基于粒子濾波的被動傳感器多目標(biāo)跟蹤算法研究.pdf

1、多目標(biāo)跟蹤無論在民用還是軍事領(lǐng)域都展現(xiàn)出廣闊的應(yīng)用前景，成為當(dāng)前學(xué)者和研究人員的研究熱點(diǎn)和難點(diǎn)。軍事應(yīng)用中，鑒于雷達(dá)等傳統(tǒng)主動探測設(shè)備生存效率低下、單傳感器信息利用片面等缺陷，被動多傳感器多目標(biāo)跟蹤在構(gòu)造堅固國防體系方面越來越具有重要的現(xiàn)實(shí)意義。而通常情況下，被動傳感器只獲得角度信息，體現(xiàn)了目標(biāo)與傳感器量測之間的非線性關(guān)系，這就使得各種非線性濾波方法應(yīng)運(yùn)而生。
　　 針對上述問題，本文重點(diǎn)研究了基于粒子濾波的被動傳感器多目標(biāo)跟蹤

2、方法，主要成果如下：
　　 1.針對目標(biāo)數(shù)固定的被動多傳感器多目標(biāo)跟蹤，在聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(JPDA)的基礎(chǔ)上引入粒子濾波，對目標(biāo)狀態(tài)分別采用單獨(dú)采樣和聯(lián)合采樣兩種不同方式，結(jié)合多傳感器集中式融合策略，研究了iMC-JPDA和jMC-JPDA濾波算法。針對jMC-JPDA算法跟蹤弱相關(guān)目標(biāo)性能較差的不足，提出了一種基于混合采樣粒子濾波的被動傳感器多目標(biāo)跟蹤算法，通過引入粒子群優(yōu)化、進(jìn)行聯(lián)合樣本權(quán)值分解并對各目標(biāo)樣本獨(dú)立重采樣的策

3、略，優(yōu)化目標(biāo)樣本分布，提高了多目標(biāo)跟蹤精度。
　　 2.針對目標(biāo)數(shù)變化的被動多傳感器多目標(biāo)跟蹤，采用多傳感器集中式融合策略，重點(diǎn)研究了粒子PHD濾波算法。然而，該算法要求量測噪聲非零且似然解析，限制了其應(yīng)用范圍。針對此問題，研究了卷積核粒子PHD濾波算法，通過引入卷積核密度估計理論來計算PHD樣本權(quán)值更新過程中的量測似然。在此基礎(chǔ)上，考慮到傳統(tǒng)多目標(biāo)跟蹤中，數(shù)據(jù)關(guān)聯(lián)方法能夠精確計算目標(biāo)與量測關(guān)聯(lián)的優(yōu)勢，在卷積核粒子PHD算法估計