基于隨機(jī)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(cè)量值對(duì)目標(biāo)的狀態(tài)信息進(jìn)行估計(jì)的過(guò)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(cè)量模型必須滿足同一時(shí)間一個(gè)目標(biāo)只產(chǎn)生一個(gè)測(cè)量值，且每個(gè)測(cè)量值最多來(lái)自一個(gè)目標(biāo)或雜波。但實(shí)際跟蹤系統(tǒng)中，很多目標(biāo)并不滿足該假設(shè)，例如：擴(kuò)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(cè)量目標(biāo)。非標(biāo)準(zhǔn)測(cè)量目標(biāo)跟蹤問(wèn)題比較復(fù)雜但更具實(shí)際應(yīng)用價(jià)值。近些年來(lái)，基于隨機(jī)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(duì)非標(biāo)準(zhǔn)測(cè)量目標(biāo)跟蹤中存在的問(wèn)題，對(duì)現(xiàn)有的基于隨機(jī)有限集的跟蹤算法進(jìn)行了更為深入的研究。
　　本研究主要內(nèi)容包括：⑴針對(duì)多傳感器目標(biāo)跟蹤問(wèn)題，將基于隨機(jī)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(jī)有限集，并利用有限集合統(tǒng)計(jì)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(dá)

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(jì)精度更高、性能更穩(wěn)定的優(yōu)點(diǎn)。⑵針對(duì)機(jī)動(dòng)目標(biāo)跟蹤過(guò)程中存在的目標(biāo)模型不確定性問(wèn)題，將MSBF算法與多模型算法結(jié)合，提出了一種跟蹤機(jī)動(dòng)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(jī)動(dòng)目標(biāo)跟蹤問(wèn)題。⑶針對(duì)超視距雷達(dá)跟蹤系統(tǒng)中一個(gè)目標(biāo)可通過(guò)多條傳播路徑產(chǎn)生多個(gè)測(cè)量值的多徑問(wèn)題，提出了一種基于隨機(jī)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(jī)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(shí)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(guò)程中的多徑問(wèn)題。⑷針對(duì)多徑超視距多目標(biāo)跟蹤問(wèn)題，對(duì)基于隨機(jī)有限集的算法進(jìn)行更深入的研究，提出了一種多徑勢(shì)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(jī)有限集，然后利用FISST理論推導(dǎo)得到了MP