基于隨機(jī)集理論的被動(dòng)多傳感器多目標(biāo)跟蹤.pdf

1、被動(dòng)多傳感器多目標(biāo)跟蹤技術(shù)是多傳感器數(shù)據(jù)融合系統(tǒng)的重要研究?jī)?nèi)容之一，在軍事和民用領(lǐng)域具有廣闊的應(yīng)用前景，備受國(guó)內(nèi)外專家學(xué)者的關(guān)注。本論文結(jié)合國(guó)家自然科學(xué)基金(No.60677040，No.60871074)，主要研究隨機(jī)集理論在被動(dòng)多傳感器多目標(biāo)跟蹤領(lǐng)域的應(yīng)用，取得的主要成果如下：
　　 1.針對(duì)被動(dòng)多傳感器量測(cè)數(shù)據(jù)關(guān)聯(lián)中的代價(jià)函數(shù)選取問(wèn)題，提出了一種基于距離加權(quán)最小二乘的改進(jìn)代價(jià)函數(shù)，將距離信息融入最小二乘估計(jì)中，并在代價(jià)函數(shù)

2、中考慮了融合方差的影響，提高了關(guān)聯(lián)精度。在此基礎(chǔ)上，針對(duì)拉格朗日松弛算法運(yùn)算量過(guò)大的問(wèn)題，提出了一種基于統(tǒng)計(jì)量檢驗(yàn)的快速關(guān)聯(lián)算法，通過(guò)兩次基于指示函數(shù)的統(tǒng)計(jì)量檢驗(yàn)對(duì)候選關(guān)聯(lián)集進(jìn)行化簡(jiǎn)，在保證較高關(guān)聯(lián)精度的同時(shí)，提高了計(jì)算效率。最后將改進(jìn)的代價(jià)函數(shù)運(yùn)用于快速關(guān)聯(lián)算法中，有效改善了算法的綜合性能。
　　 2.針對(duì)乘積形式的多傳感器PHD濾波中存在的縮放比例失衡問(wèn)題，提出一種改進(jìn)算法，將似然和縮放比例分離開(kāi)來(lái)考慮，先采用乘積形式計(jì)算聯(lián)

3、合似然，再采用求和形式計(jì)算縮放比例，有效解決了該問(wèn)題。然后，針對(duì)機(jī)動(dòng)目標(biāo)跟蹤問(wèn)題，提出一種改進(jìn)的多模型粒子PHD濾波算法，用粒子擬合目標(biāo)狀態(tài)的模型條件PHD強(qiáng)度，通過(guò)重采樣實(shí)現(xiàn)對(duì)存活粒子的輸入交互，有效解決了模型概率過(guò)小時(shí)的粒子退化問(wèn)題。在此基礎(chǔ)上，采用Rao-Blackwellized的思想進(jìn)一步提高采樣效率，改善了混合馬爾可夫系統(tǒng)下的跟蹤性能。
　　 3.針對(duì)CPHD濾波中存在的目標(biāo)漏檢問(wèn)題，提出一種改進(jìn)算法，首先采用高斯分

4、量標(biāo)記法進(jìn)行估計(jì)與航跡關(guān)聯(lián)，然后通過(guò)對(duì)修剪合并后各個(gè)高斯分量的權(quán)值進(jìn)行再分配，有效解決了目標(biāo)漏檢問(wèn)題。在此基礎(chǔ)上，針對(duì)GMP-CPHD濾波中存在的權(quán)值過(guò)估問(wèn)題，提出一種改進(jìn)算法，在高斯混合框架下，通過(guò)一組求積分點(diǎn)傳播目標(biāo)狀態(tài)估計(jì)的均值和方差，在解決觀測(cè)非線性的同時(shí)，避免了粒子濾波可能帶來(lái)的問(wèn)題。
　　 4.針對(duì)MeMBer濾波中存在的目標(biāo)數(shù)過(guò)估問(wèn)題以及CBMeMBer濾波中存在的量測(cè)新息弱化問(wèn)題，提出了一種IMeMBer算法，通

5、過(guò)對(duì)漏檢目標(biāo)的多貝努利RFS進(jìn)行修正，在解決目標(biāo)數(shù)過(guò)估問(wèn)題的同時(shí)，避免了CBMeMBer濾波可能導(dǎo)致的量測(cè)新息弱化問(wèn)題。在此基礎(chǔ)上，將高斯粒子濾波引入IMeMBer算法中，通過(guò)一組高斯粒子近似多貝努利隨機(jī)集中元素的概率分布，改善了被動(dòng)測(cè)角情況下的跟蹤性能。
　　 5.針對(duì)隨機(jī)集濾波的航跡管理問(wèn)題，提出一種基于模糊聚類的航跡管理算法。該算法充分利用多幀信息，由不同時(shí)刻的濾波狀態(tài)對(duì)當(dāng)前時(shí)刻狀態(tài)進(jìn)行n步預(yù)測(cè)，并根據(jù)慣性進(jìn)行加權(quán)，最后利