基于概率假設(shè)密度的多傳感器多目標(biāo)跟蹤技術(shù)研究.pdf

1、多目標(biāo)跟蹤技術(shù)作為多傳感器信息融合領(lǐng)域的一個(gè)研究熱點(diǎn)，在軍事與民用領(lǐng)域有著廣泛的應(yīng)用。傳統(tǒng)多目標(biāo)跟蹤方法以經(jīng)典概率論為基礎(chǔ)，其核心為解決多目標(biāo)數(shù)據(jù)關(guān)聯(lián)問(wèn)題，跟蹤過(guò)程中易受目標(biāo)個(gè)數(shù)未知、雜波密集、檢測(cè)率低等復(fù)雜環(huán)境影響，導(dǎo)致數(shù)據(jù)關(guān)聯(lián)問(wèn)題復(fù)雜度增加和跟蹤精度下降。近年來(lái)，基于隨機(jī)有限集（Random Finite Set, RFS）的概率假設(shè)密度（Probability Hypothesis Density, PHD）濾波方法頗受關(guān)注。該方

2、法利用RFS理論，能夠?qū)⒛繕?biāo)狀態(tài)集合和傳感器測(cè)量集合統(tǒng)一描述于一個(gè)概率假設(shè)密度空間中，有效的避免了傳統(tǒng)跟蹤算法中的數(shù)據(jù)關(guān)聯(lián)問(wèn)題。盡管如此，目前大多數(shù)基于隨機(jī)有限集的多目標(biāo)跟蹤方法還是針對(duì)單傳感器提出的。在復(fù)雜環(huán)境下，很難做到僅依靠單個(gè)傳感器獲取的信息進(jìn)行穩(wěn)定且準(zhǔn)確的濾波估計(jì)，通常需要融合多個(gè)傳感器的信息來(lái)達(dá)到跟蹤要求。
　　本研究主要內(nèi)容包括：⑴針對(duì)高雜波環(huán)境下，單傳感器應(yīng)用PHD濾波器出現(xiàn)跟蹤效果退化的問(wèn)題，通過(guò)構(gòu)建了分布式多傳

3、感器數(shù)據(jù)融合結(jié)構(gòu)模型，提出了一種基于高斯混合PHD濾波的自適應(yīng)多傳感器數(shù)據(jù)融合算法。仿真結(jié)果表明，與單傳感器相比，所提算法有效的提高了跟蹤精度。⑵針對(duì)在不同的雜波環(huán)境以及檢測(cè)率下，常規(guī)航跡融合算法具有的局限性，限制了跟蹤效果的提高。為此，構(gòu)建帶反饋的分布式多傳感器數(shù)據(jù)融合結(jié)構(gòu)模型，并提出了兩種不同的多傳感器PHD融合算法：極值融合算法和乘積融合算法。通過(guò)不同場(chǎng)景的仿真實(shí)驗(yàn)，驗(yàn)證了所提算法性能優(yōu)于傳統(tǒng)算法。⑶將常規(guī)多目標(biāo)跟蹤拓展到多機(jī)動(dòng)目