多目標(biāo)粒子濾波檢測(cè)前跟蹤算法研究.pdf

1、檢測(cè)前跟蹤（TBD）由于對(duì)目標(biāo)信號(hào)進(jìn)行多幀聯(lián)合處理和積累，使其對(duì)微弱目標(biāo)的檢測(cè)和跟蹤性能相比于傳統(tǒng)的檢測(cè)后跟蹤（DBT）得到顯著提高，成為當(dāng)代雷達(dá)信號(hào)處理方向研究的熱點(diǎn)。粒子濾波算法是TBD技術(shù)實(shí)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(diǎn)而受到廣泛的關(guān)注。然而，基于粒子濾波的TBD算法研究時(shí)間尚短，還有許多技術(shù)問題未解決，例如：合適且有效的多目標(biāo)粒子濾波算法；跟蹤過程中臨近目標(biāo)相互干擾問題；算法計(jì)算量隨跟蹤目標(biāo)數(shù)

2、呈指數(shù)增長(zhǎng)導(dǎo)致計(jì)算量爆炸問題等。
　　本論文針對(duì)上述問題，研究了多目標(biāo)粒子濾波TBD跟蹤算法，主要做了以下研究工作：
　　1.針對(duì)多目標(biāo)情況，研究了基于貝葉斯理論的“雙層”多目標(biāo)粒子濾波算法，該算法具有起始新目標(biāo)、維持目標(biāo)跟蹤、刪除消失目標(biāo)的功能，從而能成功跟蹤目標(biāo)數(shù)目未知且時(shí)變的場(chǎng)景。
　　2.針對(duì)多目標(biāo)粒子濾波計(jì)算量隨目標(biāo)數(shù)呈指數(shù)增長(zhǎng)的問題，研究了基于獨(dú)立分區(qū)（IP-PF）的TBD算法，該算法通過將高維度的多目標(biāo)聯(lián)

3、合采樣降維成為多個(gè)單目標(biāo)采樣，從而使得計(jì)算量與目標(biāo)數(shù)線性相關(guān)；針對(duì)目標(biāo)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(biāo)之間的影響，能很好解決相互干擾的情況。
　　3.針對(duì)粒子濾波跟蹤過程中粒子數(shù)固定而不能匹配場(chǎng)景目標(biāo)數(shù)變化的問題，提出了一種基于對(duì)數(shù)似然比的自適應(yīng)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(jì)算優(yōu)化了粒子濾波更新過

4、程，能自適應(yīng)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(duì)粒子濾波計(jì)算量大的問題，提出了一種基于庫(kù)爾貝克萊伯勒距離的自適應(yīng)粒子數(shù)粒子濾波TBD算法（KLD-PF-TBD），該算法利用先驗(yàn)概率和后驗(yàn)概率的差異大小決定粒子數(shù)的多少，從而達(dá)到減少計(jì)算量的目的。
　　通過仿真實(shí)驗(yàn)驗(yàn)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(biāo)臨近和機(jī)動(dòng)目標(biāo)轉(zhuǎn)彎時(shí)，自適應(yīng)地增大跟蹤的粒子數(shù)，