目標跟蹤的知識輔助方法研究.pdf

1、隨著科技的發(fā)展，對多目標的跟蹤技術提出了越來越嚴格的要求，在雜波密集、雜波分布不均勻、檢測率低、目標密集、信噪比低等情況下，傳統(tǒng)的跟蹤算法性能表現(xiàn)得不如預期好，因此知識輔助多目標跟蹤算法被提了出來，基于知識輔助的多目標跟蹤算法解決了傳統(tǒng)跟蹤算法單純利用運動學參數(shù)進行跟蹤的一些缺陷，對提高在上述特定場景下的多目標跟蹤性能具有重要意義。本論文的主要工作首先是在雜波分布不均勻、信噪比低的場景下，研究如何利用幅度信息、雜波分布信息來提高跟蹤的性

2、能，然后針對多個目標運動學參數(shù)相近、間距小的場景，本文通過利用目標的分類信息，來改善跟蹤性能。
　　本文先簡述多目標跟蹤技術的一些基本理論，包括多目標跟蹤的模型、多目標跟蹤的航跡管理、多目標跟蹤的數(shù)據(jù)關聯(lián)以及濾波方法，簡單說明本文選擇的跟蹤方法的依據(jù)。
　　接著，針對雜波分布不均勻、信噪比低的場景下傳統(tǒng)跟蹤算法不理想問題，本文結合雜波分布信息與回波幅度信息，首先利用雜波分布信息，在不同區(qū)域采用不同的量測過濾門限與策略，在保證

3、了非均勻分布雜波起始成功率的前提下，很大程度上降低了起始錯誤率。對于已經(jīng)起始成功的目標，在跟蹤過程中結合雜波分布與回波的幅度信息，得到量測角度分布概率密度函數(shù)的近似計算方法，并在密集雜波區(qū)域修正了數(shù)據(jù)關聯(lián)算法，提高了真實量測的關聯(lián)概率。仿真的結果表明，修正了的算法CIMMDJPDA-AICLUTTER在雜波分布不均勻、信噪比低的場景下能夠一定程度上改善跟蹤性能。
　　對于傳感器能夠對量測進行分類的情況，針對目標密集的場景分析了文獻