數(shù)據(jù)融合目標跟蹤技術(shù)研究.pdf

1、本文研究了數(shù)據(jù)融合中的多目標跟蹤問題。數(shù)據(jù)融合作為一門新興交叉學科，是將來自多數(shù)據(jù)源的數(shù)據(jù)進行綜合處理，從而得到更為準確、可靠的估計，與從任何單個數(shù)據(jù)源所獲得的數(shù)據(jù)相比，提供了更加精確和更加確定的推理。數(shù)據(jù)融合的產(chǎn)生和發(fā)展，是現(xiàn)代科學技術(shù)飛速發(fā)展的產(chǎn)物。目標跟蹤是數(shù)據(jù)融合中的關鍵技術(shù)，是實現(xiàn)高層次融合的前提，并在國防、民用多個領域有廣泛的應用，是本文的研究主題。本文的研究內(nèi)容包括機動目標跟蹤、數(shù)據(jù)關聯(lián)等，是目標跟蹤領域最具普遍性和重要的

2、問題。全文共分五章，主要內(nèi)容如下： 1. 介紹了數(shù)據(jù)融合及目標跟蹤領域的發(fā)展概況及研究現(xiàn)狀；介紹了本文的研究內(nèi)容；介紹了本文的內(nèi)容安排和主要研究成果。 2.介紹了數(shù)據(jù)融合這一門新興的數(shù)據(jù)處理學科的意義、理論基礎、實現(xiàn)技術(shù)和研究現(xiàn)狀，提供了有關數(shù)據(jù)融合研究領域的一個大致的概況；研究了目標跟蹤的多種模型，Kalman濾波模型，該模型是現(xiàn)代目標跟蹤的基礎算法。如何解決雜波環(huán)境中的跟蹤和適應目標的高度機動是目標跟蹤領域的一個研究

3、重點。概率數(shù)據(jù)互聯(lián)算法以及交互式多模型算法能夠解決上述問題,對目標機動和雜波環(huán)境有很好的適應能力。PDA模型適合雜波環(huán)境下的單目標跟蹤問題。JPDA模型是PDA模型的推廣，適合密集雜波環(huán)境中的多目標跟蹤問題，對兩個軌跡相交的目標進行跟蹤，取得了滿意的仿真效果。機動目標模型，由于跟蹤環(huán)境和目標機動性能發(fā)生變化，各種應用系統(tǒng)對機動目標跟蹤提出了日益復雜的要求。國內(nèi)外許多專家學者對之進行了深入的研究，取得了豐碩的成果。討論了機動目標建模以及基

4、于機動檢測和機動辨識的機動目標跟蹤技術(shù)。探討了不同方法的優(yōu)缺點并給出了詳細的實驗結(jié)果與性能分析。 3.研究了多目標跟蹤的多假設算法，多假設跟蹤算法首先把目標和量測進行關聯(lián)，形成假設，然后計算每一個假設的后驗概率，選擇最大后驗概率的假設用于當期時刻的數(shù)據(jù)關聯(lián)，該方法需要列舉當前時刻的所有假設。本章研究了基于模糊交互式多模型算法解決多假設多目標跟蹤中的新目標數(shù)據(jù)相關問題。交互式多模型算法首先需要對多個跟蹤模型進行交互計算，然后使用各

5、個濾波器對目標進行預測跟蹤，最后給出計算結(jié)果，同時該結(jié)果也是下一時刻多模型的輸入值。利用交互式多模型算法在處理機動目標數(shù)據(jù)相關的優(yōu)越性能，提出了一種模糊交互式多模型多假設多目標跟蹤算法,該算法利用隸屬度選擇優(yōu)秀的模型處理新目標的數(shù)據(jù)相關問題，用隸屬度表示每個模型與所跟蹤新目標的隸屬關系，根據(jù)隸屬度選擇最佳的模型對新目標進行跟蹤。仿真結(jié)果表明，該方法不僅能夠處理新目標的數(shù)據(jù)相關，同時又能夠提高算法的時間效率。 4. 研究Viter

6、bi MHT算法，該方法是在所有的軌跡中挑選一最優(yōu)的軌跡集，用戶可以根據(jù)自己的需要選擇合適的軌跡。本章使用一個改進的Viterbi MHT算法用于多目標跟蹤，該算法引入測量“門限”，使所跟蹤的目標僅僅與“門限”內(nèi)的測量值關聯(lián)。改進后的算法能夠消除標準算法中跟蹤航跡發(fā)生分叉的缺點。通過動態(tài)“門限”的使用，完善了該算法對機動目標的跟蹤。用Kalman 濾波和先驗概率計算各目標的MAP的值。該算法是連續(xù)的，能夠處理丟失的探測、虛警以及跟蹤目標