基于概率假設密度函數(PHD)的多目標跟蹤方法研究.pdf

1、多目標跟蹤技術已經廣泛應用于軍事和民用領域，但它仍是多學科、多領域所共同關心的重點和難點問題。在多目標跟蹤問題中，傳統(tǒng)的處理方法是先進行數據關聯，然后再對目標狀態(tài)或參數進行估計，數據關聯是整個跟蹤問題的核心與關鍵。當目標個數較多并存在一定數量的雜波和虛警時，關聯本身就難以處理，會出現諸如組合爆炸、計算量呈指數型增長等問題。隨機集方法則是避開數據關聯去研究目標跟蹤問題。但是它的計算過程中存在集函數積分運算，且沒有一般意義下的解析解，這就產

2、生了在實際中因計算復雜而難以實現的問題。隨著研究的深入，有學者在隨機集理論的框架下提出了PHD濾波器。該方法將集函數積分運算簡化為單個變量的積分運算，具備了實現數值運算的可行性。PHD算法雖然有很多優(yōu)點，但在應用領域也存在一些問題。例如，PHD只能估計出目標狀態(tài)點集，而無法給出目標的運動軌跡；在多數情況下需要通過數值方法計算PHD中的函數積分，如何得到效果更好的PHD數值算法是個值得研究的問題；PHD并非適用于所有跟蹤問題，在不同的條件

3、和環(huán)境下，如何將其與其它經典跟蹤方法進行比較，確定各自的適用范圍是個亟待解決的問題。
　　 本文針對PHD在理論和應用中存在的問題分別展開研究，主要內容如下：
　　 1)對國內外部分相關文獻進行綜述，分析總結多種經典算法的優(yōu)缺點，提出PHD方法可以克服其它方法的一些缺點，有望更好地解決目標跟蹤問題，是今后的研究方向之一。
　　 2)GM-PHD濾波器及其在多目標跟蹤中的應用。在混合高斯情況下，提出一種可以解析

4、計算的改進GM-PHD算法，并且在得到目標的狀態(tài)估計點集后，利用“最近鄰”聚類算法確定目標的運動軌跡。
　　 3)GM-PHD與JPDA算法的性能分析與比較。通過分析GM-PHD與經典JPDA跟蹤算法的計算量，得到兩算法計算復雜度的解析表達式；然后根據觀測與目標狀態(tài)之間關聯復雜程度，分三種典型情況對兩類算法的計算量進行比較，并給出各自算法的適用范圍。
　　 4)UPF-PHD濾波器及其在多目標跟蹤中的應用。從數值計算