基于PHD濾波的檢測(cè)前跟蹤算法與重采樣技術(shù)研究.pdf

1、隨著當(dāng)代信息技術(shù)的飛速發(fā)展，無(wú)論是在軍工層面還是在民用層面，多目標(biāo)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(duì)“低小慢”的微弱目標(biāo)跟蹤還存在一定的局限性，研究性能更好的多目標(biāo)跟蹤算法勢(shì)在必行。
　　本研究在貝葉斯濾波的估計(jì)框架下，探討了當(dāng)前較為熱門的多目標(biāo)跟蹤算法----概率假設(shè)密度（PHD）濾波，并結(jié)合檢測(cè)前跟蹤（TBD）思想對(duì)微弱目標(biāo)的處理優(yōu)勢(shì)，重點(diǎn)研究了基于PHD濾波的TBD算法理論及其具體實(shí)

2、現(xiàn)。在傳統(tǒng)的PHD-TBD濾波算法中，由于沒(méi)有合理的新生粒子生成方案，以及沒(méi)有滿足使用 PHD濾波的基本假設(shè)，嚴(yán)重限制了算法的濾波性能和實(shí)用價(jià)值。針對(duì)這些問(wèn)題，本文研究一種改進(jìn)的基于 PHD濾波的檢測(cè)前多目標(biāo)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(shí)目標(biāo)的位置周圍，大大提高了新生粒子的有效性；同時(shí)建立新的觀測(cè)模型，并通過(guò)引入相關(guān)閾值對(duì)觀測(cè)數(shù)據(jù)進(jìn)行預(yù)處理使得觀測(cè)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(shì)。仿真結(jié)果表明，所提出的算法可以提高目標(biāo)數(shù)目估計(jì)的準(zhǔn)確率，增強(qiáng)檢測(cè)與跟蹤性能，達(dá)到降低計(jì)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(jìn)一步提升算法的實(shí)時(shí)性能，重點(diǎn)研究了算法實(shí)現(xiàn)中的重采樣過(guò)程，并提出了一種帶有緩存機(jī)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(gè)更新階段的粒子和其對(duì)應(yīng)權(quán)值時(shí)，就可以開(kāi)始處理重采樣步驟，不需要等待所有