自適應(yīng)目標(biāo)新生強度的隨機集跟蹤算法研究.pdf

1、多目標(biāo)跟蹤問題是信息融合領(lǐng)域的重點和難點，由于具有很高的軍用和民用價值，歷來受到國內(nèi)外學(xué)者的廣泛關(guān)注和研究。隨著基于隨機集理論的多目標(biāo)跟蹤方法研究的深入，多目標(biāo)跟蹤領(lǐng)域得到了快速發(fā)展。
　　早期的隨機集跟蹤方法假設(shè)新生目標(biāo)強度是先驗信息，但在真實的復(fù)雜場景中，目標(biāo)新生強度是難以預(yù)先獲得的。因此，需要在未知目標(biāo)新生強度的條件下完成多目標(biāo)的穩(wěn)定跟蹤。本文研究了隨機集框架下未知目標(biāo)新生強度的多目標(biāo)跟蹤問題，主要工作如下：
　　首先

2、，概述了隨機集理論的基本概念以及相關(guān)濾波算法，詳細介紹了 PHD和CPHD兩種濾波算法，并給出了其在線性高斯條件下的高斯混合實現(xiàn)。
　　其次，介紹了傳統(tǒng)的GM目標(biāo)新生模型，并針對其不足，詳細研究了自適應(yīng)目標(biāo)新生強度的PHD濾波器。對于檢測時雜波和新生目標(biāo)存在互相制約的問題，介紹了一種目標(biāo)新生率的估計方法，能夠減小雜波對目標(biāo)新生檢測的影響。由于在雜波環(huán)境下會出現(xiàn)目標(biāo)新生時刻的確認(rèn)滯后現(xiàn)象，不利于后續(xù)的航跡關(guān)聯(lián)等處理，本文提出了自適應(yīng)

3、目標(biāo)新生強度的PHD平滑器，將后向平滑算法與目標(biāo)新生率估計相結(jié)合，經(jīng)分析及仿真結(jié)果驗證，該算法能夠更加準(zhǔn)確地估計新生目標(biāo)的狀態(tài)并獲得新生時刻，可得到更好的跟蹤效果。
　　最后，研究了自適應(yīng)目標(biāo)新生強度的CPHD濾波算法，并結(jié)合仿真實驗，分析對比了ATBI-CPHD濾波器和ATBI-PHD濾波器的跟蹤性能，結(jié)果表明，前者對目標(biāo)數(shù)目的估計更加準(zhǔn)確。在未知雜波密度的條件下，提出了自適應(yīng)目標(biāo)新生強度CPHD濾波器的改進算法，并給出了其高斯