基于PHD濾波器的多目標跟蹤方法研究.pdf

1、多目標跟蹤技術已經廣泛應用于軍事和民用領域，但它仍是多學科、多領域所共同關心的重點和難點問題。近年來，在多目標跟蹤問題中，隨機有限集（Random finite set，RFS）方法頗受關注，而概率假設密度（Probability Hypothesis Density，PHD）濾波器作為隨機有限集框架下的多目標完全概率密度函數一階統(tǒng)計矩近似產物，解決了隨機有限集的實際可執(zhí)行度問題，且避免了數據關聯(lián)。本文正是基于 PHD濾波器，對多目標跟

2、蹤問題進行了深入研究，主要研究成果如下：
　　1、基于PHD濾波器的全局航跡提取方法研究：針對PHD濾波器不能提供目標連續(xù)航跡信息的問題，提出了基于PHD濾波器的全局航跡提取算法。該算法考慮目標的全局信息，即考慮相鄰兩個時刻的全部目標狀態(tài)估計點的關聯(lián)性，提出同一時刻預測峰值和估計峰值之間的一致性度量及一致性置信度的概念，同時基于專家知識提出全局航跡提取策略，最后基于一致性置信度及構建的航跡提取決策規(guī)則一一提取航跡，實現PHD的全局

3、航跡提取。仿真結果表明，該算法可以穩(wěn)定跟蹤目標，正確起始、維持及終結航跡，在航跡提取精度上有明顯優(yōu)勢，且計算量相比是相當的。
　　2、不均勻雜波環(huán)境及低檢測概率下的改進自適應 PHD濾波器設計：針對傳統(tǒng)PHD濾波器在不均勻雜波環(huán)境及低檢測概率下跟蹤性能急劇下降的問題，提出了一種改進的自適應PHD濾波器，通過自適應確定雜波區(qū)，自適應選擇量測及對權值較大的高斯項進行保護來保證算法的快速性和高精度。該濾波器首先利用AP聚類算法對監(jiān)視區(qū)域

4、內滿足一定條件的多幀累積的所有回波進行聚類，用凸包確定雜波區(qū)，然后再逐觀測時刻進行 PHD預測和更新。在 PHD預測時不用凸包里的回波，但在 PHD更新時，需先自適應選擇量測，而后進行 PHD更新。同時，在該濾波器中，保護權值高的高斯項，保證其權值的穩(wěn)定性。仿真結果表明，該濾波器可以很好的實現在不均勻雜波環(huán)境下和低檢測概率情況下的目標跟蹤，相比傳統(tǒng)的PHD濾波器，改進了目標狀態(tài)估計精度，提高了計算效率。
　　3、用于地面機動目標跟

5、蹤的約束多模型 PHD濾波方法研究：考慮地面目標運動受到地形環(huán)境等限制，將地理信息用于地面目標跟蹤可有效提高跟蹤精度。在地面目標跟蹤中，將地理信息表示成等式約束的形式來修正目標狀態(tài)，并采用多模型處理地面目標機動時運動模式的不確定，提出了一種用于地面機動目標的約束多模型PHD濾波器方法。該算法利用模型條件分布和模型的概率，使用多模型方法對GM-PHD濾波器中的每一個高斯分量進行預測和更新，然后將得到的估計值融合得到對應的目標狀態(tài)，并將道路