基于JPDAF的双目标跟踪仿真程序

资 源 简 介

该项目是一个基于MATLAB环境开发的多目标跟踪仿真实验平台，专门用于演示和研究两个运动目标在存在环境杂波干扰下的跟踪性能。程序的核心是实现经典的联合概率数据关联滤波（JPDAF）算法。在功能实现上，程序通过数学建模生成两个目标的运动轨迹，支持自定义目标的初始位置、速度以及运动噪声等级。在感知层，模拟了雷达或其他传感器在检测目标时产生的观测不确定性，包括高斯测量噪声以及在监视区域内随机出现的虚假观测点。 在该仿真中，JPDAF算法通过一种“软”关联的方式处理观测分配问题，即不再将某个观测唯一地分配给某个目

详 情 说 明

基于JPDAF的多目标跟踪仿真程序

项目介绍

本仿真程序是一个基于MATLAB开发的多目标跟踪（MTT）演示平台，专门用于研究在复杂杂波环境下如何同时跟踪两个运动目标。程序实现了经典的联合概率数据关联滤波（JPDAF）算法，该算法通过处理观测与目标之间的关联不确定性，解决了多目标近距离相交、杂波干扰以及检测遗漏等实际问题。

功能特性

• 双目标动态模拟：程序能够生成两个相互独立且具有特定初始位置和速度的目标轨迹。
• 恒速运动模型（CV）：采用线性常速度模型对目标进行状态建模，模拟目标在二维平面上的连续运动。
• 杂波背景生成：模拟真实雷达扫描环境，引入符合泊松分布的随机杂波点和高斯测量噪声。
• 验证门筛选：利用马氏距离构建椭圆验证门（Gating），初步筛选出目标周围的潜在有效观测值。
• 联合概率关联：手动构建互斥关联事件表，计算所有可能的联合关联事件的后验概率。
• 实时误差评估：计算并实时记录每个时间步的位置均方根误差（RMSE），以便量化分析跟踪精度。
• 可视化分析：提供直观的轨迹对比图（真值、估计值、杂波观测值）以及RMSE性能曲线图。

实现逻辑与算法细节

1. 预测阶段 程序基于线性卡尔曼滤波框架，利用状态转移矩阵对下一时刻的目标位置和速度进行先验估计。同时，过程噪声协方差矩阵Q被用于描述目标运动的随机扰动。

2. 观测生成与杂波模拟 在每一个仿真周期，程序根据检测概率（Pd）决定是否产生目标的真实测量。此外，会在整个监视区域内根据预设的杂波密度生成随机出现的虚假观测点，用以模拟环境干扰。

3. 验证门限（Gating） 为了降低计算复杂度，程序引入了验证门。只有落在以预测点为中心、由残差协方差矩阵S决定的特定区域内的观测点，才会被纳入后续的JPDA关联计算中。

4. 联合概率数据关联（JPDA） 这是算法的核心部分，具体实现步骤如下：

• 似然计算：计算验证门内每个观测点相对于每个目标的似然度（基于高斯直方图分布）。
• 事件构建：通过双层循环遍历所有可能的观测-目标分配组合，生成一组互斥的联合事件。每个事件规定了一个观测只能分配给一个目标，或者被判定为杂波。
• 后验概率更新：根据似然值、检测概率和杂波密度，计算每个联合事件发生的后验概率，并进行归一化。
• 边际概率计算：将包含特定关联关系的联合事件概率求和，得到目标与观测之间的边际关联概率（Beta）。

5. 状态更新 不同于最邻近算法（NN）直接选取一个观测，JPDA通过各个观测的关联概率对残差（Innovation）进行加权求和，合成一个“等效观测”来更新目标的当前状态。同时，在更新后的协方差矩阵中计入了由于关联不确定性带来的额外扩散项。

系统要求

• 软件环境：MATLAB R2016a 或更高版本。
• 工具箱需求：基础MATLAB功能即可，无需额外的专业工具箱。

使用方法

1. 启动MATLAB并将当前工作目录切换至程序所在文件夹。
2. 在命令行窗口输入主函数名称并回车。
3. 仿真结束后，程序将自动弹出两个可视化窗口：

* 左侧图表展示了真实轨迹（线条）、杂波背景（散点）以及滤波估计出的目标位置（符号点）。 * 右侧图表展示了两个目标在整个跟踪周期的RMSE变化趋势。

1. 命令行将输出仿真全程计算出的平均RMSE值。

注意事项

• 目前的仿真参数（如杂波密度和过程噪声）是基于预设场景优化的。若调整目标初始速度或杂波密度，关联成功的概率和跟踪精度会随之发生变化。
• 该程序展示了JPDAF处理多目标交互的基本原理，适用于目标数量较少的学习和科研演示场景。