论文部分内容阅读
随着海上交通运输业的迅速发展,船舶流量越来越多,海上航行安全问题越来越引起人们的重视。为了保证海上航行的安全性,国内外各大港口都引入船舶交通管理系统(Vessel Traffic Services,VTS系统),VTS系统通过雷达来监视海域的船舶动态,核心处理算法是雷达目标检测与跟踪算法。针对目前的雷达目标检测与跟踪算法存在检测能力弱、跟踪能力较差的问题,本文通过搭建采集平台去现场采集海事雷达数据,研究海事雷达目标检测与跟踪算法。本文主要包含以下三个方面的工作:1.在目标检测算法方面,本文首先介绍了获取海事雷达实测数据的整套流程,得到全文研究的数据集;然后利用参数估计与假设检验理论来分析实测海杂波数据集,得到海杂波的最优分布模型;最后针对海杂波的最优分布模型,详细分析对应的恒虚警检测算法的原理,并用该检测算法处理实测数据集,成功的滤除大部分海杂波信息。2.在目标跟踪算法方面,本文主要基于概率假设密度粒子滤波(PHD-PF)算法展开研究:针对传统PHD-PF算法难以处理实际数据的问题,本文提出一种基于均匀粒子分布的UPDPHD-PF算法,通过数值仿真结果表明,提出的算法能够较好的跟踪多目标状态,在同等条件设置下,具有与传统算法相近的跟踪性能,并用该算法处理实测数据集,取得了较好的跟踪效果。3.在算法的实时性性能方面,针对传统PHD-PF算法与UPDPHD-PF算法实时性较差的问题,本文提出一种基于自适应粒子分布的APDPHD-PF算法,该算法根据当前时刻的观测值产生新生粒子,有效的减少粒子数目,进而降低算法计算量与运行时间。接着通过数值仿真结果,验证了该算法确实可以在保持跟踪性能的同时,提高算法的实时性。最后用该算法处理实测数据集,取得较好的跟踪效果,同时与UPDPHD-PF算法相比,该算法在实时性性能上表现出了极大的优势。