雷達多目標跟蹤的粒子濾波處理方法的研究.pdf

1、伴隨著我國航運事業(yè)的迅速發(fā)展，船舶行駛的環(huán)境日益復雜，未來的跟蹤系統(tǒng)面臨著嚴峻的挑戰(zhàn)。多目標跟蹤一直以來是眾多學者研究的重點和難點，其主要包括航跡關聯(lián)和跟蹤濾波兩個問題，一個好的跟蹤濾波算法能夠大大提高目標跟蹤精度。相較于一般的濾波方法，粒子濾波具有較好的魯棒性，在解決非線性、非高斯問題上有其獨特的優(yōu)勢。本文主要討論和研究了多目標跟蹤中的粒子濾波算法。
　　本文首先分析了多目標跟蹤及粒子濾波算法的基本概念和原理，同時對貝葉斯理論和

2、蒙特卡洛積分進行了相關的介紹。主要討論了多目標跟蹤理論中的數(shù)據(jù)關聯(lián)和跟蹤濾波過程，并對常用的數(shù)據(jù)關聯(lián)方法和濾波方法進行了分析比較，為后續(xù)工作做好理論基礎。
　　其次，主要研究了序貫重要性重采樣粒子濾波算法和代價參考粒子濾波算法，并提出了一種高斯代價參考粒子濾波算法(Gauss Cost-reference Particle Filter，GCRPF)。該算法在代價參考粒子濾波的基礎上，用高斯分布取代重采樣過程，既保留了代價參考粒子

3、濾波的優(yōu)點，同時也使得算法的復雜度大大降低，從而在一定程度上提高了算法的運行速度。最后進行了仿真分析，結果表明改進算法在保證濾波效果的前提下減小了計算量，縮短了運行時間。
　　最后，主要研究了多目標跟蹤中的聯(lián)合概率數(shù)據(jù)關聯(lián)算法，在傳統(tǒng)的MC-JPDA算法的基礎上，提出了一種基于代價參考粒子濾波的聯(lián)合概率數(shù)據(jù)關聯(lián)算法(Cost-reference Particle Filter-Joint Probabilistic Data As