基于脉冲雷达信号的路径损耗(PLA)和联合概率数据关联(JPDA)算法用于室内多人跟踪的脉冲无线电超宽带(IR-UWB)雷达(Matlab、Python代码实现)

本文链接：https://blog.csdn.net/m0_73907476/article/details/145365180

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

⛳️赠与读者

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、Python代码、数据下载

⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能解答你胸中升起的一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

基于脉冲雷达信号的路径损耗(PLA)和联合概率数据关联(JPDA)算法用于室内多人跟踪的脉冲无线电超宽带(IR-UWB)雷达研究

摘要

脉冲无线电超宽带（IR-UWB）雷达因其高距离分辨率而在室内环境中被广泛应用于多人跟踪。联合概率数据关联（JPDA）算法被设计用于将轨迹与人员关联，但在多径杂波和轨迹融合的挑战下，其性能受到限制。本文提出了一种基于路径损耗的自适应联合概率数据关联算法（PLA-JPDA），该算法能有效抑制多径杂波，并通过调整验证门限和关联概率权重来优化跟踪性能。实验结果表明，PLA-JPDA在平均均方根误差（RMSE）和最优子模式分配（OSPA）距离方面均优于传统的JPDA和最近邻JPDA（NN-JPDA）。

路径损耗模型

路径损耗是无线通信中的一个重要参数，描述了信号强度随传播距离增加而衰减的现象。在UWB系统中，由于其独特的脉冲形状，路径损耗与传统窄带通信系统有所不同。研究表明，UWB脉冲信号在室内环境中的路径损耗特性可以通过5射线模型进行分析，该模型考虑了直射、地面反射、天花板反射和两侧墙面反射等主要路径。

路径损耗的计算方法

路径损耗通常使用对数距离功率定律来建模，该定律包含对数正态大尺度衰落项。然而，实际测量中，接收信号可能受到测量系统动态范围和噪声底的影响，导致测量样本被截断或审查。为了解决这一问题，可以使用Tobit最大似然估计算法，该算法能在某些条件下为路径损耗参数提供一致的估计值。

联合概率数据关联算法

联合概率数据关联（JPDA）是一种用于多目标跟踪的算法，特别适用于处理多个目标相互靠近的情况。JPDA通过考虑所有可能的轨迹组合来最大化跟踪的准确性和可靠性。然而，传统的JPDA在面对复杂室内环境中的多径杂波和轨迹融合问题时，其性能会受到限制。

PLA-JPDA算法的提出

为了克服这些挑战，本文提出了基于路径损耗的自适应联合概率数据关联算法（PLA-JPDA）。该算法利用路径损耗信息来抑制多径杂波，并通过调整验证门限和关联概率权重来优化跟踪性能。具体来说，PLA-JPDA根据雷达信号的距离依赖性路径损耗来抑制多径杂波，从而提高跟踪的准确性和可靠性。

实验验证

为了验证所提出的PLA-JPDA算法的有效性，本文在实际室内环境中进行了实验。实验中使用三台IR-UWB雷达跟踪两个人，这两个人沿着平行线相互靠近移动。实验结果显示，使用PLA-JPDA进行跟踪的平均均方根误差（RMSE）为0.14米，分别是使用JPDA和最近邻JPDA（NN-JPDA）进行跟踪的平均RMSE的18.7%和13.7%。此外，PLA-JPDA在最优子模式分配（OSPA）距离方面也优于JPDA和NN-JPDA。

结论

本文提出的基于路径损耗的自适应联合概率数据关联算法（PLA-JPDA）在室内多人跟踪中表现出色，特别是在处理多径杂波和轨迹融合方面具有显著优势。通过实验验证，PLA-JPDA在跟踪精度和OSPA距离方面均优于传统的JPDA和NN-JPDA，证明了其在实际应用中的有效性和可靠性。未来的研究可以进一步探索PLA-JPDA在不同室内环境下的性能，以及如何进一步优化算法以提高其鲁棒性和实时性。

📚2 运行结果

部分代码：

% PLA-JPDA for multi-person tracking
%% PL-based multipath suppression
load('../result/crslt1.mat');
crslt = crslt(46:245,:); % obtain the valid signal
P = crslt.^2;
[r,c] = size(P);
ht = P;
cm = zeros(size(P));
gamma = 2.8; % a exponent related to the environment
distWhole = (1:c);
dr = 1/156; % distance resolution
for i = 1:r
[pk,loc] = max(P(i,:));
thrs = 0;

while pk>0
cm(i,loc) = 1;
ht(i,loc) = 0;
indx = find(ht(i,:)>0);
if isempty(indx)