基于隨機集理論的被動多傳感器多目標跟蹤.pdf

1、被動多傳感器多目標跟蹤技術是多傳感器數(shù)據(jù)融合系統(tǒng)的重要研究內容之一，在軍事和民用領域具有廣闊的應用前景，備受國內外專家學者的關注。本論文結合國家自然科學基金(No.60677040，No.60871074)，主要研究隨機集理論在被動多傳感器多目標跟蹤領域的應用，取得的主要成果如下：
　　 1.針對被動多傳感器量測數(shù)據(jù)關聯(lián)中的代價函數(shù)選取問題，提出了一種基于距離加權最小二乘的改進代價函數(shù)，將距離信息融入最小二乘估計中，并在代價函數(shù)

2、中考慮了融合方差的影響，提高了關聯(lián)精度。在此基礎上，針對拉格朗日松弛算法運算量過大的問題，提出了一種基于統(tǒng)計量檢驗的快速關聯(lián)算法，通過兩次基于指示函數(shù)的統(tǒng)計量檢驗對候選關聯(lián)集進行化簡，在保證較高關聯(lián)精度的同時，提高了計算效率。最后將改進的代價函數(shù)運用于快速關聯(lián)算法中，有效改善了算法的綜合性能。
　　 2.針對乘積形式的多傳感器PHD濾波中存在的縮放比例失衡問題，提出一種改進算法，將似然和縮放比例分離開來考慮，先采用乘積形式計算聯(lián)

3、合似然，再采用求和形式計算縮放比例，有效解決了該問題。然后，針對機動目標跟蹤問題，提出一種改進的多模型粒子PHD濾波算法，用粒子擬合目標狀態(tài)的模型條件PHD強度，通過重采樣實現(xiàn)對存活粒子的輸入交互，有效解決了模型概率過小時的粒子退化問題。在此基礎上，采用Rao-Blackwellized的思想進一步提高采樣效率，改善了混合馬爾可夫系統(tǒng)下的跟蹤性能。
　　 3.針對CPHD濾波中存在的目標漏檢問題，提出一種改進算法，首先采用高斯分

4、量標記法進行估計與航跡關聯(lián)，然后通過對修剪合并后各個高斯分量的權值進行再分配，有效解決了目標漏檢問題。在此基礎上，針對GMP-CPHD濾波中存在的權值過估問題，提出一種改進算法，在高斯混合框架下，通過一組求積分點傳播目標狀態(tài)估計的均值和方差，在解決觀測非線性的同時，避免了粒子濾波可能帶來的問題。
　　 4.針對MeMBer濾波中存在的目標數(shù)過估問題以及CBMeMBer濾波中存在的量測新息弱化問題，提出了一種IMeMBer算法，通

5、過對漏檢目標的多貝努利RFS進行修正，在解決目標數(shù)過估問題的同時，避免了CBMeMBer濾波可能導致的量測新息弱化問題。在此基礎上，將高斯粒子濾波引入IMeMBer算法中，通過一組高斯粒子近似多貝努利隨機集中元素的概率分布，改善了被動測角情況下的跟蹤性能。
　　 5.針對隨機集濾波的航跡管理問題，提出一種基于模糊聚類的航跡管理算法。該算法充分利用多幀信息，由不同時刻的濾波狀態(tài)對當前時刻狀態(tài)進行n步預測，并根據(jù)慣性進行加權，最后利