混合效應(yīng)模型及其在多目標(biāo)跟蹤中的應(yīng)用.pdf

1、隨著現(xiàn)代信息戰(zhàn)爭(zhēng)以及空中、海上交通管制的快速發(fā)展，多目標(biāo)跟蹤受到越來越多的重視。大多數(shù)多目標(biāo)跟蹤算法的一個(gè)標(biāo)準(zhǔn)假設(shè)是運(yùn)動(dòng)目標(biāo)間相互獨(dú)立且模型參數(shù)已知，對(duì)此可建立狀態(tài)空間模型進(jìn)行討論。然而在實(shí)際應(yīng)用中，經(jīng)常遇到多個(gè)目標(biāo)作為一個(gè)群體運(yùn)動(dòng)，目標(biāo)間相互影響且個(gè)體參數(shù)未知的情況?；谏鲜銮樾危疚膶顟B(tài)空間模型推廣至混合效應(yīng)狀態(tài)空間模型，探討混合效應(yīng)狀態(tài)空間模型與多目標(biāo)跟蹤相結(jié)合的建模與狀態(tài)估計(jì)算法。
　　首先，本文基于復(fù)雜的數(shù)據(jù)關(guān)聯(lián)問題，

2、改進(jìn)了多假設(shè)跟蹤(MHT)算法，探討參數(shù)已知的線性高斯模型的建立方法，并將該方法擴(kuò)展到參數(shù)未知的非線性模型上，建立混合效應(yīng)狀態(tài)空間多目標(biāo)跟蹤模型；其次，討論了參數(shù)已知情形下的多目標(biāo)跟蹤模型的狀態(tài)估計(jì)方法，利用混合高斯模型記錄多個(gè)假設(shè)，再利用量測(cè)信息解決數(shù)據(jù)關(guān)聯(lián)的不確定性，從而得到狀態(tài)估計(jì)結(jié)果；最后探討了混合效應(yīng)狀態(tài)空間多目標(biāo)跟蹤模型的狀態(tài)估計(jì)方法，提出基于抽樣思想的粒子濾波算法與卡爾曼濾波相結(jié)合的方法，并針對(duì)其產(chǎn)生的粒子退化現(xiàn)象進(jìn)行改進(jìn)

3、，得到基于核光滑的輔助粒子濾波與卡爾曼濾波相結(jié)合的狀態(tài)估計(jì)算法。
　　針對(duì)所提出的算法，本文采用一個(gè)帶有兩個(gè)隨機(jī)擾動(dòng)的地面多目標(biāo)跟蹤模型進(jìn)行數(shù)值仿真，對(duì)此模型分別運(yùn)用基于粒子濾波的算法及其改進(jìn)的輔助粒子濾波算法進(jìn)行狀態(tài)估計(jì)，根據(jù)數(shù)值仿真結(jié)果建議優(yōu)先選擇基于核光滑的輔助粒子濾波算法，最后對(duì)該優(yōu)先算法的一致性檢驗(yàn)也得到了滿意的效果。
　　因此，本文所提出的針對(duì)混合效應(yīng)狀態(tài)空間模型與多目標(biāo)跟蹤問題相結(jié)合的建模與狀態(tài)估計(jì)方法具有重要