粒子濾波目標跟蹤及TBD算法研究.pdf

1、隨著現(xiàn)代作戰(zhàn)環(huán)境的日益復雜，低信噪比下的目標檢測以及目標跟蹤中的非線性問題逐漸突顯，這使得傳統(tǒng)的跟蹤和檢測方法越來越難以滿足需求，迫切需要能夠解決這些問題的新的目標跟蹤和檢測算法。檢測前跟蹤(TBD)算法經過多幀數(shù)據(jù)積累后按照某種規(guī)則進行檢測判決，檢測到目標存在就能同時給出跟蹤結果，這樣可以很好地解決低信噪比下的目標檢測問題。粒子濾波(PF)是一種針對非線性系統(tǒng)的貝葉斯遞歸濾波算法，粒子的權重還可以用來構造似然比，這些特點使得粒子濾波可

2、以完整地進行目標檢測和跟蹤。因此，本文將對基于粒子濾波的目標跟蹤和TBD算法展開研究，主要內容為：
　　1、研究了粒子濾波的目標跟蹤算法及其性能評估。首先研究了標準粒子濾波(SPF)算法，然后針對其中的粒子退化問題，研究了利用局部線性化近似得到最佳重要性函數(shù)和改善重采樣的改進的粒子濾波算法(IPF)。除采用常規(guī)性能評估方法外，還研究了KLD(Kullback Leibler Divergence)評估方法，以便更加全面地對粒子濾波

3、算法進行性能評估。
　　2、研究了三種基于粒子濾波的TBD算法及性能討論。標準的PF-TBD算法通過將粒子分為死亡粒子和存活粒子構成一種混合狀態(tài)估計，從而形成完整的跟蹤檢測體系；優(yōu)效的PF-TBD算法在標準算法基礎上只關注存活粒子，更加有效地利用粒子信息；基于似然比檢測的PF-TBD算法利用似然比進行檢測，區(qū)別于前兩種算法利用目標存在概率進行檢測。在仿真實驗中，首先通過對比檢測概率和虛警概率，確定三種算法的最佳檢測門限，然后再橫向

4、對比三種算法的檢測性能，以便確定三種算法檢測性能的優(yōu)劣關系。
　　3、針對RAM(Rocket Artillery Mortar)類目標，首先建立了這類目標的運動狀態(tài)模型?？紤]到這類目標的運動狀態(tài)可以采用單個模型進行描述，因此，首先采用SPF算法對該目標進行跟蹤；同時基于前面的結論，進一步采用IPF算法對其進行跟蹤。仿真結果表明，粒子濾波算法可以有效實現(xiàn)RAM類目標跟蹤，同時基于IPF算法的RAM類目標跟蹤算法跟蹤性能優(yōu)于基于SP