雷達(dá)多目標(biāo)跟蹤的粒子濾波處理方法的研究.pdf

1、伴隨著我國(guó)航運(yùn)事業(yè)的迅速發(fā)展，船舶行駛的環(huán)境日益復(fù)雜，未來(lái)的跟蹤系統(tǒng)面臨著嚴(yán)峻的挑戰(zhàn)。多目標(biāo)跟蹤一直以來(lái)是眾多學(xué)者研究的重點(diǎn)和難點(diǎn)，其主要包括航跡關(guān)聯(lián)和跟蹤濾波兩個(gè)問(wèn)題，一個(gè)好的跟蹤濾波算法能夠大大提高目標(biāo)跟蹤精度。相較于一般的濾波方法，粒子濾波具有較好的魯棒性，在解決非線性、非高斯問(wèn)題上有其獨(dú)特的優(yōu)勢(shì)。本文主要討論和研究了多目標(biāo)跟蹤中的粒子濾波算法。
　　本文首先分析了多目標(biāo)跟蹤及粒子濾波算法的基本概念和原理，同時(shí)對(duì)貝葉斯理論和

2、蒙特卡洛積分進(jìn)行了相關(guān)的介紹。主要討論了多目標(biāo)跟蹤理論中的數(shù)據(jù)關(guān)聯(lián)和跟蹤濾波過(guò)程，并對(duì)常用的數(shù)據(jù)關(guān)聯(lián)方法和濾波方法進(jìn)行了分析比較，為后續(xù)工作做好理論基礎(chǔ)。
　　其次，主要研究了序貫重要性重采樣粒子濾波算法和代價(jià)參考粒子濾波算法，并提出了一種高斯代價(jià)參考粒子濾波算法(Gauss Cost-reference Particle Filter，GCRPF)。該算法在代價(jià)參考粒子濾波的基礎(chǔ)上，用高斯分布取代重采樣過(guò)程，既保留了代價(jià)參考粒子

3、濾波的優(yōu)點(diǎn)，同時(shí)也使得算法的復(fù)雜度大大降低，從而在一定程度上提高了算法的運(yùn)行速度。最后進(jìn)行了仿真分析，結(jié)果表明改進(jìn)算法在保證濾波效果的前提下減小了計(jì)算量，縮短了運(yùn)行時(shí)間。
　　最后，主要研究了多目標(biāo)跟蹤中的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法，在傳統(tǒng)的MC-JPDA算法的基礎(chǔ)上，提出了一種基于代價(jià)參考粒子濾波的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法(Cost-reference Particle Filter-Joint Probabilistic Data As