Probabilistiskt dataassociationsfilter

Probabilistic Data Association Filter (PDAF) är ett statistiskt tillvägagångssätt för problemet med plotassociation (mål-mätningstilldelning) i en målspårningsalgoritm. Istället för att välja den mest sannolika tilldelningen av mätningar till ett mål (eller förklara att målet inte har upptäckts eller en mätning som ett falskt larm), tar PDAF ett förväntat värde , vilket är uppskattningen av minsta medelkvadratfel (MMSE). PDAF på egen hand bekräftar eller avslutar inte spår.

Medan PDAF endast är designad för att spåra ett enda mål i närvaro av falska larm och missade upptäckter, kan JPDAF (Joint Probabilistic Data Association Filter) hantera flera mål. Den första verkliga tillämpningen av PDAF var förmodligen i Jindalee Operational Radar Network , som är ett australiensiskt över-horizon-radarnätverk (OTHR).

Genomföranden

• Matlab : PDAF- och JPDAF-algoritmerna är implementerade i singleScanUpdate -funktionen som är en del av United States Naval Research Laboratorys kostnadsfria Tracker Component Library.

• Python : PDAF och andra dataassociationsmetoder är implementerade i Stone-Soup. En handledning visar hur algoritmerna kan användas.