量化量測(cè)下的機(jī)動(dòng)目標(biāo)跟蹤方法研究.pdf

1、機(jī)動(dòng)目標(biāo)跟蹤技術(shù)作為目標(biāo)跟蹤和信息融合的重要組成部分一直是研究的熱點(diǎn)，受到國(guó)內(nèi)外研究機(jī)構(gòu)和學(xué)者的高度關(guān)注。隨著科技的快速發(fā)展，量化量測(cè)作為通信和信息處理中一種常見(jiàn)的非傳統(tǒng)量測(cè)，如何將基于精確量測(cè)模型的機(jī)動(dòng)目標(biāo)跟蹤技術(shù)應(yīng)用到量化量測(cè)模型上是當(dāng)前機(jī)動(dòng)目標(biāo)跟蹤亟待處理的難點(diǎn)之一。機(jī)動(dòng)目標(biāo)跟蹤技術(shù)主要有兩種思路，一種是采用自適應(yīng)模型，另一種是采用混合模型。本文對(duì)當(dāng)前機(jī)動(dòng)目標(biāo)跟蹤的兩種思路在量化量測(cè)條件下的應(yīng)用分別進(jìn)行了相關(guān)的研究工作。
　

2、　1)研究了量化量測(cè)的產(chǎn)生原因和發(fā)展現(xiàn)狀，以及機(jī)動(dòng)目標(biāo)跟蹤技術(shù)的發(fā)展和應(yīng)用。主要包括非傳統(tǒng)量測(cè)、誤差有界區(qū)間模型、量化量測(cè)廣義似然和機(jī)動(dòng)目標(biāo)運(yùn)動(dòng)模型，以及多模型方法。
　　2)研究并實(shí)現(xiàn)了量化量測(cè)下的Singer模型Kalman濾波，提出了量化量測(cè)下的Singer模型高斯混合概率假設(shè)密度(GMPHD)濾波。分別采用區(qū)間取中值和近似最小均方誤差估計(jì)(MMSE)的方法將量化量測(cè)問(wèn)題近似成點(diǎn)量測(cè)問(wèn)題，以便在Singer模型下采用GMPH

3、D進(jìn)行濾波。該算法可以在線性高斯系統(tǒng)中得到閉合解，還可以處理量化量測(cè)具有的隨機(jī)不確定性，集合理論不確定性和數(shù)據(jù)關(guān)聯(lián)不確定性。仿真實(shí)驗(yàn)驗(yàn)證了濾波器的有效性，通過(guò)對(duì)比分析，量化量測(cè)下的跟蹤誤差接近于點(diǎn)量測(cè)下的跟蹤誤差，MMSE方法誤差小于區(qū)間直接點(diǎn)化方法。
　　3)研究了量化量測(cè)下交互多模型粒子濾波和交互多模型箱粒子濾波，提出了采用被動(dòng)傳感器的量化量測(cè)交互多模型粒子PHD濾波和交互多模型箱粒子PHD濾波。通過(guò)在粒子/箱粒子狀態(tài)向量中增