计算机科学与探索

作者：陆子灵, 王鹏, 哈妮克孜·伊拉洪, 刘淑娴, 艾斯卡尔·艾木都拉

单位：1. 新疆大学 计算机科学与技术学院，乌鲁木齐 8300462. 新疆大学 智能科学与技术学院，乌鲁木齐 830046

关键词：联合概率数据关联（JPDA）,数据关联,公共量测,时空融合,局部搜索

基金：天山英才培养计划（2024TSYCLJ0002）；新疆维吾尔族自治区研究生科研创新项目（XJ2025G037）；新疆大学优秀研究生创新项目（XJDX2025YJS088）。

针对真实场景下红外弱小多目标跟踪过程中易受杂波干扰，联合概率数据关联(joint probabilistic data association, JPDA)算法无法高效数据关联的问题，本文提出一种融合局部搜索与时空信息的简化JPDA算法（LS-STSJPDA）。该算法通过预测引导的局部量测搜索机制，在目标预测邻域内进行搜索，抑制背景杂波并提取候选量测，再经波门筛选获得可靠量测输入。在此基础上，采用免矩阵拆分的简化关联概率计算机制，当目标间距足够大时，可独立计算各目标的关联概率，避免了传统JPDA中耗时的矩阵拆分与确认矩阵构建过程，显著降低计算复杂度；引入空间分布因子，依据量测与目标间空间邻近关系对公共量测归属进行初步判别；最后，构建时空联合增强因子，通过融合目标的帧间运动连续性信息，能够在目标轨迹交叉的场景下，为公共量测的最终判别提供更可靠的依据，有效提升了关联精度。仿真实验与真实红外场景实验结果表明，在强杂波干扰与目标轨迹交错条件下，所提算法的均方根误差和平均绝对比例误差均优于对比算法，取得了最优的跟踪性能。同时，算法运行时间显著缩短，体现了良好的实时性。

来源：2026年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第2期