Les filtres IPDA dans le sens de l’algorithme mixte de Gauss

 

Zvonko Radosavljević

 

Le filtre intégré de l’association des données selon les probabilités ( IPDA) fournit les estimations des probabilités sur l’existence de cible nécessaires pour maintenir l’état de trace. Dans chaque tour de l’antenne de radar IPDA calcule récursivement la probabilité de l’existence de cible dans le but de résoudre l’incertitude de l’existence de cible. De même la méthode de l’ensemble fini aléatoire (RFS) est destinée pour le suivi d’une ou plusieurs cibles. En utilisant les principes de Bayesian elle calcule récursivement la distribution de l’ensemble final pour plusieurs cibles. L’application pratique de ce système de suivi est très difficile. On a prouvé analytiquement que l’algorithme IPDA peut être dérivé de la récurrence du filtre aléatoire fini (RFS) car il est basé sur les assomptions linéaires de Gauss. L’algorithme de la densité de probabilité des hypothèses  (PHD) est l’alternative à ce problème où on utilise le premier moment de la probabilité postérieure de la cible qui propage à travers les choix temporels pendant les touts de l’antenne. Dans ce papier on a dérivé et comparé les algorithmes IPDA et le produit mixte du filtre PHD de Gauss dans le scénario du suivi de cible. Les essais ont démontré les supériorités de suivi de cible par l’algorithme IPDA dans les conditions du dense désordre.

 

Mots clés: détection de cible,suivi de cible,suivi par radar, processus de Gauss Markov, filtre IPDA, Filtre PHD, algorithme