Wspólny probabilistyczny filtr asocjacji danych

Wspólny probabilistyczny filtr asocjacji danych (JPDAF) to statystyczne podejście do problemu powiązania wykresu (przypisanie celu do pomiaru) w algorytmie śledzenia celu. Podobnie jak probabilistyczny filtr asocjacji danych (PDAF), zamiast wybierania najbardziej prawdopodobnego przypisania pomiarów do celu (lub deklarowania celu jako niewykrytego lub pomiaru jako fałszywego alarmu), PDAF przyjmuje oczekiwaną wartość, która jest minimalną średni błąd kwadratowy (MMSE) oszacowanie stanu każdego celu. Za każdym razem zachowuje swoje oszacowanie stanu docelowego jako średnią i macierz kowariancji wielowymiarowego rozkładu normalnego . Jednak w przeciwieństwie do PDAF, który jest przeznaczony tylko do śledzenia pojedynczego celu w przypadku fałszywych alarmów i pominiętych detekcji, JPDAF może obsłużyć wiele scenariuszy śledzenia celu. Wyprowadzenie JPDAF podano w.

JPDAF jest jedną z kilku technik radarowego śledzenia celów oraz śledzenia celów w polu widzenia komputerowego .

Problem koalescencji

Częstym problemem obserwowanym w przypadku JPDAF jest to, że szacunki dotyczące blisko rozmieszczonych celów mają tendencję do łączenia się w czasie. Dzieje się tak, ponieważ oszacowanie MMSE jest zazwyczaj niepożądane, gdy tożsamość celu jest niepewna.

Warianty algorytmu JPDAF zostały wykonane, aby uniknąć koalescencji ścieżek. Na przykład Set JPDAF wykorzystuje przybliżone minimalne średnie optymalne przypisanie podwzorca (MMOSPA) zamiast przybliżonego estymatora MMSE. JPDAF* modyfikuje sposób obliczania prawdopodobieństwa powiązania celu z pomiarem, a warianty JPDAF globalnego najbliższego sąsiada (GNN-JPDAF) (narzędzie do śledzenia najlepszej hipotezy) wykorzystują oszacowanie globalnego najbliższego sąsiada (GNN) zamiast średniej ale oblicz macierz kowariancji jak w normalnym JPDAF: jako średniokwadratową macierz błędów.

Implementacje

• Matlab : PDAF, JPDAF, Set JPDAF, JPDAF*, GNN-JPDAF i wiele innych dokładnych i przybliżonych wariantów JPDAF jest zaimplementowanych w funkcji singleScanUpdate, która jest częścią bezpłatnej biblioteki komponentów Tracker Laboratorium Badań Marynarki Wojennej Stanów Zjednoczonych . Przykładowy kod w demo2DDataAssociation pokazuje, jak algorytmy mogą być używane w prostym scenariuszu.

• Python : PDAF, JPDAF i inne metody asocjacji danych są zaimplementowane w Stone-Soup. Samouczek pokazuje, jak można używać algorytmów.