《表1 不同数据关联方法的计算复杂度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种在轨海上多运动舰船目标检测和跟踪方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

经典的数据关联算法在多目标跟踪场景下的跟踪准确性已经在文献[20-22]中给出，本文不再赘述。本文对最邻近方法、联合概率数据关联方法和多假设跟踪算法的计算复杂度进行对比分析。3种方法的计算复杂度如表1所示。其中，Nk是k时刻的目标数，Mk是k时刻的量测数，Yk是k时刻的假设数，Bk是k时刻的分枝数，W是新航迹数，ε是比率内估计（estimation within ratio），η是比率内估计的概率（probability of estimation within ratio）。对比分析上述3种典型数据关联算法的计算复杂度公式，可以得到以下结论:1)NN算法的计算复杂度随着目标数和量测数线性变化；2)JPDA算法复杂度公式中，ε和η是两个固定常数，因此JPDA算法的计算复杂度随量测数Mk呈指数变化；3)MHT算法的计算复杂度主要随目标数、假设数和分枝数呈线性变化，可是假设数和分枝数都随量测数呈指数变化，很容易出现“组合爆炸”情况，占用大量计算资源。尽管MHT算法具有理论意义上的最优性能，但是MHT算法的主要优势体现在对航迹同时交叉的情况能够进行准确关联。然而，对于海面舰船跟踪场景而言，绝对不会出现航迹同时交叉的情况。因此，综合考虑跟踪性能和算法复杂度，本文采用JPDA算法进行海面多运动舰船目标跟踪和数据关联。