基于隨機集理論的被動多傳感器多目標(biāo)跟蹤技術(shù).pdf

1、被動多傳感器多目標(biāo)跟蹤技術(shù)是目標(biāo)跟蹤系統(tǒng)的重要研究內(nèi)容之一，在軍事和民用領(lǐng)域已經(jīng)展現(xiàn)出有效而廣闊的理論和應(yīng)用前景。但由于飛行器性能的提高及電子對抗等技術(shù)的進步，現(xiàn)代目標(biāo)跟蹤環(huán)境發(fā)生了顯著的變化，目標(biāo)的強機動、背景的高雜波、觀測的高虛警及目標(biāo)數(shù)量的不確定等特點，使得現(xiàn)代被動多目標(biāo)跟蹤技術(shù)遇到了很大的挑戰(zhàn)。 針對上述問題，本論文重點研究了基于隨機集理論的被動多傳感器多目標(biāo)跟蹤算法。首先，介紹了被動多傳感器系統(tǒng)的基本數(shù)據(jù)處理方法。針對

2、數(shù)目固定的多個機動運動目標(biāo)，提出了一種適用于被動觀測系統(tǒng)的粒子濾波關(guān)聯(lián)跟蹤算法，有效的實現(xiàn)了對多個做非線性運動目標(biāo)的跟蹤。其次，將隨機集理論引入多目標(biāo)跟蹤中，研究了基于隨機集概率假設(shè)密度(PHD)的變維信息融合方法。針對高雜波、高虛警環(huán)境下，目標(biāo)數(shù)量變化的非線性多目標(biāo)跟蹤問題，研究了高斯和粒子采樣的PHD算法(GSPPHD)并利用擬蒙特卡羅采樣對GSPPHD算法進行了改進。實驗表明，提出的改進算法在保證跟蹤精度的同時，降低了GSPPHD

3、算法的計算量。另外，針對高雜波、高虛警環(huán)境下，數(shù)量變化的機動多目標(biāo)跟蹤問題，提出了交互多模型PHD(IMM-PHD)多傳感器多機動目標(biāo)跟蹤算法。仿真結(jié)果表明，IMM-PHD算法對于存在大量虛警干擾的情況，僅通過獲得關(guān)于目標(biāo)的角度信息就能夠?qū)崟r有效的跟蹤數(shù)量變化的多個機動目標(biāo)。最后，針對隨機集PHD跟蹤算法難以形成個體目標(biāo)航跡的問題，提出了一種新的基于隨機集的Rao-Blackwellized粒子濾波(RBPF)關(guān)聯(lián)算法，通過與PHD算法