多目標粒子濾波檢測前跟蹤算法研究.pdf

1、檢測前跟蹤（TBD）由于對目標信號進行多幀聯(lián)合處理和積累，使其對微弱目標的檢測和跟蹤性能相比于傳統(tǒng)的檢測后跟蹤（DBT）得到顯著提高，成為當代雷達信號處理方向研究的熱點。粒子濾波算法是TBD技術實現(xiàn)的一種性能較好的算法，該算法因具有解決非線性非高斯跟蹤問題的優(yōu)點而受到廣泛的關注。然而，基于粒子濾波的TBD算法研究時間尚短，還有許多技術問題未解決，例如：合適且有效的多目標粒子濾波算法；跟蹤過程中臨近目標相互干擾問題；算法計算量隨跟蹤目標數(shù)

2、呈指數(shù)增長導致計算量爆炸問題等。
　　本論文針對上述問題，研究了多目標粒子濾波TBD跟蹤算法，主要做了以下研究工作：
　　1.針對多目標情況，研究了基于貝葉斯理論的“雙層”多目標粒子濾波算法，該算法具有起始新目標、維持目標跟蹤、刪除消失目標的功能，從而能成功跟蹤目標數(shù)目未知且時變的場景。
　　2.針對多目標粒子濾波計算量隨目標數(shù)呈指數(shù)增長的問題，研究了基于獨立分區(qū)（IP-PF）的TBD算法，該算法通過將高維度的多目標聯(lián)

3、合采樣降維成為多個單目標采樣，從而使得計算量與目標數(shù)線性相關；針對目標臨近相互干擾的問題，研究了基于平行分區(qū)（PP-PF）和聯(lián)合最優(yōu)采樣（JOID-PF）的TBD算法，這些算法綜合考慮了臨近目標之間的影響，能很好解決相互干擾的情況。
　　3.針對粒子濾波跟蹤過程中粒子數(shù)固定而不能匹配場景目標數(shù)變化的問題，提出了一種基于對數(shù)似然比的自適應粒子數(shù)粒子濾波TBD算法（LLBA-PF-TBD），該算法通過似然函數(shù)的計算優(yōu)化了粒子濾波更新過

4、程，能自適應的選擇匹配環(huán)境特性的粒子數(shù)目改善跟蹤效率和性能。
　　4.針對粒子濾波計算量大的問題，提出了一種基于庫爾貝克萊伯勒距離的自適應粒子數(shù)粒子濾波TBD算法（KLD-PF-TBD），該算法利用先驗概率和后驗概率的差異大小決定粒子數(shù)的多少，從而達到減少計算量的目的。
　　通過仿真實驗驗證了上述所有算法的有效性，證明了 LLBA-PF-TBD和KLD-PF-TBD算法能在目標臨近和機動目標轉(zhuǎn)彎時，自適應地增大跟蹤的粒子數(shù)，