基于粒子濾波與箱粒子濾波的目標跟蹤方法的研究.pdf

1、目標跟蹤(Target tracking)問題在軍事與民用領域具有廣泛的應用前景，但實際場景中存在虛警、雜波、目標數(shù)的隨機性、漏檢及量測的非線性等不確定性因素，使其成為學術界與工程界研究的熱點和難點。早期的研究工作的重點在于解決量測與真實目標之間的關聯(lián)決策問題。隨著有限集統(tǒng)計(Finite set statistics。FISST)理論的提出，人們相繼提出了一系列可完全避免數(shù)據(jù)關聯(lián)的基于隨機有限集(Random finite set。R

2、FS)的目標跟蹤方法。概率假設密度(Probability hypothesis density。PHD)濾波器是其中最具代表性的處理未知目標數(shù)環(huán)境下的多目標跟蹤算法。
　　粒子濾波器(Particle filter。PF)是一種基于貝葉斯遞推方程和序貫蒙特卡羅(Sequential monte carlo。SMC)模擬的濾波方法。相比于卡爾曼濾波器(Kalman filter。KF)等算法，粒子濾波具有更好的普適性和算法可擴展性

3、，因此被廣泛用于解決非線性、非高斯的濾波問題。它采用樣本及其權值所構成的隨機測度來描述真實狀態(tài)的后驗概率分布，并通過預測與更新來遞推得到最新時刻的狀態(tài)估計。由于大部分實際情況中的目標跟蹤問題是非線性問題，因此粒子濾波成為解決目標跟蹤這一復雜狀態(tài)估計問題的基本工具之一。箱粒子濾波器(Box particle filter。BPF)是一種將區(qū)間分析(Interval analysis)與粒子濾波結合的可擴展粒子屬性并降低粒子濾波計算復雜度的

4、改進粒子濾波算法。與傳統(tǒng)粒子濾波相比，箱粒子濾波算法可在減少粒子數(shù)的前提下實現(xiàn)高精度的狀態(tài)估計。
　　基于粒子濾波與箱粒子濾波的目標跟蹤算法是本文的研究重點。本文的研究內(nèi)容包括：
　　1）不同的重采樣算法對多目標粒子濾波器跟蹤性能的影響。本文首先對三種常用的為解決粒子濾波存在的粒子退化問題而提出的重采樣算法（多項式重采樣、分層重采樣、系統(tǒng)重采樣）進行了理論分析，并結合免聚類粒子概率假設密度(Free Clustering P

5、article Probability Hypothesis Density。FCP-PHD)濾波器在設定的多目標跟蹤場景下進行比較，重點對比了三種重采樣算法的濾波精度和計算時間。仿真結果表明，在不同的采樣粒子規(guī)模下，多項式重采樣的計算量最大，而分層重采樣與系統(tǒng)重采樣的濾波精度均好于多項式重采樣，多項式重采樣的計算效率也相對最低。另外分層重采樣與系統(tǒng)重采樣的計算量相近，隨著粒子數(shù)的增大系統(tǒng)重采樣的優(yōu)勢也逐漸明顯，當粒子數(shù)較多時其計算效率

6、也相對最高。
　　2）針對序貫蒙特卡羅概率假設密度(Sequential Monte Carlo Probability Hypothesis Density。SMC-PHD)濾波器所需的樣本數(shù)存在潛在的維數(shù)災難問題，本文在已有的免聚類粒子 PHD(FCP-PHD)濾波器的基礎上，提出一種對狀態(tài)空間進行邊緣化的免聚類粒子 PHD濾波器，稱為邊緣化免聚類粒子 PHD(Marginalized free clustering part

7、icle probability hypothesis density。M FCP-PHD)濾波器。該算法利用邊緣化粒子濾波思想，對于狀態(tài)可分解（線性/非線性）的狀態(tài)空間模型，采用序貫蒙特卡羅(SMC)方法和線性濾波器分別對 PHD遞推公式中狀態(tài)的非線性與線性部分進行預測與更新，同時在更新步中直接根據(jù)粒子更新后的權重計算多目標狀態(tài)，從而避免了傳統(tǒng) SMC-PHD算法中需要通過聚類運算來提取目標狀態(tài)而產(chǎn)生的問題。仿真結果表明，相對于 SM

8、C-PHD濾波器及現(xiàn)有的FCP-PHD濾波器，MFCP-PHD濾波器在降低系統(tǒng)維數(shù)的同時，提高了算法整體的跟蹤性能。
　　3）本文最后研究了箱粒子伯努利(Box-Bernoulli)濾波器在兩種典型的非線性情況下的目標跟蹤問題。首先根據(jù)伯努利隨機有限集構造目標的運動模型與量測模型，結合 Box-Bernoulli濾波器重點研究如何運用約束傳播(Constraints propagation。CP)算法解決兩種典型的非線性跟蹤（Ra

9、nge-Bearing跟蹤、帶多普勒量測的Range-Bearing跟蹤）的約束滿足問題(Constraint satisfaction problems。CSP)。最后通過實驗對比了序貫蒙特卡羅伯努利(Sequential Monte Carlo Bernoulli。SMC-Bernoulli)濾波器與 Box-Bernoulli濾波器在這兩種非線性情況下的目標跟蹤性能。仿真實驗驗證了 Box-Bernoulli算法在不同非線性情況下