广义概率数据关联算法

• 作者: 叶西宁 张洪才 潘泉
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 多目标跟踪 数据关联 广义联合事件 广义概率数据关联
• 年，卷（期）: 2005,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 467-472
• 页数: 6页
• 分类号: TP273
• 字数: 5853字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2005.03.021

摘要

随着跟踪环境、跟踪对象和跟踪系统的不断变化、发展,目标与量测已很难仅仅以一一对应的关联关系来描述,这使得多目标跟踪中数据关联这一核心问题更具挑战.Jesus Garrcia、T.Kirubarajan和Bar-Shalom等学者从智能方法或重复使用一对一分配JPDA等方面进行了研究,取得一定成效,但计算量和性能均未达到理想效果.本文首先提出更符合实际情况的新的目标与量测相关联的可行性规则,给出广义联合事件的一种分割与组合方法,利用贝叶斯法则推导出了一种全局次优的广义概率数据关联算法(Generalized Probability Data Association,GPDA).通过本文设计的各种典型环境的仿真计算表明,GPDA算法的性能在目标与量测无论是否在一一对应的情况下,全面优于JPDA算法,且由于新算法的设计技巧,使计算量和存储量也大大小于JPDA算法,为发展同时具有良好实时和关联性能的多目标跟踪算法给出了新的尝试.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘泉	西北工业大学自动化学院	544	9437	45.0	77.0
2	张洪才	西北工业大学自动化学院	243	5379	38.0	64.0
3	叶西宁	华东理工大学信息工程学院	19	200	6.0	14.0