文献类型：期刊文献

中文题名：两种多目标数据关联算法的性能研究

英文题名：Performance Study of Two Multi-Target Data Association Algorithms

作者：叶西宁[1];常青[1];潘泉[2]

机构：[1]华东理工大学信息工程学院,上海200237;[2]西北工业大学自动化学院,西安710072

年份：2005

卷号：27

期号：9

起止页码：31

中文期刊名：现代雷达

外文期刊名：Modern Radar

收录：CSTPCD;;北大核心:【北大核心2004】；CSCD:【CSCD_E2011_2012】；

基金：国家自然科学基金资助项目(60172037)

语种：中文

中文关键词：数据关联;性能研究;广义事件;关联概率

外文关键词：data association;performance study;generalized event ;correlative probability

摘要：数据关联是多目标跟踪的一项关键技术。JPDA是大家公认的多目标跟踪中性能较好的数据关联算法,它认为量测和目标是一一对应的关联关系,但在许多实际情况中,量测和目标是多-多对应的关系。针对上述情况,该文提出了广义概率数据关联算法(Generalized Probability Data Association,GPDA)。文中从理论上对这两种算法的性能进行了详细分析,并利用Monte Carlo技术对其性能进行了仿真比较。
Data association is one of the key technologies in muhi-target tracking. And JPDA is considered as the best data association method. JPDA considers the association of measurements with targets is simply one-to-one problem. But in many practical cases, the association of measurements with targets will be multiple-to-multiple problem. For this case, a Generalized Probability Data Association （ GPDA ） algorithm is proposed in this paper. Furthermore, this paper analyzes the performance of these two algorithms theoretically. And we give the comparative analysis of those performances by using Monte Carlo method.