Target tracking has traditionally focused on the use of kinematic information, such as bearing, range, position, or speed. In some cases, it is possible to extract additional target information that may be useful in the maintenance of reliable tracks, or the establishment of target type or identity. Several methods have been proposed for the use of feature information in target tracking. In this paper, we discuss and evaluate its use as a component of the cumulative likelihood ratio used for track management and contact assignment in a track-oriented multihypothesis tracker (MHT) using a sorted branch and bound approach to contact assignment. The active sonar sea trial data used in this evaluation, Clutter09, include feature values based on the perceptual capabilities of the human auditory system. Three measurement scenarios are considered. Comparisons between the baseline case, which used only kinematic information, and several feature-aided cases showed that the performance of the tracker improved noticeably when feature information was used. The MHT, which was working at a depth of six scans, was also able to tolerate seven times as many false contacts in the feature-aided cases as in the baseline cases. This corresponds to improved detection and tracking of targets that are weaker, or at greater range, or in a more cluttered environment. Results were also significantly better when compared with cases where the feature information was used to prefilter the contacts entering the tracker or to postfilter the tracks produced by the tracker.

中文翻译：

---

使用集成特征数据改进杂波中的主动声纳跟踪

目标跟踪传统上侧重于运动学信息的使用，例如方位、范围、位置或速度。在某些情况下，可以提取额外的目标信息，这些信息可能对维护可靠轨道或建立目标类型或身份有用。已经提出了几种在目标跟踪中使用特征信息的方法。在本文中，我们讨论并评估了它作为累积似然比的一个组成部分的使用，该累积似然比用于在面向轨道的多假设跟踪器 (MHT) 中使用排序分支定界方法进行接触分配，用于轨道管理和接触分配。本次评估中使用的主动声纳海上试验数据 Clutter09 包括基于人类听觉系统感知能力的特征值。考虑了三种测量场景。仅使用运动学信息的基线案例与几个特征辅助案例之间的比较表明，当使用特征信息时，跟踪器的性能显着提高。MHT 在 6 次扫描的深度下工作，在特征辅助案例中也能够容忍 7 倍于基线案例的虚假接触。这对应于对更弱、更大范围或更杂乱环境中的目标的改进检测和跟踪。与使用特征信息对进入跟踪器的接触进行预过滤或对跟踪器产生的轨迹进行后过滤的情况相比，结果也明显更好。几个特征辅助案例表明，当使用特征信息时，跟踪器的性能显着提高。MHT 在 6 次扫描的深度下工作，在特征辅助案例中也能够容忍 7 倍于基线案例的虚假接触。这对应于对更弱、更大范围或更杂乱环境中的目标的改进检测和跟踪。与使用特征信息对进入跟踪器的接触进行预过滤或对跟踪器产生的轨迹进行后过滤的情况相比，结果也明显更好。几个特征辅助案例表明，当使用特征信息时，跟踪器的性能显着提高。MHT 在 6 次扫描的深度下工作，在特征辅助案例中也能够容忍 7 倍于基线案例的虚假接触。这对应于对更弱、更大范围或更杂乱环境中的目标的改进检测和跟踪。与使用特征信息对进入跟踪器的接触进行预过滤或对跟踪器产生的轨迹进行后过滤的情况相比，结果也明显更好。这对应于对更弱、更大范围或更杂乱环境中的目标的改进检测和跟踪。与使用特征信息对进入跟踪器的接触进行预过滤或对跟踪器产生的轨迹进行后过滤的情况相比，结果也明显更好。这对应于对更弱、更大范围或更杂乱环境中的目标的改进检测和跟踪。与使用特征信息对进入跟踪器的接触进行预过滤或对跟踪器产生的轨迹进行后过滤的情况相比，结果也明显更好。