用于多目標跟蹤的m-最佳S-D分配算法

本文描述了一種稱為m-最佳S-D(即m—最佳s維)的新數(shù)據(jù)互聯(lián)算法，這種算法在0(mSkn3)(m個分配，長度為n的s≥3個序列，K次松弛）時間內(nèi)得到對于" 維分配問題的（近似）m- 最佳結(jié)果。m-最佳S 維算法應(yīng)用于以下的跟蹤問題：要么傳感器是同步的，要么傳感器和’ 或目標運動非常緩慢。此項工作的意義在于m-最佳S-D分配算法（以滑窗模式）可以通過避免所需列舉的令人不堪忍受的指數(shù)數(shù)目的聯(lián)合假設(shè)，從而有效實現(xiàn)次優(yōu)多假設(shè)跟蹤(MHT)算法。
本文首先描述了m- 最佳S-D所應(yīng)用的一般問題。特別是根據(jù)來自" 個傳感器的視線(LOS)即不完全位置）量測，求取完全位置量測集合，即通過求解一個靜態(tài)S-D分配問題可得到第.、第2、…第m個最佳（在似然意義下）完全量測集合。使用用于得到m-最佳S-D分配解的聯(lián)合似然函數(shù)，就可用類似JPDA（聯(lián)合概率數(shù)據(jù)互聯(lián)）技術(shù)來度量復(fù)合量測的正確概率。來自連續(xù)掃描的復(fù)合量測序列以及它們相應(yīng)的概率，輪流用于一個動態(tài)2-D分配算法的狀態(tài)估計器中，以估計隨著時間變化的運動目標狀態(tài)?；谝粋€似然函數(shù)獲得動態(tài)分配權(quán)系數(shù)，此似然函數(shù)包含了從（靜態(tài)）m- 最佳S-D 分配解中得到的“真實”復(fù)合量測概率。通過把m-最佳S-D分配的解法用于一個仿真的多目標被動傳感器航跡起始與航跡維持問題，展示了m- 最佳S-D分配解法的優(yōu)點，其中仿真問題由來自多個(s=7)同步高頻方位探測傳感器的多個采樣時刻LOS 量測構(gòu)成。