復(fù)雜背景下的多目標(biāo)航跡起始算法研究.pdf

1、航跡起始問(wèn)題是指在雜波環(huán)境和噪聲背景中,對(duì)目標(biāo)尚未形成穩(wěn)定跟蹤之前的航跡確立過(guò)程。作為一種典型的多目標(biāo)檢測(cè)技術(shù),航跡起始是多目標(biāo)跟蹤的基礎(chǔ),在各種交通管制系統(tǒng)、定位、導(dǎo)航以及工業(yè)過(guò)程監(jiān)控等眾多領(lǐng)域都有著廣泛的應(yīng)用。
　　由于航跡起始階段的特殊性,通常情況下人們將這一階段目標(biāo)的運(yùn)動(dòng)籠統(tǒng)地視為勻速直線運(yùn)動(dòng)。由于實(shí)際目標(biāo)運(yùn)動(dòng)方式具有多樣性,這種簡(jiǎn)化處理不僅有可能降低航跡起始的準(zhǔn)確度,而且會(huì)造成后續(xù)階段的錯(cuò)誤積累,并最終導(dǎo)致對(duì)目標(biāo)的錯(cuò)誤跟

2、蹤。因此,在雜波伴隨的多目標(biāo)檢測(cè)問(wèn)題的研究中,針對(duì)被測(cè)目標(biāo)實(shí)際運(yùn)動(dòng)軌跡的特點(diǎn)加以區(qū)別對(duì)待具有很大的實(shí)際意義。此外,隨著檢測(cè)環(huán)境的日趨復(fù)雜,尤其是在目標(biāo)數(shù)量、目標(biāo)的運(yùn)動(dòng)信息等先驗(yàn)知識(shí)缺少且雜波率大的情況下,加之傳感器噪聲等各種客觀因素的影響,量測(cè)不確定性問(wèn)題變得更加嚴(yán)重。顯然,上述條件下的多目標(biāo)航跡起始問(wèn)題將會(huì)變得更為復(fù)雜,同時(shí)也更具研究?jī)r(jià)值和和挑戰(zhàn)性。
　　本文分別從具有單一運(yùn)動(dòng)軌跡特征、具有混合運(yùn)動(dòng)軌跡特征這兩個(gè)方面入手,針對(duì)目

3、標(biāo)數(shù)量、目標(biāo)的運(yùn)動(dòng)信息等先驗(yàn)知識(shí)缺少且雜波率大的復(fù)雜背景下的多目標(biāo)檢測(cè)問(wèn)題進(jìn)行了研究。首先,在目標(biāo)的運(yùn)動(dòng)軌跡為單一的直線軌跡或曲線軌跡的情況下,研究基于 Hough變換的航跡起始算法,解決復(fù)雜環(huán)境下目標(biāo)運(yùn)動(dòng)軌跡為單一直線或曲線的多目標(biāo)航跡起始問(wèn)題,主要包括:
　　(1)以具有直線運(yùn)動(dòng)軌跡特征的多目標(biāo)檢測(cè)為主要研究對(duì)象,針對(duì)Hough變換算法由于雜波干擾以及目標(biāo)數(shù)量未知等因素而產(chǎn)生的航跡簇?fù)韱?wèn)題,提出了基于兩級(jí) Hough變換的航跡

4、起始算法。通過(guò)對(duì)量測(cè)數(shù)據(jù)進(jìn)行兩級(jí)Hough變換處理后獲得備選航跡及相關(guān)參數(shù),并在參數(shù)空間里對(duì)所得參數(shù)樣本進(jìn)行聚類。在有效降低虛假航跡占有率的前提下,得到準(zhǔn)確的航跡數(shù)及航跡參數(shù),達(dá)到了快速準(zhǔn)確地建立目標(biāo)航跡的目的。
　　(2)在具有曲線運(yùn)動(dòng)軌跡特征的多目標(biāo)檢測(cè)中,針對(duì)強(qiáng)雜波環(huán)境下隨機(jī)Hough變換(Randomized Hough Transform,RHT)算法面臨的采樣總量難以控制、無(wú)效采樣多以及由此導(dǎo)致的算法實(shí)時(shí)性差的問(wèn)題,提

5、出基于兩點(diǎn)擴(kuò)展網(wǎng)絡(luò)及RHT的多目標(biāo)航跡起始算法。通過(guò)有效的雜波濾除,使RHT算法工作在雜波較為稀疏的環(huán)境下,從而達(dá)到降低控制采樣總量和無(wú)效采樣的目的,不僅去除了現(xiàn)有算法中對(duì)目標(biāo)數(shù)量上限值的約束,并且使算法的實(shí)時(shí)性獲得了有效提高。
　　其次,研究基于多階段融合決策的多目標(biāo)航跡起始方法,解決運(yùn)動(dòng)軌跡為包含直線和曲線的混合運(yùn)動(dòng)軌跡的多目標(biāo)檢測(cè)問(wèn)題。此類方法一般是將檢測(cè)過(guò)程分為兩個(gè)階段,第一階段通常是生成候選航跡和目標(biāo)數(shù)量,第二階段進(jìn)行航

6、跡確認(rèn),并對(duì)目標(biāo)狀態(tài)進(jìn)行估計(jì)和提取。在本文的研究方法中,綜合利用傳感器數(shù)據(jù)中位置及信號(hào)強(qiáng)度(如幅值)等多種有用信息,通過(guò)兩個(gè)階段的融合決策完成復(fù)雜背景下的多目標(biāo)檢測(cè)任務(wù),具體包括:
　　(1)針對(duì)概率多假設(shè)跟蹤(Probabilistic Multi-hypothesis Tracking, PMHT)算法在多目標(biāo)航跡起始過(guò)程中面臨的需要目標(biāo)數(shù)量先驗(yàn)已知,以及算法因初始狀態(tài)選取不當(dāng)而產(chǎn)生的錯(cuò)誤跟蹤問(wèn)題,提出基于最大置信度及修正 P

7、MHT的多目標(biāo)航跡起始算法。一方面算法利用粗起始階段產(chǎn)生的候選航跡為 PMHT提供有效的初值和備選目標(biāo)數(shù)量,另一方面通過(guò)引入幅值信息對(duì) PMHT算法加以改進(jìn),進(jìn)一步提高了狀態(tài)估計(jì)的精度,有效降低了錯(cuò)誤跟蹤現(xiàn)象的發(fā)生。
　　(2)在具有混合運(yùn)動(dòng)軌跡特征的多目標(biāo)航跡起始中,針對(duì)現(xiàn)有算法不能有效解決由于目標(biāo)超低空飛行等原因而產(chǎn)生的不連續(xù)點(diǎn)跡的檢測(cè)問(wèn)題,提出基于擴(kuò)展搜索及螞蟻航行的多階段融合檢測(cè)算法。該方法利用擴(kuò)展搜索及一步預(yù)測(cè)等手段在粗