基于貝葉斯理論的多目標(biāo)跟蹤算法研究.pdf

1、多目標(biāo)跟蹤系統(tǒng)在軍事和民用方面都有著廣泛的應(yīng)用，多目標(biāo)跟蹤算法是多目標(biāo)跟蹤系統(tǒng)的關(guān)鍵和難點(diǎn)。人們對(duì)于多目標(biāo)跟蹤算法已進(jìn)行了半個(gè)多世紀(jì)的研究，提出了很多種多目標(biāo)跟蹤算法。但是，傳統(tǒng)的基于數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤算法計(jì)算量大，跟蹤性能較差，難以適應(yīng)現(xiàn)代復(fù)雜多目標(biāo)跟蹤場(chǎng)景。近年來(lái)，基于隨機(jī)有限集的多目標(biāo)貝葉斯濾波器在復(fù)雜目標(biāo)場(chǎng)景跟蹤中取得了巨大的突破，得到了越來(lái)越多的關(guān)注和研究。多目標(biāo)貝葉斯濾波器能夠把多目標(biāo)狀態(tài)作為一個(gè)集合直接估計(jì)出來(lái)，從而避免

2、了傳統(tǒng)多目標(biāo)跟蹤技術(shù)中的數(shù)據(jù)關(guān)聯(lián)環(huán)節(jié)。另外，多目標(biāo)狀態(tài)隨機(jī)集模型不僅包含生存目標(biāo)的動(dòng)態(tài)模型，還包含了目標(biāo)的新生，孵化等動(dòng)態(tài)模型;多目標(biāo)量測(cè)隨機(jī)集模型也同時(shí)包含了源于目標(biāo)的量測(cè)和雜波分布模型，因此多目標(biāo)貝葉斯濾波器可以容易地處理密集雜波，時(shí)變目標(biāo)，目標(biāo)的生存，分裂，新生等復(fù)雜情況。但是，在實(shí)際應(yīng)用中，基于隨機(jī)集的多目標(biāo)貝葉斯濾波器存在較多的限制條件以及一些不足，缺少魯棒性，難以滿(mǎn)足各種各樣的跟蹤要求。
　　本論文主要針對(duì)貝葉斯多目標(biāo)

3、跟蹤算法的不足和限制條件進(jìn)行了深入研究，提出了改進(jìn)的基于隨機(jī)有限集的多目標(biāo)跟蹤算法。改進(jìn)工作主要在于兩個(gè)方面，一個(gè)是對(duì)于多目標(biāo)貝葉斯濾波器無(wú)法形成航跡問(wèn)題的改進(jìn)，二是松弛了多目標(biāo)貝葉斯濾波器的一個(gè)限制條件。另外，本論文在隨機(jī)集框架下研究了多傳感器系統(tǒng)中傳感器最優(yōu)處理序列問(wèn)題，得到了不同條件下的多傳感器最優(yōu)處理序列。本論文的主要研究成果如下:
　　1.提出了一種帶有航跡識(shí)別的概率假設(shè)密度(Probability Hypothesis

4、 Density, PHD)多目標(biāo)跟蹤濾波器。該算法使用解析形式的高斯混合PHD(GM-PHD)濾波器處理密集雜波數(shù)據(jù)，得到多目標(biāo)的位置估計(jì)隨機(jī)集，然后由此位置估計(jì)隨機(jī)集構(gòu)造多目標(biāo)的偽量測(cè)，由面向航跡的多假設(shè)跟蹤器(MHT)實(shí)現(xiàn)GM-PHD濾波器的關(guān)聯(lián)跟蹤;為了關(guān)聯(lián)跟蹤多機(jī)動(dòng)目標(biāo)，在MHT中結(jié)合了“當(dāng)前”統(tǒng)計(jì)模型以形成一個(gè)自適應(yīng)多目標(biāo)跟蹤算法。
　　2.提出一種基于聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(Joint Probability Data A

5、ssociation，JPDA)的基數(shù)PHD(Cardinalized PHD，CPHD)多目標(biāo)跟蹤算法，以解決CPHD濾波器無(wú)法識(shí)別目標(biāo)問(wèn)題。該算法使用解析形式的高斯混合CPHD(GM-CPHD)濾波器對(duì)密集雜波進(jìn)行處理，得到多目標(biāo)的位置估計(jì)隨機(jī)集，以此位置估計(jì)隨機(jī)集構(gòu)造多目標(biāo)的偽量測(cè)，輸入關(guān)聯(lián)濾波器JPDA，由JPDA實(shí)現(xiàn)GM-CPHD關(guān)聯(lián)跟蹤。為了解決由JPDA來(lái)跟蹤時(shí)變目標(biāo)的問(wèn)題，我們依據(jù)每一步GM-CPHD的目標(biāo)數(shù)目和狀態(tài)估計(jì)

6、值，由基于序列概率似然比(SPRT)的貝葉斯航跡起始邏輯進(jìn)行航跡的起始確認(rèn);一旦確認(rèn)了目標(biāo)數(shù)目和航跡，則由JPDAF完成多目標(biāo)數(shù)據(jù)關(guān)聯(lián)濾波。
　　3.PHD和CPHD濾波器等貝葉斯多目標(biāo)濾波器的一個(gè)缺點(diǎn)是必須已知新生目標(biāo)的位置。為解決此問(wèn)題，本文提出了一種基于新目標(biāo)檢測(cè)的貝葉斯多目標(biāo)跟蹤濾波器。該算法在跟蹤過(guò)程中應(yīng)用航跡起始技術(shù)檢測(cè)未知位置的新生目標(biāo)，一旦檢測(cè)到新生目標(biāo)，則由其位置信息構(gòu)建新生目標(biāo)隨機(jī)集的強(qiáng)度函數(shù)，然后由強(qiáng)度函數(shù)來(lái)

7、起始PHD和CPHD濾波器。該方法解決了PHD和CPHD濾波器必須已知新生目標(biāo)的位置問(wèn)題。
　　4.在整合概率數(shù)據(jù)關(guān)聯(lián)(Integrated Probability Data Association，IPDA)濾波器框架下研究了多傳感器最優(yōu)處理序列問(wèn)題。首先，在隨機(jī)集框架下得到了序貫IPDA濾波器算法。通過(guò)對(duì)序貫IPDA濾波器中目標(biāo)生存概率的分析，我們得到了在兩種不同的傳感器參數(shù)條件下，序貫IPDA濾波器的性能依賴(lài)于傳感器處理序列