随着跟踪环境、跟踪对象和跟踪系统的不断变化、发展,目标与量测已很难仅仅以一一对应的关联关系来描述,这使得多目标跟踪中数据关联这一核心问题更具挑战.Jesus Garrcia、T.Kirubarajan和Bar-Shalom等学者从智能方法或重复使用一对一分配JPDA等方面进行了研究,取得一定成效,但计算量和性能均未达到理想效果.本文首先提出更符合实际情况的新的目标与量测相关联的可行性规则,给出广义联合事件的一种分割与组合方法,利用贝叶斯法则推导出了一种全局次优的广义概率数据关联算法(Generalized Probability Data Association,GPDA).通过本文设计的各种典型环境的仿真计算表明,GPDA算法的性能在目标与量测无论是否在一一对应的情况下,全面优于JPDA算法,且由于新算法的设计技巧,使计算量和存储量也大大小于JPDA算法,为发展同时具有良好实时和关联性能的多目标跟踪算法给出了新的尝试.
IETF推荐RED(Random Early Detection)作为下一代Internet路由器的拥塞控制算法.但RED中平均队列长度对实际队列变化反应较慢,导致出现拥塞的时间增加,丢包增多,本文在现有RED算法的基础上通过改进RED算法的平均队列长度计算,使用平均队列长度的均值,判断拥塞的发生和结束,动态调整权重,提高RED对拥塞发生和拥塞结束的反应速度.仿真结果表明算法减少了拥塞时间,能够维持较低的实际队列长度,进而减少了数据包排队时间.