復(fù)雜背景下的多目標(biāo)航跡起始算法研究.pdf

1、航跡起始問題是指在雜波環(huán)境和噪聲背景中,對目標(biāo)尚未形成穩(wěn)定跟蹤之前的航跡確立過程。作為一種典型的多目標(biāo)檢測技術(shù),航跡起始是多目標(biāo)跟蹤的基礎(chǔ),在各種交通管制系統(tǒng)、定位、導(dǎo)航以及工業(yè)過程監(jiān)控等眾多領(lǐng)域都有著廣泛的應(yīng)用。
　　由于航跡起始階段的特殊性,通常情況下人們將這一階段目標(biāo)的運(yùn)動籠統(tǒng)地視為勻速直線運(yùn)動。由于實際目標(biāo)運(yùn)動方式具有多樣性,這種簡化處理不僅有可能降低航跡起始的準(zhǔn)確度,而且會造成后續(xù)階段的錯誤積累,并最終導(dǎo)致對目標(biāo)的錯誤跟

2、蹤。因此,在雜波伴隨的多目標(biāo)檢測問題的研究中,針對被測目標(biāo)實際運(yùn)動軌跡的特點加以區(qū)別對待具有很大的實際意義。此外,隨著檢測環(huán)境的日趨復(fù)雜,尤其是在目標(biāo)數(shù)量、目標(biāo)的運(yùn)動信息等先驗知識缺少且雜波率大的情況下,加之傳感器噪聲等各種客觀因素的影響,量測不確定性問題變得更加嚴(yán)重。顯然,上述條件下的多目標(biāo)航跡起始問題將會變得更為復(fù)雜,同時也更具研究價值和和挑戰(zhàn)性。
　　本文分別從具有單一運(yùn)動軌跡特征、具有混合運(yùn)動軌跡特征這兩個方面入手,針對目

3、標(biāo)數(shù)量、目標(biāo)的運(yùn)動信息等先驗知識缺少且雜波率大的復(fù)雜背景下的多目標(biāo)檢測問題進(jìn)行了研究。首先,在目標(biāo)的運(yùn)動軌跡為單一的直線軌跡或曲線軌跡的情況下,研究基于 Hough變換的航跡起始算法,解決復(fù)雜環(huán)境下目標(biāo)運(yùn)動軌跡為單一直線或曲線的多目標(biāo)航跡起始問題,主要包括:
　　(1)以具有直線運(yùn)動軌跡特征的多目標(biāo)檢測為主要研究對象,針對Hough變換算法由于雜波干擾以及目標(biāo)數(shù)量未知等因素而產(chǎn)生的航跡簇?fù)韱栴},提出了基于兩級 Hough變換的航跡

4、起始算法。通過對量測數(shù)據(jù)進(jìn)行兩級Hough變換處理后獲得備選航跡及相關(guān)參數(shù),并在參數(shù)空間里對所得參數(shù)樣本進(jìn)行聚類。在有效降低虛假航跡占有率的前提下,得到準(zhǔn)確的航跡數(shù)及航跡參數(shù),達(dá)到了快速準(zhǔn)確地建立目標(biāo)航跡的目的。
　　(2)在具有曲線運(yùn)動軌跡特征的多目標(biāo)檢測中,針對強(qiáng)雜波環(huán)境下隨機(jī)Hough變換(Randomized Hough Transform,RHT)算法面臨的采樣總量難以控制、無效采樣多以及由此導(dǎo)致的算法實時性差的問題,提

5、出基于兩點擴(kuò)展網(wǎng)絡(luò)及RHT的多目標(biāo)航跡起始算法。通過有效的雜波濾除,使RHT算法工作在雜波較為稀疏的環(huán)境下,從而達(dá)到降低控制采樣總量和無效采樣的目的,不僅去除了現(xiàn)有算法中對目標(biāo)數(shù)量上限值的約束,并且使算法的實時性獲得了有效提高。
　　其次,研究基于多階段融合決策的多目標(biāo)航跡起始方法,解決運(yùn)動軌跡為包含直線和曲線的混合運(yùn)動軌跡的多目標(biāo)檢測問題。此類方法一般是將檢測過程分為兩個階段,第一階段通常是生成候選航跡和目標(biāo)數(shù)量,第二階段進(jìn)行航

6、跡確認(rèn),并對目標(biāo)狀態(tài)進(jìn)行估計和提取。在本文的研究方法中,綜合利用傳感器數(shù)據(jù)中位置及信號強(qiáng)度(如幅值)等多種有用信息,通過兩個階段的融合決策完成復(fù)雜背景下的多目標(biāo)檢測任務(wù),具體包括:
　　(1)針對概率多假設(shè)跟蹤(Probabilistic Multi-hypothesis Tracking, PMHT)算法在多目標(biāo)航跡起始過程中面臨的需要目標(biāo)數(shù)量先驗已知,以及算法因初始狀態(tài)選取不當(dāng)而產(chǎn)生的錯誤跟蹤問題,提出基于最大置信度及修正 P

7、MHT的多目標(biāo)航跡起始算法。一方面算法利用粗起始階段產(chǎn)生的候選航跡為 PMHT提供有效的初值和備選目標(biāo)數(shù)量,另一方面通過引入幅值信息對 PMHT算法加以改進(jìn),進(jìn)一步提高了狀態(tài)估計的精度,有效降低了錯誤跟蹤現(xiàn)象的發(fā)生。
　　(2)在具有混合運(yùn)動軌跡特征的多目標(biāo)航跡起始中,針對現(xiàn)有算法不能有效解決由于目標(biāo)超低空飛行等原因而產(chǎn)生的不連續(xù)點跡的檢測問題,提出基于擴(kuò)展搜索及螞蟻航行的多階段融合檢測算法。該方法利用擴(kuò)展搜索及一步預(yù)測等手段在粗