基于PHD濾波器的多目標(biāo)跟蹤方法研究.pdf

1、多目標(biāo)跟蹤技術(shù)已經(jīng)廣泛應(yīng)用于軍事和民用領(lǐng)域，但它仍是多學(xué)科、多領(lǐng)域所共同關(guān)心的重點和難點問題。近年來，在多目標(biāo)跟蹤問題中，隨機有限集（Random finite set，RFS）方法頗受關(guān)注，而概率假設(shè)密度（Probability Hypothesis Density，PHD）濾波器作為隨機有限集框架下的多目標(biāo)完全概率密度函數(shù)一階統(tǒng)計矩近似產(chǎn)物，解決了隨機有限集的實際可執(zhí)行度問題，且避免了數(shù)據(jù)關(guān)聯(lián)。本文正是基于 PHD濾波器，對多目標(biāo)跟

2、蹤問題進行了深入研究，主要研究成果如下：
　　1、基于PHD濾波器的全局航跡提取方法研究：針對PHD濾波器不能提供目標(biāo)連續(xù)航跡信息的問題，提出了基于PHD濾波器的全局航跡提取算法。該算法考慮目標(biāo)的全局信息，即考慮相鄰兩個時刻的全部目標(biāo)狀態(tài)估計點的關(guān)聯(lián)性，提出同一時刻預(yù)測峰值和估計峰值之間的一致性度量及一致性置信度的概念，同時基于專家知識提出全局航跡提取策略，最后基于一致性置信度及構(gòu)建的航跡提取決策規(guī)則一一提取航跡，實現(xiàn)PHD的全局

3、航跡提取。仿真結(jié)果表明，該算法可以穩(wěn)定跟蹤目標(biāo)，正確起始、維持及終結(jié)航跡，在航跡提取精度上有明顯優(yōu)勢，且計算量相比是相當(dāng)?shù)摹?br>　　2、不均勻雜波環(huán)境及低檢測概率下的改進自適應(yīng) PHD濾波器設(shè)計：針對傳統(tǒng)PHD濾波器在不均勻雜波環(huán)境及低檢測概率下跟蹤性能急劇下降的問題，提出了一種改進的自適應(yīng)PHD濾波器，通過自適應(yīng)確定雜波區(qū)，自適應(yīng)選擇量測及對權(quán)值較大的高斯項進行保護來保證算法的快速性和高精度。該濾波器首先利用AP聚類算法對監(jiān)視區(qū)域

4、內(nèi)滿足一定條件的多幀累積的所有回波進行聚類，用凸包確定雜波區(qū)，然后再逐觀測時刻進行 PHD預(yù)測和更新。在 PHD預(yù)測時不用凸包里的回波，但在 PHD更新時，需先自適應(yīng)選擇量測，而后進行 PHD更新。同時，在該濾波器中，保護權(quán)值高的高斯項，保證其權(quán)值的穩(wěn)定性。仿真結(jié)果表明，該濾波器可以很好的實現(xiàn)在不均勻雜波環(huán)境下和低檢測概率情況下的目標(biāo)跟蹤，相比傳統(tǒng)的PHD濾波器，改進了目標(biāo)狀態(tài)估計精度，提高了計算效率。
　　3、用于地面機動目標(biāo)跟

5、蹤的約束多模型 PHD濾波方法研究：考慮地面目標(biāo)運動受到地形環(huán)境等限制，將地理信息用于地面目標(biāo)跟蹤可有效提高跟蹤精度。在地面目標(biāo)跟蹤中，將地理信息表示成等式約束的形式來修正目標(biāo)狀態(tài)，并采用多模型處理地面目標(biāo)機動時運動模式的不確定，提出了一種用于地面機動目標(biāo)的約束多模型PHD濾波器方法。該算法利用模型條件分布和模型的概率，使用多模型方法對GM-PHD濾波器中的每一個高斯分量進行預(yù)測和更新，然后將得到的估計值融合得到對應(yīng)的目標(biāo)狀態(tài)，并將道路