基于隨機(jī)集的多目標(biāo)聯(lián)合檢測(cè)、跟蹤和分類.pdf

1、隨著現(xiàn)代監(jiān)視環(huán)境日異復(fù)雜化,人們對(duì)偵察系統(tǒng)態(tài)勢(shì)感知能力的要求不斷提高。偵察系統(tǒng)的主要功能包括目標(biāo)檢測(cè)、跟蹤和分類,由于三者是相互關(guān)聯(lián)的過程,利用其耦合關(guān)系對(duì)提高偵察系統(tǒng)效能具有重要意義。隨機(jī)集理論作為一種處理多目標(biāo)跟蹤問題的新方法,為實(shí)現(xiàn)多目標(biāo)聯(lián)合檢測(cè)、跟蹤和分類(JDTC)提供了有效的理論工具。然而,現(xiàn)有基于隨機(jī)集的JDTC算法只處理單傳感器應(yīng)用問題,無法適用于多傳感器系統(tǒng)。此外,該算法沒有考慮平滑濾波,因此估計(jì)和分類性能有待提高。<

2、br>　　本論文主要針對(duì)多目標(biāo)JDTC中的多傳感器融合問題和平滑濾波問題進(jìn)行探討,主要研究成果如下:
　　1.針對(duì)多機(jī)動(dòng)目標(biāo)聯(lián)合檢測(cè)與跟蹤問題,提出一種基于模型交互的粒子PHD濾波器。該方法多濾波器并行結(jié)構(gòu)清晰,且具有良好的多目標(biāo)檢測(cè)與跟蹤性能。
　　2.針對(duì)線性高斯條件下的多傳感器JDTC問題,提出了一種基于高斯混合概率假設(shè)密度濾波器(GM-PHD)的多傳感器JDTC算法。該算法在單傳感器GM-PHD JDTC算法基礎(chǔ)上,

3、采用序貫融合方法對(duì)目標(biāo)狀態(tài)和類別信息進(jìn)行處理,實(shí)現(xiàn)多傳感器的多目標(biāo)聯(lián)合檢測(cè)、跟蹤和分類。
　　3.提出了基于粒子概率假設(shè)密度濾波器(PF-PHD)的多傳感器JDTC算法,處理非線性、非高斯條件下的多傳感器JDTC問題。針對(duì)目標(biāo)屬性量測(cè)提取問題,提出了一種基于雷達(dá)回波信噪比的屬性量測(cè)建模方法。
　　4.為提高多目標(biāo)JDTC效果,在PHD-JDTC算法基礎(chǔ)上,采用平滑濾波方法,推導(dǎo)了基于前向.后向平滑PHD的多目標(biāo)JDTC算法,