基于隨機有限集理論的VTS目標跟蹤方法研究.pdf

1、目標跟蹤是在雜波環(huán)境下估計目標數(shù)目與運動狀態(tài)的過程，在交通運輸、雷達信息處理和視頻監(jiān)控等領域得到了廣泛應用。傳統(tǒng)的目標跟蹤方法多采用數(shù)據(jù)關聯(lián)技術，要求的先驗條件較苛刻，制約了跟蹤性能。本文以隨機有限集(RFS)理論為框架，針對非線性非高斯系統(tǒng)，提出一系列的改進算法，并應用于船舶交通管理系統(tǒng)(VTS)目標跟蹤。本文的主要研究工作如下:
　　(1)針對VTS中α-β濾波算法的適用局限，提出一種改進的算法，用于跟蹤勻速和勻加速運動的目標

2、。針對交互多模型方法中馬爾可夫概率計算復雜和過程噪聲易受目標機動影響的問題，提出一種改進的算法，綜合解決上述問題。仿真研究進一步驗證所提出方法的有效性與可靠性。
　　(2)針對概率假設密度(PHD)濾波條件是否已知，推導未知探測概率和未知雜波率的兩種PHD濾波算法的序貫蒙特卡羅(SMC)實現(xiàn)過程。針對標準的PHD濾波算法目標數(shù)過估問題，提出一種改進的算法，用于平衡虛警數(shù)和目標數(shù)之間的關系。針對標準的多模型PHD濾波算法在目標機動時

3、估計性能降低的問題，提出一種改進的算法，反映出目標的真實運動狀態(tài)。仿真研究進一步驗證所提出方法的有效性與可靠性。
　　(3)針對勢概率假設密度(CPHD)濾波條件是否已知，推導未知探測概率和未知雜波率的兩種CPHD濾波算法的SMC實現(xiàn)過程。針對標準的CPHD濾波算法目標漏檢問題，提出一種改進的算法，降低漏警率與虛警率。針對標準的多模型CPHD濾波算法運算量較大的問題，提出一種改進的算法，降低目標狀態(tài)方程維數(shù)和所需的采樣粒子數(shù)。仿真