Simulation De L’algorithme À Modèles Multiples À Association De Données Adaptatif (imm-apda)

Résumé: Résumé Dans ce mémoire, nous décrivons deux techniques de poursuite basées sur le filtrage de Kalman étendu, la première est la technique d’estimation à modèles multiples interagissant, tandis que la deuxième est l’association probabiliste de données. Nous commençons par introduire quelques généralités sur la poursuite de cible, ainsi que les filtres utilisés dans cette dernière. Puis nous décrivons les différentes approches à modèles multiples et probabilistes d’association de données existantes pour l’estimation du mouvement, avec une étude détaillée de l’algorithme modèle multiple interagissant (IMM) qui est capable d’estimer les paramètres dynamiques de la cible dans le cas des mouvements brusque de celle-ci, et l’algorithme d’association de données probabiliste PDA qui peut faire cette estimation même en présence de fausses alarmes. A la fin, nous présentons les résultats de notre simulation de l’algorithme IMM-APDA qui a montré une certaine efficacité. Abstract In this memory, we describe two tracking methods based on the Extended Kalman filtering , it’s the multiple models interacting and probability data association estimation methods. We start by introducing some general information about the target tracking, and different filters used in it. Then we talk about the diverse existing multiple model and probability data association approaches for the estimate of the motion, but we focus on the description of interacting multiple model (IMM) and probabilistic data association algorithms which together, can estimate the dynamics parameters of the target in case of abrupt motion in cluttered environment. Finally, we present our simulation results of the IMM-APDA algorithm.

Publié dans la revue: