基于概率假設(shè)密度函數(shù)(PHD)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。在多目標(biāo)跟蹤問題中，傳統(tǒng)的處理方法是先進行數(shù)據(jù)關(guān)聯(lián)，然后再對目標(biāo)狀態(tài)或參數(shù)進行估計，數(shù)據(jù)關(guān)聯(lián)是整個跟蹤問題的核心與關(guān)鍵。當(dāng)目標(biāo)個數(shù)較多并存在一定數(shù)量的雜波和虛警時，關(guān)聯(lián)本身就難以處理，會出現(xiàn)諸如組合爆炸、計算量呈指數(shù)型增長等問題。隨機集方法則是避開數(shù)據(jù)關(guān)聯(lián)去研究目標(biāo)跟蹤問題。但是它的計算過程中存在集函數(shù)積分運算，且沒有一般意義下的解析解，這就產(chǎn)

2、生了在實際中因計算復(fù)雜而難以實現(xiàn)的問題。隨著研究的深入，有學(xué)者在隨機集理論的框架下提出了PHD濾波器。該方法將集函數(shù)積分運算簡化為單個變量的積分運算，具備了實現(xiàn)數(shù)值運算的可行性。PHD算法雖然有很多優(yōu)點，但在應(yīng)用領(lǐng)域也存在一些問題。例如，PHD只能估計出目標(biāo)狀態(tài)點集，而無法給出目標(biāo)的運動軌跡；在多數(shù)情況下需要通過數(shù)值方法計算PHD中的函數(shù)積分，如何得到效果更好的PHD數(shù)值算法是個值得研究的問題；PHD并非適用于所有跟蹤問題，在不同的條件

3、和環(huán)境下，如何將其與其它經(jīng)典跟蹤方法進行比較，確定各自的適用范圍是個亟待解決的問題。
　　 本文針對PHD在理論和應(yīng)用中存在的問題分別展開研究，主要內(nèi)容如下：
　　 1)對國內(nèi)外部分相關(guān)文獻(xiàn)進行綜述，分析總結(jié)多種經(jīng)典算法的優(yōu)缺點，提出PHD方法可以克服其它方法的一些缺點，有望更好地解決目標(biāo)跟蹤問題，是今后的研究方向之一。
　　 2)GM-PHD濾波器及其在多目標(biāo)跟蹤中的應(yīng)用。在混合高斯情況下，提出一種可以解析

4、計算的改進GM-PHD算法，并且在得到目標(biāo)的狀態(tài)估計點集后，利用“最近鄰”聚類算法確定目標(biāo)的運動軌跡。
　　 3)GM-PHD與JPDA算法的性能分析與比較。通過分析GM-PHD與經(jīng)典JPDA跟蹤算法的計算量，得到兩算法計算復(fù)雜度的解析表達(dá)式；然后根據(jù)觀測與目標(biāo)狀態(tài)之間關(guān)聯(lián)復(fù)雜程度，分三種典型情況對兩類算法的計算量進行比較，并給出各自算法的適用范圍。
　　 4)UPF-PHD濾波器及其在多目標(biāo)跟蹤中的應(yīng)用。從數(shù)值計算