基于PHD濾波的檢測前跟蹤算法與重采樣技術(shù)研究.pdf

1、隨著當代信息技術(shù)的飛速發(fā)展，無論是在軍工層面還是在民用層面，多目標跟蹤技術(shù)都擁有著廣泛的應(yīng)用前景。在目前復(fù)雜的電磁環(huán)境下，現(xiàn)有的傳統(tǒng)跟蹤算法對“低小慢”的微弱目標跟蹤還存在一定的局限性，研究性能更好的多目標跟蹤算法勢在必行。
　　本研究在貝葉斯濾波的估計框架下，探討了當前較為熱門的多目標跟蹤算法----概率假設(shè)密度（PHD）濾波，并結(jié)合檢測前跟蹤（TBD）思想對微弱目標的處理優(yōu)勢，重點研究了基于PHD濾波的TBD算法理論及其具體實

2、現(xiàn)。在傳統(tǒng)的PHD-TBD濾波算法中，由于沒有合理的新生粒子生成方案，以及沒有滿足使用 PHD濾波的基本假設(shè)，嚴重限制了算法的濾波性能和實用價值。針對這些問題，本文研究一種改進的基于 PHD濾波的檢測前多目標跟蹤算法，提出一種基于差分定位的自適應(yīng)粒子生成方法，將新生粒子大量聚集在真實目標的位置周圍，大大提高了新生粒子的有效性；同時建立新的觀測模型，并通過引入相關(guān)閾值對觀測數(shù)據(jù)進行預(yù)處理使得觀測數(shù)據(jù)中的雜波數(shù)目近似服從泊松分布，令 PHD

3、濾波在 TBD技術(shù)中可以更好的發(fā)揮其優(yōu)勢。仿真結(jié)果表明，所提出的算法可以提高目標數(shù)目估計的準確率，增強檢測與跟蹤性能，達到降低計算量的效果。在TBD算法中，每幀所要處理的數(shù)據(jù)量非常龐大，為了進一步提升算法的實時性能，重點研究了算法實現(xiàn)中的重采樣過程，并提出了一種帶有緩存機制的Metropolis Hasting（BMH）利于并行流水線操作的重采樣方法，該方法在得到每個更新階段的粒子和其對應(yīng)權(quán)值時，就可以開始處理重采樣步驟，不需要等待所有