Совместный фильтр ассоциации вероятностных данных

Совместный вероятностный фильтр ассоциации данных (JPDAF) ^[1] представляет собой статистический подход к проблеме ассоциации графиков (назначение целевых измерений) в алгоритме отслеживания целей. Подобно фильтру вероятностной ассоциации данных (PDAF), вместо того, чтобы выбирать наиболее вероятное назначение измерений цели (или объявлять цель не обнаруженной или измерение как ложную тревогу), PDAF принимает ожидаемое значение , которое является минимальным Оценка среднеквадратической ошибки (MMSE) для состояния каждой цели. В каждый момент времени он сохраняет свою оценку целевого состояния как среднее значение и ковариационную матрицу многомерного нормального распределения . Однако, в отличие от PDAF, который предназначен только для отслеживания одной цели при наличии ложных тревог и пропущенных обнаружений, JPDAF может обрабатывать несколько сценариев отслеживания целей. Вывод JPDAF приведен в ^{[2] .}

JPDAF — один из нескольких методов радиолокационного сопровождения целей и сопровождения целей в области компьютерного зрения .

Проблема слияния

Общая проблема, наблюдаемая при использовании JPDAF, заключается в том, что оценки близко расположенных целей имеют тенденцию с течением времени сливаться. ^{[3] [4]} Это связано с тем, что оценка MMSE обычно нежелательна, когда идентичность цели неизвестна. ^[5]

Были созданы варианты алгоритма JPDAF, которые пытаются избежать слияния дорожек. Например, Set JPDAF ^[6] использует приблизительное минимальное среднее оптимальное назначение подшаблона (MMOSPA) вместо приблизительной оценки MMSE. JPDAF*, ^[7] изменяет способ вычисления вероятностей ассоциации целевого измерения, а варианты глобального JPDAF ближайшего соседа (GNN-JPDAF) (отслеживание наилучшей гипотезы) ^[8] используют глобального ближайшего соседа (GNN). оцените вместо среднего значения, но вычислите ковариационную матрицу, как в обычном JPDAF: как матрицу среднеквадратических ошибок.

Реализации

• Matlab : PDAF, JPDAF, Set JPDAF, JPDAF*, GNN-JPDAF и множество других точных и приблизительных вариантов JPDAF реализованы в функции, singleScanUpdateкоторая является частью бесплатной библиотеки компонентов трекера Военно-морской исследовательской лаборатории США . ^[9] Пример кода demo2DDataAssociationдемонстрирует, как можно использовать алгоритмы в простом сценарии.

• Python : PDAF, JPDAF и другие методы ассоциации данных реализованы в Stone-Soup. ^[10] В учебном пособии показано, как можно использовать алгоритмы. ^{[11] [12]}

Рекомендации

1. Бар-Шалом, Яаков; Даум, Фред; Хуанг, Джим (декабрь 2009 г.). «Вероятностный фильтр ассоциации данных». Журнал IEEE Control Systems . 29 (6): 82–100. дои : 10.1109/MCS.2009.934469. S2CID  6875122.
2. Бар-Шалом, Яаков; Ли, Сяо-Ронг (1995). Многоцелевое-мультисенсорное слежение: принципы и методы, 1995 . Яаков Бар-Шалом. ISBN 978-0964831209.
3. Фицджеральд, Роберт (ноябрь 1985 г.). «Отслеживание смещений и слияния с помощью вероятностной ассоциации данных». Транзакции IEEE по аэрокосмическим и электронным системам . АЭС-21 (6): 822–825. Бибкод : 1985ITAES..21..822F. дои : 10.1109/TAES.1985.310670. S2CID  6544485.
4. Бар-Шалом, Яаков (1986). «Комментарии к статье «Отслеживание смещений и слияния с помощью вероятностной ассоциации данных»". Транзакции IEEE в аэрокосмических и электронных системах . AES-22 (5): 661–662. Бибкод : 1986ITAES..22..661.. doi : 10.1109/TAES.1986.310734.
5. Крауз, Дэвид (23 мая 2013 г.). Достижения в отображении неопределенных оценок нескольких целей . Материалы SPIE 8745, Обработка сигналов, объединение датчиков и распознавание целей XXII. Балтимор.
6. Свенссон, Леннарт; Свенссон, Дэниел; Уиллетт, Питер (июль 2009 г.). Установите алгоритм JPDA для отслеживания неупорядоченных наборов целей . Материалы 12-й Международной конференции по информационному синтезу. Сиэтл. стр. 1187–1194.
7. Блом, HAP; Блум, Э.А. (2000). «Вероятностная ассоциация данных, позволяющая избежать слияния треков». Транзакции IEEE при автоматическом управлении . 45 (2): 247–259. дои : 10.1109/9.839947.
8. Драммонд, Оливер (октябрь 1999 г.). Лучшая гипотеза отслеживания целей и объединения датчиков . Материалы конференции SPIE: Обработка сигналов и данных малых целей. Денвер. стр. 586–600.
9. «Библиотека компонентов трекера». Репозиторий Матлаба . Проверено 5 января 2019 г.
10. "Репозиторий Stone Soup на Github" . Гитхаб .
11. "Учебная документация JPDA по каменному супу" .
12. "Код учебника JPDA Stone Soup" . Гитхаб .