Association-Based Track-Before-Detect With Object Contribution Probabilities

Kropfreiter, Thomas

doi:10.1109/TSP.2026.3659742

2026-01-30

PRE

Kropfreiter, Thomas

Jason Williams

Florian Meyer

DOI：10.1109/TSP.2026.3659742

原文链接

原文求助

摘要

En 中文

多目标跟踪提供了态势感知能力，为现代便利、应用海洋科学、公共安全和本土安全等领域的新应用奠定了基础。在许多多目标跟踪应用中，包括雷达和声纳跟踪，对接收信号进行相干预滤波后，测量数据通常以单元（cells）形式结构化，其中每个单元代表例如不同的距离和方位值。尽管传统的“检测-跟踪”（DTT）多目标跟踪方法在检测阶段将单元结构化数据转换为所谓的点测量以减少数据量，而“先跟踪-后检测”（TBD）方法则直接处理单元结构化数据，避免潜在的信息损失。然而，许多TBD跟踪方法计算复杂度较高，或当目标发生交互（即彼此接近时）跟踪精度降低。相比之下，我们提出的TBD跟踪方法通过引入目标到单元贡献的概率新概念，即使对于交互目标也能实现良好的跟踪精度。更具体地说，我们的方法采用目标与数据单元之间的概率关联以及新的目标贡献模型，进一步将单元贡献与占用同一数据单元的目标联系起来。为保持计算复杂度和滤波运行时间低，我们结合信念传播，采用高效的泊松/多元伯努利滤波方法进行快速概率数据分配。我们通过数值仿真证明，与当前最先进的TBD跟踪方法相比，本方法显著提升了跟踪性能，尤其在多个目标交互时性能差异更为明显。

Keyword:

Multiobject tracking

multitarget tracking

track-before-detect

random finite sets