵P(k),k=0;
目标的状态转移方程为:
X(k+1)=FX(k)+ω(k)
其中,F为状态转移矩阵,ω(k)为零均值的高斯过程噪声,其协方差矩阵为Q,量测模型为:
Z(k)=HX(k)+v(k)
Z(k)是目标量测,H为观测矩阵,v(k)为零均值的高斯观测噪声,其协方差矩阵为R;
步骤2、根据k-1时刻目标t的状态X(k-1)及其协方差矩阵P(k-1),得到k时刻目标t的状态预测值:
X(k|k-1)=FX(k-1)
量测预测值:
Z(k|k-1)=HX(k|k-1)
协方差一步预测值P(k|k-1):
P(k|k-1)=FP(k-1)FT+Q;
步骤3、从雷达接收机中读取第k帧位置量测集合zi(k)为k时刻的第i个量测,同时,并获取第k帧量测幅度集合多普勒集合工作频率集合且每个位置量测值对应三个知识辅助量测指标a(k)、d(k)、f(k),
计算量测值z(k)是否满足下式,若满足则作为候选回波,并统计满足要求的回波个数,
[z(k)-Z(k|k-1)]TS-1(k)×[z(k)-Z(k|k-1)]≤γ
其中S(k)为k时刻的新息协方差S(k)=HP(k|k-1)HT+R,γ为预先设定的波门大小;
步骤4、根据步骤3统计得到落入波门内的候选目标个数,来更新目标航迹,
若候选回波个数为零,即没有量测落入相关波门内,用步骤2的预测值更新航迹,转入步骤8.1;
若落入相关波门内的量测值只有一个,则该量测值可直接用于航迹更新,转入步骤8.2;
若有一个以上的回波落入被跟踪目标的相关波门内,则对波门内点迹进行质量评估,选取最优点,转入步骤5;
步骤5、计算各候选回波的空间位置评估值、幅度评估值、多普勒评估值、工作频率评估值,得到各评估指标下的评估向量,再将评估向量组合为一个评估矩阵A;
步骤6、计算出各项评估指标的熵权法权值,组成权值向量;
步骤6.1设xij为点迹质量矩阵A中的元素,i=1,2,3,...,mk,mk为落入波门内的有效量测总个数,j=1,2,3,4分别代表四项量测指标,然后进行数据平移,即用xij+1作为平移后的xij,因利用熵值求权数时要用对数进行计算,进行数据平移可避免取对数时无意义;
步骤6.2计算第j项指标下第i个因子的值在此项指标中所占的比重
步骤6.3计算第j项指标的熵值
步骤6.4计算第j项指标的差异系数:
步骤6.5计算权值得到四项评估指标权值向量;
步骤7、将步骤5得到的评估矩阵与步骤6得到的权值向量相乘,得到最终质量评估值V=Aw,找到评估值V中最大值对应的位置iop,得到波门内最优量测zop(k);
步骤8、计算目标t的滤波增益矩阵K(k)=P(k|k-1)H(k)S(k)-1,得到状态更新表达式x(k|k),进行航迹更新;
步骤8.1若候选回波个数为零,即没有量测落入相关波门内,利用预测点更新航迹;
x(k|k)=x(k|k-1)
P(k|k)=P(k|k-1)
步骤8.2若落入相关波门内的量测值只有一个,则该量测值可直接用于航迹更新;
x(k|k)=x(k|k-1)+K(k)[z(k)-HX(k|k-1)]
P(k|k)=P(k|k-1)-K(k)HP(k|k-1)
步骤8.3若波门内有多个点,则选取经过点迹质量评估后用最优点更新航迹
x(k|k)=x(k|k-1)+K(k)[zop(k)-Z(k|k-1)]
P(k|k)=P(k|k-1)-K(k)HP(k|k-1)。
所述步骤5的具体步骤为:
步骤5.1计算空间位置评估值:
在k时刻,波门内mk个有效状态量测为zi(k),i=1,2,3,...,mk,第i个状态量测的滤波残差向量为vi(k)=zi(k)-Z(k|k-1),其与预测位置的统计距离为第i个有效量测的空间位置评估值为:
步骤5.2计算幅度评估值:
在k时刻,波门内mk个有效观测幅度信息为ai(k),i=1,2,3,...,mk,定义幅度评估值ma:
其中,p0(a)回波信号仅来自于噪声或杂波时幅度的概率密度函数,p1(a)为回波信号包含目标信号时的概率密度函数,T为检测门限,pfa、pd分别为虚警概率、检测概率;
步骤5.3计算多普勒评估值:
在k时刻,波门内mk个有效观测的多普勒信息为di(k),i=1,2,3,...,mk,设第k-1次采样时该跟踪波门所对应目标的多普勒频率观测值为d(k-1),记观测多普勒差Δdi(k)=|di(k)-d(k-1)|,多普勒频率的评估值记为md:
步骤5.4工作频率的评估值:
在k时刻,波门内mk个有效观测工作频率信息为fi(k),i=1,2,3,...,mk,设第k-1次采样时该跟踪波门所对应目标的工作频率观测值为f(k-1),记Δfi(k)=|fi(k)-f(k-1)|,为观测频差,工作频率的评估值记为mf,仅考虑固定频率FIX类型的目标,第i个有效观测的mf为:
其中εf是由***噪声与量测噪声所确定的测频容差;
步骤5.5将步骤5.1、5.2、5.3、5.4得到的各评估指标组成点迹质量评估矩阵A,即A=[ms;ma;md;mf]T。
本发明一种基于熵权值法点迹质量评估的目标跟踪方法,利用预测信息从每一种特征角度分析该点迹源自目标的可能性,并运用运筹学中的综合评估方法——熵权法确定多指标评估的权值,进而对点迹质量有客观全面的评估、排序,利用点迹质量评估中最优量测取代最近邻域法中离预测点最近量测来更新航迹,从而具有建立的质量评估模型适用于多种不同的知识辅助信息融合,求解过程简单,提高了传感器信息利用率,提高弱目标的跟踪性能的效果。
附图说明
图1为本发明的流程图;
图2为本发明与传统最近邻域跟踪算法在数据关联时的示意图;
图3为在Pfa=0.01时改进后最近邻域跟踪与传统最近邻域跟踪蒙特卡洛200次均方误差曲线对比曲线图。
具体实施方式
本发明主要采用计算机仿真的方法进行验证,所有步骤、结论都在MATLAB-R2010b上验证正确。具体实施步骤如下:
步骤1、输入航迹,并计算k时刻的预测值:
考虑直角坐标系中的一个匀速直线运动目标,设目标的初始状态为X(0)=[80m,6m/s,100m,0m/s],航迹前两帧已起始。具体参数设置如表1、表2。在k时刻,得到目标的状态预测值X(k|k-1):X(k|k-1)=FX(k-1),及协方差一步预测值P(k|k-1):P(k|k-1)=FP(k-1)FT+Q。
其中
步骤2、计算落入波门内的候选回波,并统计其个数:
从雷达接收机中读取第k帧量测位置集合zi(k)为k时刻的第i个量测,同时,还获取了第k帧量测幅度集合多普勒集合工作频率集合
当目标量测值z(k)满足式[z(k)-Z(k|k-1)]TS-1(k)×[z(k)-Z(k|k-1)]≤γ时,则作为候选回波,统计候选回波的个数;
2.1若候选回波个数为零,即没有量测落入相关波门内,用预测点更新航迹,转入步骤6.1;
2.2若落入相关波门内的量测值只有一个,则该量测值可直接用于航迹更新,转入步骤6.2;
2.3若有一个以上的回波落入被跟踪目标的相关波门内,则对波门内点迹进行质量评估,选取最优点,转入步骤3
步骤3、评估模型的建立,特征的评估:
3.1空间位置的评估值
在k时刻,波门内有效观测状态量测为zi(k),i=1,2,3,...,mk,第i个观测的状态量测的滤波残差向量为vi(k)=zi(k)-xi(k|k-1),其与预测位置的统计距离定义第i个有效观测的状态量测评估值为:
3.2幅度的评估值
在k时刻,波门内mk个有效观测幅度信息为ai(k),i=1,2,3,...,mk。定义幅度指标下的评估值ma,其中,其中其中σ2复高斯噪声的功率谱密度,为复高斯信号的功率谱密度,且信噪比SNR=10lg(σs 2/σ2)。
3.3多普勒的评估值
在k时刻,波门内有效观测的多普勒信息为di(k),i=1,2,3,...,mk,设第k-1次采样时该跟踪门所对应目标的多普勒频率观测值为d(k-1),记观测多普勒差Δdi(k)=|di(k)-d(k-1)|,定义多普勒频率的评估值记为md:
3.4工作频率的评估值
在k时刻,波门内有效观测工作频率信息为fi(k),i=1,2,3,...,mk。设第k-1次采样时该跟踪门所对应目标的工作频率观测值为f(k-1),记Δfi(k)=|fi(k)-f(k-1)|,为观测频差。定义工作频率的评估值记为mf,仅考虑固定频率(FIX)类型的目标,第i个有效观测的mf定义为:
其中εf是由***噪声与量测噪声所确定的测频容差。
3.5将步骤3.1、3.2、3.3、3.4得到的各评估指标组成点迹质量评估矩阵A,即A=[ms;ma;md;mf]T。
步骤4、熵权法权值的计算:
4.1设xij为点迹质量矩阵A中元素,i=1,2,3,...,mk,j=1,2,3,4,因利用熵值求权数时要用对数进行计算,进行数据平移xij=xij+1,可避免取对数时无意义;
4.2计算第j项指标下第i个因子的值在此指标中所占的比重
4.3计算第j项指标的熵值
4.4计算第j项指标的差异系数。对于第j项指标,指标值xij的差异越大,熵值就越小。差异值系数的定义:
4.5求权值得到权值向量。
步骤5、综合质量评估
将评估值矩阵与权值向量相乘,得到最终质量评估值V=Aw。找到评估值V中最大元素对应的位置iop,得到波门内最优量测zop(k)。
步骤6、航迹更新
计算目标t的滤波增益矩阵K(k),K(k)=P(k|k-1)H(k)S(k)-1,得到状态更新表达式x(k|k):
6.1若候选回波个数为零,即没有量测落入相关波门内,利用预测点更新航迹
x(k|k)=x(k|k-1)
P(k|k)=P(k|k-1)
6.2若落入相关波门内的量测值只有一个,则该量测值可直接用于航迹更新
x(k|k)=x(k|k-1)+K(z)[z(k)-HX(k|k-1)]
P(k|k)=P(k|k-1)-K(k)HP(k|k-1)
6.3若波门内有多个点,则选取经过点迹质量评估后用最优点更新航迹
x(k|k)=x(k|k-1)+K(z)[zop(k)-Hx(k|k-1)]
P(k|k)=P(k|k-1)-K(k)HP(k|k-1)
6.4重复返回步骤1,直到跟踪结束。
表1基本参数表
表2知识辅助参数表
Claims (2)
1.一种基于熵权值法点迹质量评估的目标跟踪方法,该方法包括:
步骤1、初始化目标状态X(k)及目标协方差矩阵P(k),k=0;
目标的状态转移方程为:
X(k+1)=FX(k)+ω(k)
其中,F为状态转移矩阵,ω(k)为零均值的高斯过程噪声,其协方差矩阵为Q,量测模型为:
Z(k)=HX(k)+v(k)
Z(k)是目标量测,H为观测矩阵,v(k)为零均值的高斯观测噪声,其协方差矩阵为R;
步骤2、根据k-1时刻目标t的状态X(k-1)及其协方差矩阵P(k-1),得到k时刻目标t的状态预测值:
X(k|k-1)=FX(k-1)
量测预测值:
Z(k|k-1)=HX(k|k-1)
协方差一步预测值P(k|k-1):
P(k|k-1)=FP(k-1)FT+Q;
步骤3、从雷达接收机中读取第k帧位置量测集合zi(k)为k时刻的第i个量测,同时,并获取第k帧量测幅度集合多普勒集合工作频率集合且每个位置量测值对应三个知识辅助量测指标a(k)、d(k)、f(k),
计算量测值z(k)是否满足下式,若满足则作为候选回波,并统计满足要求的回波个数,
[z(k)-Z(k|k-1)]TS-1(k)×[z(k)-Z(k|k-1)]≤γ
其中S(k)为k时刻的新息协方差S(k)=HP(k|k-1)HT+R,γ为预先设定的波门大小;
步骤4、根据步骤3统计得到落入波门内的候选目标个数,来更新目标航迹,
若候选回波个数为零,即没有量测落入相关波门内,用步骤2的预测值更新航迹,转入步骤8.1;
若落入相关波门内的量测值只有一个,则该量测值可直接用于航迹更新,转入步骤8.2;
若有一个以上的回波落入被跟踪目标的相关波门内,则对波门内点迹进行质量评估,选取最优点,转入步骤5;
步骤5、计算各候选回波的空间位置评估值、幅度评估值、多普勒评估值、工作频率评估值,得到各评估指标下的评估向量,再将评估向量组合为一个评估矩阵A;
步骤6、计算出各项评估指标的熵权法权值,组成权值向量;
步骤6.1设xij为点迹质量矩阵A中的元素,i=1,2,3,...,mk,mk为落入波门内的有效量测总个数,j=1,2,3,4分别代表四项量测指标,然后进行数据平移,即用xij+1作为平移后的xij,因利用熵值求权数时要用对数进行计算,进行数据平移可避免取对数时无意义;
步骤6.2计算第j项指标下第i个因子的值在此项指标中所占的比重
步骤6.3计算第j项指标的熵值
步骤6.4计算第j项指标的差异系数:
步骤6.5计算权值得到四项评估指标权值向量;
步骤7、将步骤5得到的评估矩阵与步骤6得到的权值向量相乘,得到最终质量评估值V=Aw,找到评估值V中最大值对应的位置iop,得到波门内最优量测zop(k);
步骤8、计算目标t的滤波增益矩阵K(k)=P(k|k-1)H(k)S(k)-1,得到状态更新表达式x(k|k),进行航迹更新;
步骤8.1若候选回波个数为零,即没有量测落入相关波门内,利用预测点更新航迹;
x(k|k)=x(k|k-1)
P(k|k)=P(k|k-1)
步骤8.2若落入相关波门内的量测值只有一个,则该量测值可直接用于航迹更新;
x(k|k)=x(k|k-1)+K(k)[z(k)-HX(k|k-1)]
P(k|k)=P(k|k-1)-K(k)HP(k|k-1)
步骤8.3若波门内有多个点,则选取经过点迹质量评估后用最优点更新航迹
x(k|k)=x(k|k-1)+K(k)[zop(k)-Z(k|k-1)]
P(k|k)=P(k|k-1)-K(k)HP(k|k-1)。
2.如权利要求1所述的一种基于熵权值法点迹质量评估的目标跟踪方法,其特征在于步骤5的具体步骤为:
步骤5.1计算空间位置评估值:
在k时刻,波门内mk个有效状态量测为zi(k),i=1,2,3,...,mk,第i个状态量测的滤波残差向量为vi(k)=zi(k)-Z(k|k-1),其与预测位置的统计距离为第i个有效量测的空间位置评估值为:
步骤5.2计算幅度评估值:
在k时刻,波门内mk个有效观测幅度信息为ai(k),i=1,2,3,...,mk,定义幅度评估值ma:
其中,p0(a)回波信号仅来自于噪声或杂波时幅度的概率密度函数,p1(a)为回波信号包含目标信号时的概率密度函数,T为检测门限,pfa、pd分别为虚警概率、检测概率;
步骤5.3计算多普勒评估值:
在k时刻,波门内mk个有效观测的多普勒信息为di(k),i=1,2,3,...,mk,设第k-1次采样时该跟踪波门所对应目标的多普勒频率观测值为d(k-1),记观测多普勒差Δdi(k)=|di(k)-d(k-1)|,多普勒频率的评估值记为md:
步骤5.4工作频率的评估值:
在k时刻,波门内mk个有效观测工作频率信息为fi(k),i=1,2,3,...,mk,设第k-1次采样时该跟踪波门所对应目标的工作频率观测值为f(k-1),记Δfi(k)=|fi(k)-f(k-1)|,为观测频差,工作频率的评估值记为mf,仅考虑固定频率FIX类型的目标,第i个有效观测的mf为:
其中εf是由***噪声与量测噪声所确定的测频容差;
步骤5.5将步骤5.1、5.2、5.3、5.4得到的各评估指标组成点迹质量评估矩阵A,即A=[ms;ma;md;mf]T。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410401795.7A CN104155650B (zh) | 2014-08-14 | 2014-08-14 | 一种基于熵权值法点迹质量评估的目标跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410401795.7A CN104155650B (zh) | 2014-08-14 | 2014-08-14 | 一种基于熵权值法点迹质量评估的目标跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104155650A CN104155650A (zh) | 2014-11-19 |
CN104155650B true CN104155650B (zh) | 2016-11-23 |
Family
ID=51881200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410401795.7A Active CN104155650B (zh) | 2014-08-14 | 2014-08-14 | 一种基于熵权值法点迹质量评估的目标跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104155650B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104407345B (zh) * | 2014-12-05 | 2017-01-11 | 杭州电子科技大学 | 一种用于弱目标检测跟踪中的改进型动态规划方法 |
CN104572869B (zh) * | 2014-12-22 | 2017-12-15 | 电子科技大学 | 一种雷达知识库中基于多种分布类型的动态更新方法 |
CN104991235A (zh) * | 2015-06-15 | 2015-10-21 | 南京航空航天大学 | 一种基于雷达点迹的快速跟踪目标的方法 |
CN105242260B (zh) * | 2015-09-08 | 2017-07-07 | 南京长江电子信息产业集团有限公司 | 一种交互式软件化信号及数据融合处理方法 |
EP3151028B1 (en) * | 2015-09-29 | 2018-11-14 | Rohde & Schwarz GmbH & Co. KG | Direction finder and method for direction finding wherein a quality criterion for the incoming signals is determined |
CN106842183B (zh) * | 2017-03-31 | 2019-06-14 | 北京无线电测量研究所 | 一种基于全局最近邻法的波位间点迹合并的方法及*** |
CN107132515A (zh) * | 2017-05-09 | 2017-09-05 | 哈尔滨工业大学 | 一种基于多维信息约束的点迹筛选方法 |
CN108398660A (zh) * | 2018-01-08 | 2018-08-14 | 国网江苏省电力有限公司 | 一种基于Wi-Fi云平台***的终端设备定位方法及*** |
CN108303692B (zh) * | 2018-01-30 | 2021-02-05 | 哈尔滨工业大学 | 一种解多普勒模糊的多目标跟踪方法 |
CN109188424B (zh) * | 2018-09-14 | 2020-09-04 | 中国人民解放军海军航空大学 | 基于量测一致性的分布式多传感器多目标跟踪方法 |
CN109802656B (zh) * | 2019-01-25 | 2022-03-04 | 西安电子科技大学 | 基于幅度信息的卡尔曼滤波方法 |
CN109901153B (zh) * | 2019-03-29 | 2022-11-01 | 西安电子科技大学 | 基于信息熵权和最近邻域数据关联的目标航迹优化方法 |
CN110726989B (zh) * | 2019-06-28 | 2023-06-02 | 武汉大学 | 一种分时多频外辐射源雷达多目标跟踪方法 |
CN111366900B (zh) * | 2020-02-18 | 2023-04-28 | 上海机电工程研究所 | 基于残差统计的跟踪雷达航迹质量评估方法、***及介质 |
CN111539625A (zh) * | 2020-04-23 | 2020-08-14 | 中国北方车辆研究所 | 一种面向地面目标的多源信息融合评估方法 |
CN112302976B (zh) * | 2020-09-18 | 2022-02-01 | 河北建投新能源有限公司 | 一种基于熵权法的风机叶片故障预警方法 |
CN112285698B (zh) * | 2020-12-25 | 2021-04-20 | 四川写正智能科技有限公司 | 一种基于雷达传感器的多目标跟踪装置及方法 |
CN113376595B (zh) * | 2021-05-18 | 2022-03-22 | 中国船舶重工集团公司第七二三研究所 | 一种搜索雷达航迹起始综合质量的评估方法 |
CN113406617B (zh) * | 2021-06-22 | 2022-09-30 | 哈尔滨工业大学 | 一种扇扫雷达多目标连续跟踪方法 |
CN113504511B (zh) * | 2021-09-10 | 2021-12-14 | 南京隼眼电子科技有限公司 | 雷达信号处理调整方法、装置、电子设备及存储介质 |
CN114841297B (zh) * | 2022-07-05 | 2022-09-06 | 成都戎星科技有限公司 | 一种基于dto分离的多星无源定位散点目标分类方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8149154B2 (en) * | 2009-05-19 | 2012-04-03 | Raytheon Company | System, method, and software for performing dual hysteresis target association |
CN103472445B (zh) * | 2013-09-18 | 2015-06-17 | 电子科技大学 | 一种针对多目标场景的检测跟踪一体化方法 |
-
2014
- 2014-08-14 CN CN201410401795.7A patent/CN104155650B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104155650A (zh) | 2014-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104155650B (zh) | 一种基于熵权值法点迹质量评估的目标跟踪方法 | |
CN104297748B (zh) | 一种基于轨迹增强的雷达目标检测前跟踪方法 | |
CN106407677B (zh) | 一种测量数据丢失情况下的多目标跟踪方法 | |
Niri et al. | A probabilistic framework for acoustic emission source localization in plate-like structures | |
CN108802722B (zh) | 一种基于虚拟谱的弱目标检测前跟踪方法 | |
CN108303692A (zh) | 一种解多普勒模糊的多目标跟踪方法 | |
CN107102295A (zh) | 基于glmb滤波的多传感器tdoa无源定位方法 | |
CN105068058B (zh) | 一种基于合成宽带脉冲多普勒雷达的毫米级微动测量方法 | |
CN104035083B (zh) | 一种基于量测转换的雷达目标跟踪方法 | |
CN105761276B (zh) | 基于迭代ransac自适应新生目标强度估计的gm-phd多目标跟踪方法 | |
CN110503071A (zh) | 基于变分贝叶斯标签多伯努利叠加模型的多目标跟踪方法 | |
CN106772353B (zh) | 一种适用于闪烁噪声的多目标跟踪方法及*** | |
CN109002835A (zh) | 一种基于最大熵模糊聚类的粒子滤波数据关联方法 | |
CN107255805B (zh) | 基于加权最小二乘的雷达目标rcs的预测方法 | |
CN104730511A (zh) | 星凸模型下的势概率假设密度多扩展目标跟踪方法 | |
CN108896986A (zh) | 一种基于预测值的量测转换序贯滤波机动目标跟踪方法 | |
CN106291534B (zh) | 一种改进的航迹确认方法 | |
CN109188443A (zh) | 一种基于交互多模型的被动目标跟踪方法 | |
CN104330768B (zh) | 一种基于声矢量传感器的机动声源方位估计方法 | |
CN102722702B (zh) | 多特征融合的粒子滤波视频目标跟踪方法 | |
CN104794735A (zh) | 基于变分贝叶斯期望最大化的扩展目标跟踪方法 | |
CN104155651A (zh) | 一种用于极化雷达目标跟踪的概率数据关联方法 | |
CN106526559A (zh) | 一种基于bcd‑vsmm机动目标无源协同定位方法 | |
CN106405538A (zh) | 一种适用于杂波环境的多目标跟踪方法及跟踪*** | |
CN105093196A (zh) | 基于逆伽马纹理复合高斯模型下的相干检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |