一种新的分布式多传感器多目标跟踪算法.docx

一种新的分布式多传感器多目标跟踪算法摘要 提出分布式模糊广义概率数据互联(DF-GPDA)算法。该算法采用模糊隶属度函数 计算传感器测量与目标航迹之间的模糊综合相像度进而通过广义概率数据互联算法对多目 标进行状态更新。与基于状态估量的分布式广义概率数据互联(D-GPDA)算法相比，模糊 广义概率数据互联算法无论是在局部节点有无接收反应信息的状况下，其多目标跟踪精度均 有不同程度的提高，且其时间花费相对较低。关键词：多传感器多目标跟踪；分布式；模糊综合相像度；广义概率数据互联算法Abstract: Proposedthe distributed fuzzy generalized probability data Association (DF-GPDA) algorithm. Thealgorithmusefuzzymembershipfunctionsto calculatethefuzzysimilaritybetween sensor measurement and target track and through the generalized probability data Association algorithm to update multi-objective status. And compared with The distributed generalized probability data Association (D-GPDA) algorithm based on State estimation, fuzzy generalized probability data Association algorithm in both local node with no receiving feedback, multiple target tracking accuracy with varying degrees of increase, and the time spent is relatively low.Keywords:Multisensortargettracking;Distributed;Fuzzysimilarity;GeneralizedprobabilitydataAssociationalgorithm1引言多传感器多目标跟踪是信息融合技术的核心内容之一。分布式多传感器多目标跟踪算法 是指每个局部传感器在将其探测信息送入融合中心之前，先由该传感器采纳肯定的跟踪算法 对各目标的状态进行局部估量，而后再将局部信息融合结果送入信息融合中心。融合中心对 各局部节点送来的信息进行综合处理得到对各目标状态的全局估量。与集中式多传感器多目 标跟踪算法相比,分布式多传感器多目标跟踪算法具有存储量和通信量低，牢靠性高等优点, 且其多目标跟踪性能也相对较好。已有讨论说明，采用模糊隶属度函数刻画传感器测量与目标航迹之间的模糊关系，具有 较好的关联效果。基于该状况，本文考虑采用测量与目标之间模糊综合相像度来提高分布式 节点的点迹关联精度，并采用广义概率数据互联算法对多目标进行跟踪。仿真试验结果说明， 无论在局部节点是否接收反应信息的状况下，基于模糊关联的广义概率数据互联算法均优于 反之采用统计信息进行关联的对应算法。仿真分析