Probabilistyczny filtr skojarzeń danych

Filtr skojarzeń danych probabilistycznych (PDAF) to statystyczne podejście do problemu powiązania wykresów (przypisanie celu i pomiaru) w algorytmie śledzenia celu. Zamiast wybierać najbardziej prawdopodobne przypisanie pomiarów do obiektu docelowego (lub deklarować, że obiekt nie został wykryty lub pomiar jest fałszywym alarmem), PDAF przyjmuje wartość oczekiwaną, która jest oszacowaniem minimalnego błędu średniokwadratowego ( MMSE ) . Sam PDAF nie potwierdza ani nie kończy utworów.

Podczas gdy PDAF jest przeznaczony tylko do śledzenia pojedynczego celu w przypadku fałszywych alarmów i pominiętych wykryć, filtr skojarzeń wspólnych probabilistycznych danych (JPDAF) może obsługiwać wiele celów. Pierwsze rzeczywiste zastosowanie PDAF miało miejsce prawdopodobnie w Jindalee Operational Radar Network , która jest australijską siecią radarów pozahoryzontalnych (OTHR).

Wdrożenia

• Matlab : Algorytmy PDAF i JPDAF są zaimplementowane w funkcji singleScanUpdate , która jest częścią bezpłatnej biblioteki komponentów śledzących United States Naval Research Laboratory .

• Python : PDAF i inne metody kojarzenia danych są zaimplementowane w Stone-Soup. Samouczek pokazuje, jak można wykorzystać algorytmy.