摘要
为解决多目标跟踪中数据关联与状态估计的问题引入神经网络方法.针对联合概率数据关联(JPDA)存在的计算组合爆炸问题,利用Hopfield网络解决TSP问题的思路找到神经网络联合概率数据关联(NJPDA)方法,并对其进行一定的改进解决其参数确定问题.基于以上关联方法得到的关联概率,利用简化的信息融合自适应滤波算法,实现对目标轨迹的状态滤波与预测.以上综合方法充分利用了神经网络的优点,保证了多目标的跟踪精度及实时性.
To solve the problem of data association and state estimation in multiple targets tracking system, we brought the network into the algorithms. By using the thinking of Hopfield network in TSP problem,NJPDA algorithm avoided the large computational burden in JPDA, and the parameters in NJPDA can be confirmed online. Based on the prime data association received from NJPDA, we used simplified data fusion adaptive filtering algorithm to realize the state estimation and prediction. These algorithms make the best use of the merits of the neural network ensure the accuracy and real-time of multiple targets tracking.
出处
《传感技术学报》
CAS
CSCD
北大核心
2006年第6期2563-2566,2570,共5页
Chinese Journal of Sensors and Actuators
基金
航空基础科学基金资助项目(05D53021)
西北工业大学电子信息学院研究生创新实验室资助
关键词
神经网络
联合概率数据关联
自适应滤波算法
信息融合
neural network
joint probabilistic data association
adaptive filtering algorithm
data fusion
