基于隨機有限集的多目標(biāo)貝葉斯濾波方法研究.pdf

1、雜波、漏檢以及目標(biāo)的任意出現(xiàn)和消失等復(fù)雜環(huán)境給多目標(biāo)跟蹤帶來了巨大的挑戰(zhàn)。本文結(jié)合國家自然科學(xué)基金和航空科學(xué)基金，以隨機有限集框架下的多目標(biāo)貝葉斯濾波理論為基礎(chǔ)，對復(fù)雜環(huán)境下的多目標(biāo)和多擴(kuò)展目標(biāo)估計問題進(jìn)行了深入的研究。主要研究工作和貢獻(xiàn)如下:
　　(1)針對復(fù)雜環(huán)境下機動目標(biāo)聯(lián)合檢測與跟蹤問題，提出了多模型(MM)伯努利濾波算法;分別推導(dǎo)了線性高斯模型下的高斯混合（GM）MM伯努利濾波算法和非線性模型下的序貫蒙特卡洛(SMC)

2、MM伯努利濾波算法，解決了線性模型和非線性模型下的單個機動目標(biāo)聯(lián)合檢測與跟蹤問題。
　　(2)研究了多伯努利(MB)濾波器的快速實現(xiàn)問題。首先給出了帶有門限的GM-MB濾波器，接著將基于蒙特卡洛近似的門限技術(shù)用于SMC-MB濾波器中，該方法可去除大量的雜波量測，在保證跟蹤精度的前提下有效地提高了GM-MB和SMC-MB濾波算法的實時性。
　　(3)對非線性系統(tǒng)模型下的幾種MB濾波算法進(jìn)行了研究，提出了平方根容積卡爾曼(SCK

3、) GM-MB濾波算法;接著對非線性系統(tǒng)模型下的幾種MM-MB濾波算法進(jìn)行了研究，提出了SCK-GM-MM-MB濾波算法，增加了非線性模型下多目標(biāo)和多機動目標(biāo)估計算法的數(shù)值穩(wěn)定性。
　　(4)針對復(fù)雜環(huán)境下多擴(kuò)展目標(biāo)估計問題，給出了擴(kuò)展目標(biāo)(ET) MB濾波器的SMC實現(xiàn)，解決了非線性模型下多擴(kuò)展目標(biāo)估計問題。針對復(fù)雜環(huán)境下多機動擴(kuò)展目標(biāo)估計問題，將ET-MB濾波器擴(kuò)展到MM方法中，提出了MM-ET-MB濾波算法，并分別在線性高斯