多目標數(shù)據(jù)關(guān)聯(lián)與狀態(tài)跟蹤算法研究.pdf

1、對給定區(qū)域內(nèi)運動目標的檢測和跟蹤，是現(xiàn)代檢測、監(jiān)控以及跟蹤系統(tǒng)中一個不可回避的問題。對于單一目標的狀態(tài)跟蹤，處理流程一般包括測量數(shù)據(jù)獲取、目標狀態(tài)估計兩個部分。而對于多目標的狀態(tài)跟蹤，為了保證狀態(tài)估計時測量與被更新航跡的一致性，需要在估計之前進行測量-預(yù)測數(shù)據(jù)關(guān)聯(lián)，以便使得狀態(tài)估計能準確反映目標實際狀態(tài)。對于多傳感器跟蹤系統(tǒng)而言，這一更新過程將變得更為復(fù)雜?？紤]到所使用的多個傳感器性質(zhì)差異較大，各個獨立測量或者航跡之間的融合，也是一個極

2、為重要的問題。同時，在傳感器測量數(shù)據(jù)變換至融合中心坐標系時，會因為測量偏差和配準誤差而導(dǎo)致數(shù)據(jù)與實際狀態(tài)產(chǎn)生較大誤差，也使得多傳感器跟蹤系統(tǒng)的設(shè)計變得更加困難。
　　本文在充分調(diào)研了目標狀態(tài)跟蹤所要實現(xiàn)的性能目標后，介紹了目標狀態(tài)跟蹤的處理流程，即多目標數(shù)據(jù)關(guān)聯(lián)、目標狀態(tài)估計和更新、多傳感器航跡融合。同時，對上述各個流程進行了分析和改進，來實現(xiàn)目標運動狀態(tài)更加精確的估計，所涉及內(nèi)容為:
　　1)針對多目標數(shù)據(jù)關(guān)聯(lián)部分，調(diào)研了

3、已有的最近鄰關(guān)聯(lián)算法，以及全局最近鄰關(guān)聯(lián)算法，分析了最近鄰算法在應(yīng)對測量偏差時的不足。在此分析的基礎(chǔ)上，針對測量中可能存在的偏差，提出了基于目標空間相對位置信息的特征向量法，以此構(gòu)建目標之間相對距離這一相似度度量，來建立測量和預(yù)測之間的相似度矩陣，有效地提升了數(shù)據(jù)關(guān)聯(lián)算法的準確率。
　　2)針對被跟蹤目標的狀態(tài)估計問題，分析了卡爾曼濾波算法在線性系統(tǒng)、擴展卡爾曼濾波在非線性系統(tǒng)、以及粒子濾波算法在非線性非高斯系統(tǒng)中的應(yīng)用，同時對上

4、述狀態(tài)估計算法進行了性能分析。考慮到測量偏差在測量數(shù)據(jù)中的廣泛存在，進一步分析了偏差存在時粒子濾波的失效性，提出了一種在測量-預(yù)測關(guān)聯(lián)對已知條件下的目標狀態(tài)估計的處理流程和實現(xiàn)方法，提升了目標運動航跡的跟蹤精度。
　　3)多傳感器跟蹤系統(tǒng)中不可避免地面臨著航跡融合的處理架構(gòu)問題，即集中式融合跟蹤和分布式融合跟蹤?？紤]到分布式系統(tǒng)在實際中有著廣泛應(yīng)用，主要分析了分布式架構(gòu)下的航跡均值化融合方法。同時，考慮到單個航跡出現(xiàn)較大跟蹤偏差時