基于概率假設密度濾波的多目標跟蹤技術研究.pdf

1、多目標跟蹤技術廣泛應用于天基預警、彈道導彈防御、視頻監(jiān)控、交通信息管理等軍用和民用領域。概率假設密度(PHD)濾波方法是近年來興起的一類多目標跟蹤方法，其依據(jù)嚴格的隨機有限集數(shù)學理論，能在目標個數(shù)不確定的情況下，較為準確地提取目標狀態(tài)(位置、速度)信息，受到廣泛研究。
　　論文的主要工作與研究成果有：
　　1、提出一種權值修正的高斯混合概率假設密度(GM-PHD)濾波多目標狀態(tài)提取方法。GM-PHD濾波方法在更新高斯分量權值

2、時會出現(xiàn)“一個目標生成多個觀測”的情形，導致目標狀態(tài)的錯誤估計。因此可通過修正更新后的高斯分量權重值，使其滿足“一個目標至多生成一個觀測，一個觀測源于至多一個目標”的實際條件。同時對原有高斯分量的合并規(guī)則加以強化，防止代表不同目標的高斯分量因為過于靠近而合并為一，致使目標狀態(tài)漏估。
　　2、提出一種免聚類粒子概率假設密度(P-PHD)濾波多目標狀態(tài)提取方法。P-PHD濾波方法利用一組帶有權值的粒子集合表示PHD，通常使用kmean

3、s聚類方法從該粒子集中提取目標狀態(tài)。kmeans聚類方法在目標密集的條件下會將不同類別的粒子錯誤地聚集成一個類，致使狀態(tài)估計結(jié)果出現(xiàn)偏差。通過分解推導粒子更新過程，確定粒子所屬觀測類別，構建新的粒子集，每個新粒子集與一個目標狀態(tài)相對應，可免去聚類操作，使得狀態(tài)估計結(jié)果更為準確。
　　3、提出一種基于粒子云混疊的航跡關聯(lián)方法。利用PHD濾波方法估計出的目標狀態(tài)不包含身份信息，無法直接建立目標航跡。同一目標在相鄰時刻其對應的粒子云有很