Вероятностный фильтр ассоциации данных

Фильтр вероятностных ассоциаций данных (PDAF) ^{[1] [2]} представляет собой статистический подход к проблеме ассоциации графиков (назначение целевых измерений) в алгоритме отслеживания целей. Вместо того, чтобы выбирать наиболее вероятное назначение измерений цели (или объявлять цель не обнаруженной или измерение как ложную тревогу), PDAF принимает ожидаемое значение , которое представляет собой оценку минимальной среднеквадратической ошибки (MMSE). PDAF сам по себе не подтверждает и не завершает треки.

В то время как PDAF предназначен только для отслеживания одной цели при наличии ложных тревог и пропущенных обнаружений, Объединенный фильтр вероятностных ассоциаций данных (JPDAF) может обрабатывать несколько целей. Первое реальное применение PDAF, вероятно, было в сети операционных радаров Джиндейли ^[2] , которая представляет собой австралийскую сеть загоризонтных радаров (OTHR).

Реализации

• Matlab : Алгоритмы PDAF и JPDAF реализованы в singleScanUpdate функции, которая является частью бесплатной библиотеки компонентов трекера Военно-морской исследовательской лаборатории США . ^[3]

• Python : PDAF и другие методы ассоциации данных реализованы в Stone-Soup. ^[4] В учебном пособии показано, как можно использовать алгоритмы. ^{[5] [6]}

Рекомендации

1. Бар-Шалом, Яаков; Це, Эдисон (1975). «Отслеживание в загроможденной среде с помощью вероятностной ассоциации данных». Автоматика . 11 (5): 451–460. дои : 10.1016/0005-1098(75)90021-7.
2. 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.
3. «Библиотека компонентов трекера». Репозиторий Матлаба . Проверено 5 января 2019 г.
4. "Репозиторий Stone Soup на Github" . Гитхаб .
5. "Учебная документация для КПК Stone Soup" .
6. "Код обучения для КПК Stone Soup" . Гитхаб .