目標(biāo)魯棒建模與跟蹤算法研究.pdf

1、目標(biāo)跟蹤是動(dòng)態(tài)濾波應(yīng)用領(lǐng)域一個(gè)經(jīng)典的問(wèn)題，其目的是通過(guò)一定的測(cè)量手段和跟蹤算法，對(duì)感興趣的目標(biāo)進(jìn)行有效的跟蹤。如何建立可精確描述目標(biāo)的動(dòng)態(tài)模型，以及如何處理測(cè)量中可能存在的異常值，是目標(biāo)跟蹤系統(tǒng)可靠運(yùn)行必須解決的兩個(gè)關(guān)鍵問(wèn)題，也就是目標(biāo)跟蹤系統(tǒng)的魯棒性問(wèn)題。本文針對(duì)目標(biāo)跟蹤系統(tǒng)算法的魯棒性問(wèn)題主要進(jìn)行了兩個(gè)方面的研究:一、探討建立可精確描述目標(biāo)的動(dòng)態(tài)模型;二、處理測(cè)量異常值對(duì)系統(tǒng)的有害影響以提高目標(biāo)跟蹤的魯棒性。本文完成的工作概括如下:

2、
　　首先，在單目標(biāo)跟蹤系統(tǒng)中，針對(duì)目標(biāo)動(dòng)態(tài)模型不準(zhǔn)確的問(wèn)題，提出了一種新的描述目標(biāo)的動(dòng)態(tài)模型——基于多項(xiàng)式預(yù)測(cè)模型的魯棒動(dòng)態(tài)建模方法，并給出了相應(yīng)的交互動(dòng)態(tài)濾波算法。我們描述目標(biāo)的動(dòng)態(tài)模型，是利用由隨機(jī)漫步模型、一階和二階多項(xiàng)式預(yù)測(cè)模型組成的一個(gè)模型集，其目的是希望借助交互多模型的思想，通過(guò)馬爾科夫概率轉(zhuǎn)移矩陣來(lái)賦予這個(gè)模型集中每個(gè)模型正確描述被跟蹤動(dòng)態(tài)目標(biāo)的概率，并將這些正確描述動(dòng)態(tài)目標(biāo)的概率進(jìn)行加權(quán)合成，以獲得可更正確描述目

3、標(biāo)真實(shí)動(dòng)態(tài)的全局模型，從而提高了跟蹤算法對(duì)動(dòng)態(tài)目標(biāo)的自適應(yīng)能力，增強(qiáng)了算法的魯棒性。計(jì)算機(jī)仿真驗(yàn)證了該算法在機(jī)動(dòng)目標(biāo)跟蹤中的有效性和實(shí)用性。
　　其次，我們利用上面的建模思想，對(duì)線性調(diào)頻信號(hào)的瞬時(shí)頻率估計(jì)問(wèn)題進(jìn)行了建模，然后利用無(wú)跡卡爾曼濾波算法(Unscented Kalman Filter，UKF)對(duì)其進(jìn)行濾波估計(jì)，為動(dòng)態(tài)濾波方法應(yīng)用于線性調(diào)頻信號(hào)的瞬時(shí)頻率跟蹤開辟了一個(gè)新的應(yīng)用領(lǐng)域，實(shí)現(xiàn)了對(duì)瞬時(shí)頻率的實(shí)時(shí)跟蹤。分析和仿真的結(jié)

4、果都表明:提出的算法比現(xiàn)有的利用單個(gè)模型進(jìn)行跟蹤的算法在瞬時(shí)頻率發(fā)生跳變時(shí)具有更好的魯棒性。
　　最后，針對(duì)多目標(biāo)跟蹤中，在目標(biāo)動(dòng)態(tài)模型準(zhǔn)確的情況下，出現(xiàn)的測(cè)量異常值的問(wèn)題，提出了一種魯棒的延遲可變的PHD(Variable-lag Probability HypothesisDensity，VPHD)平滑算法。該算法利用前向的PHD濾波所獲得的先驗(yàn)信息來(lái)調(diào)整后向平滑的間隔，克服了固定延遲PHD(Fixed-lag PHD，F(xiàn)PH