Společný filtr pravděpodobnostních asociací dat - Joint Probabilistic Data Association Filter

The společný pravděpodobnostní filtr přidružení dat (JPDAF)[1] je statistický přístup k problému asociace spiknutí (přiřazení měření cíle) v algoritmu sledování cíle. Jako pravděpodobnostní filtr přidružení dat (PDAF), namísto výběru nejpravděpodobnějšího přiřazení měření k cíli (nebo deklarování cíle, který nebyl detekován, nebo měření jako falešný poplach), provede PDAF očekávaná hodnota, který je minimální střední kvadratická chyba (MMSE) odhad stavu každého cíle. Pokaždé udržuje svůj odhad cílového stavu jako střední a kovarianční matici a vícerozměrné normální rozdělení. Na rozdíl od PDAF, který je určen pouze pro sledování jednoho cíle za přítomnosti falešných poplachů a zmeškaných detekcí, však JPDAF dokáže zpracovat více scénářů sledování cíle. Odvození JPDAF je uvedeno v.[2]

JPDAF je jednou z několika technik pro radar sledování cílů a pro sledování cílů v oblasti počítačové vidění.

Problém koalescence

Společným problémem pozorovaným u JPDAF je, že odhady blízko sebe umístěných cílů mají tendenci se časem slučovat.[3][4] Je to proto, že odhad MMSE je obvykle nežádoucí, když je cílová identita nejistá.[5]

Byly provedeny varianty algoritmu JPDAF, které se snaží vyhnout koalescenci stop. Například Set JPDAF[6] používá přibližné minimální střední přiřazení optimálního dílčího vzoru (MMOSPA) namísto přibližného odhadu MMSE. JPDAF *,[7] upravuje, jak se počítají pravděpodobnosti asociace měření cíle, a varianty globálního nejbližšího souseda JPDAF (GNN-JPDAF) (sledovač nejlepší hypotézy)[8] místo průměru použijeme odhad globálního nejbližšího souseda (GNN), ale vypočítáme kovarianční matici jako v normálním JPDAF: jako matici střední chyby.

Implementace

Reference

  1. ^ Bar-Shalom, Yaakov; Daum, Fred; Huang, Jim (prosinec 2009). Msgstr "Pravděpodobnostní filtr přidružení dat". Časopis IEEE Control Systems. 29 (6): 82–100. doi:10.1109 / MCS.2009.934469. S2CID  6875122.
  2. ^ Bar-Shalom, Yaakov; Li, Xiao-Rong (1995). Sledování multitarget-multisensor: principy a techniky, 1995. Yaakov Bar-Shalom. ISBN  978-0964831209.
  3. ^ Fitzgerald, Robert (listopad 1985). "Sledování předsudků a koalescence s pravděpodobnostní asociací dat". Transakce IEEE na letectví a elektronických systémech. AES-21 (6): 822–825. Bibcode:1985ITAES..21..822F. doi:10.1109 / TAES.1985.310670. S2CID  6544485.
  4. ^ Bar-Shalom, Yaakov (1986). „Komentáře k“ Sledování předsudků a koalescence s pravděpodobnostní asociací dat"". Transakce IEEE na letectví a elektronických systémech. AES-22 (5): 661–662. Bibcode:1986ITAES..22..661.. doi:10.1109 / TAES.1986.310734.
  5. ^ Crouse, David (23. května 2013). Pokroky v zobrazování nejistých odhadů více cílů. Pokračování SPIE 8745, zpracování signálu, fúze senzorů a rozpoznávání cíle XXII. Baltimore.
  6. ^ Svensson, Lennart; Svensson, Daniel; Willett, Peter (červenec 2009). Nastavte algoritmus JPDA pro sledování neuspořádaných sad cílů. Sborník z 12. mezinárodní konference o fúzi informací. Seattle. str. 1187–1194.
  7. ^ Blom, H.A.P .; Bloem, E.A. (2000). Msgstr "Pravděpodobné asociace dat zabraňující koalescenci stop". Transakce IEEE na automatickém ovládání. 45 (2): 247–259. doi:10.1109/9.839947.
  8. ^ Drummond, Oliver (říjen 1999). Nejlepší sledování cíle hypotézy a fúze senzorů. Proceedings of SPIE: Signal and Data Processing of Small Targets Conference. Denver. 586–600.
  9. ^ "Knihovna komponent Tracker". Úložiště Matlab. Citováno 5. ledna 2019.