基于隨機有限集的目標(biāo)跟蹤算法研究.pdf

1、目標(biāo)跟蹤是利用傳感器的測量值對目標(biāo)的狀態(tài)信息進行估計的過程，其在軍事和民用領(lǐng)域均有廣泛的應(yīng)用。通常情況下，目標(biāo)跟蹤算法假設(shè)目標(biāo)測量模型必須滿足同一時間一個目標(biāo)只產(chǎn)生一個測量值，且每個測量值最多來自一個目標(biāo)或雜波。但實際跟蹤系統(tǒng)中，很多目標(biāo)并不滿足該假設(shè)，例如：擴展目標(biāo)，不可分辨目標(biāo)、多徑超視距目標(biāo)、多傳感器目標(biāo)等，這類目標(biāo)被稱為非標(biāo)準(zhǔn)測量目標(biāo)。非標(biāo)準(zhǔn)測量目標(biāo)跟蹤問題比較復(fù)雜但更具實際應(yīng)用價值。近些年來，基于隨機有限集的目標(biāo)跟蹤算法受到了

2、學(xué)者們的廣泛關(guān)注，該類算法已成為目標(biāo)跟蹤的主流算法。本文針對非標(biāo)準(zhǔn)測量目標(biāo)跟蹤中存在的問題，對現(xiàn)有的基于隨機有限集的跟蹤算法進行了更為深入的研究。
　　本研究主要內(nèi)容包括：⑴針對多傳感器目標(biāo)跟蹤問題，將基于隨機有限集的伯努利濾波應(yīng)用于多傳感器單目標(biāo)跟蹤系統(tǒng)中，提出了一種多傳感器伯努利濾波(MSBF)算法。該算法將多傳感器目標(biāo)狀態(tài)模擬成伯努利隨機有限集，并利用有限集合統(tǒng)計學(xué)(FISST)理論推導(dǎo)了伯努利濾波處理多傳感器目標(biāo)的數(shù)學(xué)表達

3、式。該算法與傳統(tǒng)基于“序貫更新近似”的多傳感器目標(biāo)跟蹤算法相比，具有估計精度更高、性能更穩(wěn)定的優(yōu)點。⑵針對機動目標(biāo)跟蹤過程中存在的目標(biāo)模型不確定性問題，將MSBF算法與多模型算法結(jié)合，提出了一種跟蹤機動目標(biāo)的多模多傳感器伯努利濾波(MM-MSBF)算法，該算法有效的解決了MSBF算法的機動目標(biāo)跟蹤問題。⑶針對超視距雷達跟蹤系統(tǒng)中一個目標(biāo)可通過多條傳播路徑產(chǎn)生多個測量值的多徑問題，提出了一種基于隨機有限集的多徑概率假設(shè)密度(MP-PHD)

4、濾波算法。該算法將多徑超視距目標(biāo)狀態(tài)建模成隨機有限集，然后利用 FISST理論推導(dǎo)得到了MP-PHD濾波遞推公式，并最終給出了該算法的高斯混合實現(xiàn)流程，仿真結(jié)果表明該方法有效的解決了多徑超視距多目標(biāo)跟蹤過程中的多徑問題。⑷針對多徑超視距多目標(biāo)跟蹤問題，對基于隨機有限集的算法進行更深入的研究，提出了一種多徑勢平衡多目標(biāo)多伯努利(MP-CBMeMBer)濾波算法。該算法將目標(biāo)狀態(tài)建模成多伯努利隨機有限集，然后利用FISST理論推導(dǎo)得到了MP