论文部分内容阅读
目标跟踪是利用传感器的测量值对目标的状态信息进行估计的过程,其在军事和民用领域均有广泛的应用。通常情况下,目标跟踪算法假设日标测量模型必须满足同一时间一个目标只产生一个测量值,且每个测量值最多来自一个目标或杂波。但实际跟踪系统中,很多门标并不满足该假设,例如：扩展目标,不可分辨门标、多径超视距目标、多传感器目标等,这类目标被称为非标准测量目标。非标准测量目标跟踪问题比较复杂但更具实际应用价值。近些年来,基于随机有限集的目标跟踪算法受到了学者们的广泛关注,该类算法已成为目标跟踪的主流算法。本文针对非标准测量目标跟踪中存在的问题,对现有的基于随机有限集的跟踪算法进行了更为深入的研究,主要研究成果如下：1)针对多传感器目标跟踪问题,将基于随机有限集的伯努利滤波应用于多传感器单目标跟踪系统中,提出了一种多传感器伯努利滤波(MSBF)算法。该算法将多传感器目标状态模拟成伯努利随机有限集,并利用有限集合统计学(FISST)理论推导了伯努利滤波处理多传感器目标的数学表达式。该算法与传统基于“序贯更新近似”的多传感器日标跟踪算法相比,具有估计精度更高、性能更稳定的优点。2)针对机动目标跟踪过程中存在的目标模型不确定性问题,将MSBF算法与多模型算法结合,提出了一种跟踪机动目标的多模多传感器伯努利滤波(MM-MSBF)算法,该算法有效的解决了MSBF算法的机动目标跟踪问题。3)针对超视距雷达跟踪系统中一个目标可通过多条传播路径产生多个测量值的多径问题,提出了一种基于随机有限集的多径概率假设密度(MP-PHD)滤波算法。该算法将多径超视距目标状态建模成随机有限集,然后利用FISST理论推导得到了MP-PHD滤波递推公式,并最终给出了该算法的高斯混合实现流程,仿真结果表明该方法有效的解决了多径超视距多目标跟踪过程中的多径问题。4)针对多径超视距多目标跟踪问题,对基于随机有限集的算法进行更深入的研究,提出了一种多径势平衡多目标多伯努利(MP-CBMeMBer)滤波算法。该算法将目标状态建模成多伯努利随机有限集,然后利川FISST理论推导得到了MP-CBMeMBer滤波递推公式,最终分别给出了该算法的高斯混合和粒子滤波两种实现流程,仿真表明该算法进一步提高了多径超视距多目标的跟踪性能。