改进动态加权融合的多目标UKF跟踪算法

摘要信息：“基于多传感器数据融合的多目标跟踪算法研究_高春艳.pdf”是一篇探讨在复杂环境下如何利用多传感器数据融合技术进行多目标跟踪的科研论文。文章由高春艳等人撰写，主要研究了一种改进的动态加权数据融合与无迹卡尔曼滤波（UKF）结合的多目标跟踪算法。 在多传感器环境中，多目标跟踪面临的主要挑战是如何准确地关联不同传感器获取的目标观测信息，并在噪声干扰下估计目标的状态。论文提出的算法采用了分布式融合结构，首先运用最近邻（NN）数据关联算法对来自各个传感器的目标观测信息进行航迹关联，解决了不同传感器观测数据之间的匹配问题。 接着，无迹卡尔曼滤波（UKF）被用来估计多目标的状态，UKF是一种高效率的非线性滤波方法，能够有效处理多目标的非线性运动模型，从而得到目标的最新运动轨迹。同时，为了进一步提高跟踪精度，论文还引入了改进的动态加权数据融合算法，根据各个传感器的性能和可靠性动态调整权重，将多个传感器估计的目标轨迹融合，得出最终的、更精确的目标轨迹。 仿真结果证明，该算法能充分发挥多传感器数据融合的优势，显著提高了目标跟踪的准确性。相较于单传感器目标跟踪，该算法可使目标跟踪精度提升20%以上，显示出其在复杂环境下的优越性能。 关键词涵盖了多传感器数据融合、多目标跟踪、无迹卡尔曼滤波以及动态加权融合等核心概念。论文的研究对于提升无人驾驶、智能交通、军事监控等领域中的多目标跟踪技术具有重要意义。 这篇论文深入研究了多传感器数据融合在多目标跟踪中的应用，提出了一个融合NN数据关联、UKF滤波和动态加权融合的高效算法，为解决复杂环境下的多目标跟踪问题提供了新的思路和解决方案。