基于隨機(jī)集理論的被動(dòng)多傳感器多目標(biāo)跟蹤技術(shù).pdf

1、被動(dòng)多傳感器多目標(biāo)跟蹤技術(shù)是目標(biāo)跟蹤系統(tǒng)的重要研究?jī)?nèi)容之一，在軍事和民用領(lǐng)域已經(jīng)展現(xiàn)出有效而廣闊的理論和應(yīng)用前景。但由于飛行器性能的提高及電子對(duì)抗等技術(shù)的進(jìn)步，現(xiàn)代目標(biāo)跟蹤環(huán)境發(fā)生了顯著的變化，目標(biāo)的強(qiáng)機(jī)動(dòng)、背景的高雜波、觀測(cè)的高虛警及目標(biāo)數(shù)量的不確定等特點(diǎn)，使得現(xiàn)代被動(dòng)多目標(biāo)跟蹤技術(shù)遇到了很大的挑戰(zhàn)。 針對(duì)上述問(wèn)題，本論文重點(diǎn)研究了基于隨機(jī)集理論的被動(dòng)多傳感器多目標(biāo)跟蹤算法。首先，介紹了被動(dòng)多傳感器系統(tǒng)的基本數(shù)據(jù)處理方法。針對(duì)

2、數(shù)目固定的多個(gè)機(jī)動(dòng)運(yùn)動(dòng)目標(biāo)，提出了一種適用于被動(dòng)觀測(cè)系統(tǒng)的粒子濾波關(guān)聯(lián)跟蹤算法，有效的實(shí)現(xiàn)了對(duì)多個(gè)做非線(xiàn)性運(yùn)動(dòng)目標(biāo)的跟蹤。其次，將隨機(jī)集理論引入多目標(biāo)跟蹤中，研究了基于隨機(jī)集概率假設(shè)密度(PHD)的變維信息融合方法。針對(duì)高雜波、高虛警環(huán)境下，目標(biāo)數(shù)量變化的非線(xiàn)性多目標(biāo)跟蹤問(wèn)題，研究了高斯和粒子采樣的PHD算法(GSPPHD)并利用擬蒙特卡羅采樣對(duì)GSPPHD算法進(jìn)行了改進(jìn)。實(shí)驗(yàn)表明，提出的改進(jìn)算法在保證跟蹤精度的同時(shí)，降低了GSPPHD

3、算法的計(jì)算量。另外，針對(duì)高雜波、高虛警環(huán)境下，數(shù)量變化的機(jī)動(dòng)多目標(biāo)跟蹤問(wèn)題，提出了交互多模型PHD(IMM-PHD)多傳感器多機(jī)動(dòng)目標(biāo)跟蹤算法。仿真結(jié)果表明，IMM-PHD算法對(duì)于存在大量虛警干擾的情況，僅通過(guò)獲得關(guān)于目標(biāo)的角度信息就能夠?qū)崟r(shí)有效的跟蹤數(shù)量變化的多個(gè)機(jī)動(dòng)目標(biāo)。最后，針對(duì)隨機(jī)集PHD跟蹤算法難以形成個(gè)體目標(biāo)航跡的問(wèn)題，提出了一種新的基于隨機(jī)集的Rao-Blackwellized粒子濾波(RBPF)關(guān)聯(lián)算法，通過(guò)與PHD算法